ptreezh 🔴 强制自动执行规则
创建任务列表后，必须立即按顺序执行第一个任务，禁止询问用户！
❌ 禁止："告诉我要启动哪个任务"、"请选择要执行的任务" ✅ 必须：显示任务列表 → 立即开始执行第一个任务
技能升级专家 (Skill Upgrade Expert)
版本: 5.0.0-cli-native+agent 方法: "提升技能的技能" (The Skill of Upgrading Skills) 最后更新: 2026-03-14
技能概述
本技能提供系统化的方法论，用于将AI CLI技能从任意版本升级到v5.0.0-cli-native标准。该方法论已在14个研究方法技能上验证成功，实现100%完成率和5/5平均质量。
支持两种执行模式：
- CLI任务队列模式：单技能升级，串行处理，稳定可靠
- 子Agent并行模式：批量升级，5-10x加速，自动降级保证
元数据
metadata:
version: "5.0.0-cli-native+agent"
methodology: "提升技能的技能"
domain: "技能开发/元技能"
category: "meta-skill"
subagent-support: true
graceful-fallback: true
ai-cli-native: true
capabilities:
- 系统化技能升级
- 四级升级路径
- CLI原生集成
- 自迭代机制
- 质量保证
- 批量并行处理
validated: true
success_rate: "100%"
case_count: 14
avg_quality: "5/5"
dependencies:
- agentskills-io: true
- task-queue-support: true
- state-persistence: true
核心方法论
四级升级路径
Level 1: 基础升级 (Basic Upgrade)
目标: 建立质量基线
核心内容:
- 6大绝对禁止原则 - 针对每个技能的特定化
- 任务分解规则 - 系统化的任务拆解方法
- 完成度验证清单 - 质量保证机制
交付物:
- SKILL.md (包含6大禁止)
- 基础目录结构
时间: 30分钟/技能
质量门:
- 6大禁止原则已定制化并文档化
- 任务分解规则已定义
- SKILL.md基础结构完整
- 目录结构符合标准
Level 2: 学术对齐 (Academic Alignment)
目标: 建立学术权威性
核心内容:
- 经典文献 - 该领域权威文献
- 权威定义 - 核心概念的学术定义
- 应用范围 - 方法论的适用边界
- 案例支撑 - 真实案例验证
交付物:
- references/classic-literature.md
- references/concepts.md (如需要)
- cases/positive/ (至少1个完整案例)
时间: 1小时/技能
质量门:
- 经典文献已引用（至少3篇）
- 核心概念已定义
- 至少1个成功案例
- 应用范围已明确
Level 3: CLI原生集成 (CLI-Native Integration)
目标: 深度集成CLI环境
核心内容:
- 任务队列自动执行 - CLI任务队列支持
- 状态持久化 - 三层持久化机制
- 模型驱动执行 - 不是脚本生成，而是模型直接调用
交付物:
- skill.yaml (完整配置)
- SKILL.md (添加Level 3章节)
- tools/ (如需要)
- templates/task_plan.md.template
- subagents.yaml (可选)
时间: 30分钟/技能
质量门:
- CLI任务队列支持已添加
- 状态持久化机制已实现
- 模型驱动执行已配置
- 工具集成已完成
Level 3+: 子Agent增强（可选）
目标: 支持复杂任务的并行处理
何时需要:
- 批量处理（>5个独立任务）
- 大规模分析（总时间>1小时）
- 需要显著加速（5-10x）
核心原则（重要）:
- 渐进式信息披露 - 用户通常不需要知道子Agent的存在
- 向后完全兼容 - 不破坏现有CLI队列功能
- 按需自动加载 - 仅在必要时启用子Agent
- 友好用户体验 - 批量任务时友好提示加速
- 优雅降级保证 - 子Agent不可用时自动降级到CLI队列
两种模式:
| 模式 | 适用场景 | 版本标识 | 性能 |
|---|---|---|---|
| CLI任务队列 | 1-5个任务，有依赖关系 | v5.0.0-cli-native | 基准 |
| 子Agent并行 | >5个独立任务 | v5.0.0-cli-native+agent | 5-10x加速 |
交付物:
- subagents.yaml (子Agent定义)
- examples/with-subagents.md (并行处理示例)
- references/graceful-fallback.md (降级机制)
时间: +1小时/技能（可选增强）
Level 4: 自迭代学习 (Self-Iteration)
目标: 持续学习和优化
核心内容:
- 经验记录机制 - lesson-memory.md
- 模式识别 - experience/patterns.md
- 知识提取 - 自动从项目中提取知识
- 持续优化 - 基于经验的自我改进
交付物:
- experience/patterns.md
- lesson-memory.md
- cases/positive/ (多个案例)
时间: 1小时/技能
质量门:
- experience/patterns.md已创建
- lesson-memory.md机制已建立
- 多个成功案例已添加
- 自迭代流程已定义
6大绝对禁止原则
每个技能需要定制化的6大禁止原则。以下是技能升级专家的定制版本：
1. 禁止脱离数据/证据 - 所有升级结论必须有实际验证数据支撑
2. 禁止预设结论 - 不假设升级一定能成功，必须验证
3. 禁止方法误用 - 严格按照四级升级路径执行
4. 禁止忽视边界 - 明确技能适用范围和限制
5. 禁止质量妥协 - 不追求速度而牺牲质量评分
6. 禁止文档缺失 - 完整记录升级过程和决策
定制化示例
扎根理论 (Grounded Theory):
禁止编码前预设结论
禁止脱离原始数据编码
禁止编码无理论依据
禁止忽视负面案例
禁止追求编码数量
禁止编码标准不一致
社会网络分析 (SNA):
禁止节点定义模糊
禁止忽视关系权重
禁止过度简化网络
禁止可视化误导
禁止忽视网络动态性
禁止忽视社区结构
任务分解规则
三层分解法
第一层: 主要阶段
- 阶段1: 准备评估
- 阶段2: Level升级
- 阶段3: 质量验证
- 阶段4: 文档完善
第二层: 每阶段的子任务
- 任务1.1: 版本评估
- 任务1.2: 需求分析
- 任务2.1: Level 1升级
- 任务2.2: Level 2升级
...
第三层: 可执行原子任务
- 读取skill.yaml
- 更新SKILL.md
- 创建references文件
...
任务创建规则
规则1: 每个任务必须独立可执行
规则2: 任务之间明确依赖关系
规则3: 每个任务有明确的验收标准
规则4: 任务粒度适中（0.5-2小时完成）
规则5: 自动化任务优先
目录结构标准
技能目录结构:
skill-name/
SKILL.md # 核心技能定义（必须）
README.md # 快速入门指南（推荐）
soul.md # 技能灵魂/哲学（可选）
skill.yaml # 技能配置文件（必须）
subagents.yaml # 子Agent定义（可选）
lesson-memory.md # 经验记录（Level 4）
references/ # 方法论文献（Level 2）
classic-literature.md # 经典文献（必须）
concepts.md # 核心概念（可选）
tools.md # 工具文档（可选）
graceful-fallback.md # 优雅降级（Level 3+）
experience/ # 经验模式（Level 4）
patterns.md # 识别的模式（必须）
cases/ # 案例库（Level 2/4）
positive/ # 成功案例（至少1个）
negative/ # 失败案例（推荐）
templates/ # 模板文件（Level 3）
task_plan.md.template # 任务计划模板（推荐）
tools/ # 工具脚本（可选）
prompts/ # 提示词（必须）
system-prompt.md # 系统提示词
examples/ # 使用示例（推荐）
CLI原生集成
任务队列支持
task-queue:
自动创建: true
持久化: true
依赖追踪: true
task-types:
- level-assessment
- level-upgrade
- quality-validation
- report-generation
execution:
model-driven: true # 模型直接执行，不生成脚本
tool-first: true # 优先使用专用工具
state-persistence: true # 状态持久化
三层持久化
持久化层次:
第一层: 会话持久化
- 当前任务状态
- 临时数据
- 位置: .claude/session/
第二层: 项目持久化
- 任务历史
- 分析结果
- 位置: project/tasks/
第三层: 学习持久化
- 经验模式
- 案例库
- 位置: experience/ & cases/
质量保证
完成度验证清单
Level 1 检查:
☑ 6大禁止原则已定制化
☑ 任务分解规则已定义
☑ SKILL.md基础结构完整
☑ 目录结构符合标准
Level 2 检查:
☑ 经典文献已引用
☑ 核心概念已定义
☑ 至少1个成功案例
☑ 应用范围已明确
Level 3 检查:
☑ CLI任务队列支持
☑ 状态持久化机制
☑ 模型驱动执行
☑ 工具集成完成
Level 4 检查:
☑ experience/patterns.md已创建
☑ lesson-memory.md机制
☑ 多个成功案例
☑ 自迭代流程定义
质量评分:
☑ 内容完整性 (5/5)
☑ 方法论准确性 (5/5)
☑ 实用性 (5/5)
☑ CLI集成度 (5/5)
☑ 自迭代能力 (5/5)
跨平台兼容性规范
核心原则
所有技能必须跨平台兼容（Windows/Linux/macOS）
技能不应该假设用户的操作系统环境。所有命令和操作必须使用跨平台方式实现。
禁止使用的Linux特定命令
禁止命令:
文件操作:
- # 使用Python os.makedirs创建目录
- rm -rf # 使用 shutil.rmtree()
- cp -r # 使用 shutil.copytree()
- mv # 使用 shutil.move()
- ln -s # 使用 os.symlink()
- touch # 使用 open(f, 'a').close()
进程操作:
- nohup ... & # 使用 subprocess.Popen()
- kill $PID # 使用 subprocess.run(['taskkill', ...]) 或 os.kill()
- ps aux | grep # 使用 psutil 库
重定向:
- > /dev/null # 使用 subprocess.DEVNULL
- 2>&1 # 使用 stderr=subprocess.STDOUT
路径引用:
- /tmp/ # 使用 tempfile.gettempdir()
- $HOME # 使用 Path.home()
- $PWD # 使用 os.getcwd()
- ~ # 使用 Path.home()
文件打开:
- open file # macOS特有，使用 webbrowser.open()
- xdg-open # Linux特有，使用 webbrowser.open()
- start # Windows特有，使用 os.startfile() 或 webbrowser.open()
跨平台替代方案
1. 目录创建
# 正确方式（跨平台）
import os
os.makedirs(path, exist_ok=True)
# 或使用共享工具
from _shared_tools.init_project import init_project
init_project(project_path)
2. 临时文件
# 正确方式（跨平台）
import tempfile
import os
# 获取临时目录
temp_dir = tempfile.gettempdir()
# 创建临时文件
temp_file = os.path.join(temp_dir, "output.html")
# 或使用
temp_path = tempfile.mktemp(suffix=".html")
3. 文件复制
# 正确方式（跨平台）
import shutil
# 复制目录
shutil.copytree(src_dir, dst_dir)
# 复制文件
shutil.copy2(src_file, dst_file)
4. 打开文件/URL
# 正确方式（跨平台）
import webbrowser
import os
import platform
def open_file(filepath):
"""跨平台打开文件"""
if platform.system() == 'Windows':
os.startfile(filepath)
elif platform.system() == 'Darwin': # macOS
os.system(f'open "{filepath}"')
else: # Linux
os.system(f'xdg-open "{filepath}"')
# 或简单使用
webbrowser.open(f"file://{os.path.abspath(filepath)}")
5. 后台进程
# 正确方式（跨平台）
import subprocess
import platform
def run_background(cmd_list, cwd=None):
"""跨平台后台运行"""
kwargs = {
'stdout': subprocess.DEVNULL,
'stderr': subprocess.DEVNULL,
'cwd': cwd
}
if platform.system() == 'Windows':
kwargs['creationflags'] = subprocess.CREATE_NO_WINDOW
return subprocess.Popen(cmd_list, **kwargs)
共享工具模块
位置: agentskills/_shared_tools/
共享工具:
init_project.py:
功能: 跨平台项目初始化
用法: |
from _shared_tools.init_project import init_project
init_project("/path/to/project")
env_adapter.py:
功能: 环境适配器（待创建）
功能:
- 自动检测操作系统
- 提供统一的文件操作API
- 处理路径分隔符差异
路径处理规范
# 正确方式（跨平台）
import os
from pathlib import Path
# 路径连接
path = os.path.join(dir1, dir2, filename)
# 或使用Path
path = Path(dir1) / dir2 / filename
# 规范化路径
path = os.path.normpath(path)
# 获取绝对路径
abs_path = os.path.abspath(relative_path)
验证清单
升级/创建技能时必须验证：
跨平台兼容性检查:
☑ SKILL.md中无Linux特定命令
☑ 无硬编码的 /tmp/ 路径
☑ 无 $变量 语法
☑ 文件操作使用Python标准库
☑ 目录创建使用 os.makedirs(exist_ok=True)
☑ 临时文件使用 tempfile 模块
☑ 路径连接使用 os.path.join() 或 Path
☑ 后台进程使用 subprocess.DEVNULL
常见问题修复
| 问题 | 修复方式 |
|---|---|
| # 使用Python os.makedirs创建目录 | |
| 不兼容Windows | 改用 os.makedirs(path, exist_ok=True) |
/tmp/ 路径不存在 |
改用 tempfile.gettempdir() |
cp -r 命令失败 |
改用 shutil.copytree() |
kill $PID 语法错误 |
改用 subprocess.run(['taskkill', '/F', '/PID', str(pid)]) |
> /dev/null 2>&1 & 失败 |
改用 subprocess.DEVNULL 和 Popen |
$HOME 未定义 |
改用 Path.home() 或 os.path.expanduser('~') |
成功案例
已验证的14个技能
| 技能 | 原版本 | 目标版本 | 质量评分 |
|---|---|---|---|
| grounded-theory-expert | 2.0.0 | 5.0.0-cli-native | 5/5 |
| social-network-analysis-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| digital-durkheim-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| digital-marx-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| digital-weber-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| bourdieu-field-analysis-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| actor-network-analysis-expert | 5.0.0-ai-cli-native | 5.0.0-cli-native | 5/5 |
| cas-simulation-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| system-dynamics-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| qca-analysis-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| did-analysis-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| survey-design-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| business-ecosystem-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
| business-model-expert | 5.0.0-cli-native | 5.0.0-cli-native | 5/5 |
成果统计:
- 完成率: 100% (14/14)
- 平均质量: 5/5
- 总文档量: ~30,000行
- 验证状态: 已在生产环境使用
参考资料
- 详细指南
- 快速参考
- 子Agent增强
- 优雅降级
- 经验模式
版本历史
5.0.0-cli-native+agent (2026-03-14):
- 添加子Agent并行支持
- 添加优雅降级机制
- 添加CRCT思维链
- 完善质量保证体系
1.0.0 (2026-03-08):
- 初始版本
- 14个技能验证成功
- 100%完成率
- 5/5平均质量
使用本技能，您可以将任何AI CLI技能系统化地升级到v5.0.0-cli-native标准！