# Skill Upgrade Expert > 技能升级专家。提供技能诊断、优化建议、子Agent集成、性能评估功能。适用于AI技能开发、技能标准化、质量提升场景。 - Skill: `ptreezh/skill-upgrade-expert` (Agent Skill, multi-file: 22 files) - Install (CLI): `npx skillmds@latest add ptreezh/skill-upgrade-expert` - Raw SKILL.md: https://api.skillmd.com/api/skills/ptreezh/skill-upgrade-expert/raw - Safety review: pending - Works with: Claude Code, Claude.ai, OpenAI Codex - Category: AI & ML - License: MIT - Author: ptreezh (https://skillmd.com/u/ptreezh) - Updated: 2026-09-17 - Page: https://skillmd.com/skills/ptreezh/skill-upgrade-expert --- > ## 🔴 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 ```yaml 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**: 1. **6大绝对禁止原则** - 针对每个技能的特定化 2. **任务分解规则** - 系统化的任务拆解方法 3. **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**: 1. **经典文献** - 该领域权威文献 2. **权威定义** - 核心概念的学术定义 3. **应用范围** - 方法论的适用边界 4. **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**: 1. **任务队列自动执行** - CLI任务队列支持 2. **状态持久化** - 三层持久化机制 3. **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）: 1. **渐进式信息披露** - 用户通常不需要知道子Agent的存在 2. **向后完全兼容** - 不破坏现有CLI队列功能 3. **按需自动加载** - 仅在必要时启用子Agent 4. **友好用户体验** - 批量任务时友好提示加速 5. **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**: 1. **经验记录机制** - lesson-memory.md 2. **模式识别** - experience/patterns.md 3. **知识提取** - 自动从项目中提取知识 4. **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： ```yaml 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)**: ```yaml 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)**: ```yaml 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 ```yaml 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 ```yaml 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 ```yaml 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 ```yaml 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 ```yaml 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 ```yaml 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 ```yaml 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 ```python # 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 ```python # 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 ```python # 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 ```python # 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 ```python # 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/` ```yaml 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 ```python # 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： ```yaml 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](references/detailed-guide.md) - [快速参考](references/quick-reference.md) - [子Agent增强](references/subagent-enhancement.md) - [优雅降级](references/graceful-fallback.md) - [经验模式](experience/patterns.md) --- ## 版本历史 ```yaml 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！**