技能2基因

人工智能 社区

技能解读

当前原文的自动摘译,尚未人工审校。

核心理念

传统 Skill 是文档导向的经验表达(2500 tokens),优化目标是人类可读性和完整性。Strategy Gene 是控制导向的经验表达(200-300 tokens),优化目标是推理时行为控制的信号密度和有效性。 Gene 不是 Skill 的压缩版,而是一种不同的经验抽象。

Gene 注册表

gene_id · 触发信号 · 文件 gene_distill · 蒸馏, 提取, 转换skill, 拆分gene · genes/gene_distill.md gene_gep_format · GEP格式, strategy-gene标签, 字段 · genes/gene_gep_format.md gene_signal_density · 信号密度, token预算, 精简, 去噪 · genes/gene_signal_density.md gene_failure_encoding · 失败经验, AVOID, 警告, 踩坑 · genes/gene_failure_encoding.md

输入:一个传统 Procedural Skill

读取目标 Skill 的全部文件:SKILL.md + references/ + scripts/

流狐档案 运行与权限由流狐静态检查推断,不代表作者声明或实际测试结果。
领域
人工智能
作者声明的智能体
未找到明确声明;不据此推断已兼容或已测试
静态检查
88 / 100 · 启发式扫描,不代表运行安全
运行环境证据
未执行;当前没有隔离运行测试证据
作者 / 版本 / 许可证
@didi · 未声明许可证
上下文用量评级
低消耗
接入复杂程度
即装即用
是否需要外部接口密钥
不需要
兼容的系统
未声明(默认跨平台)
运行环境要求
未检出明确要求
检测到的文件与系统行为
  • 只读
网络行为
仅限本地
安装命令数
无(仅作为资料)

需要注意: 未声明工具权限范围;实际权限由运行环境决定。

01
Step 1: 分析与拆分

始终加载: `gene_distill` + `gene_gep_format` 识别 Skill 中的控制信号——哪些内容实际影响模型行为(通常集中在 workflow 部分) 按功能域将控制信号拆分为原子 Gene 单元 丢弃纯文档性内容(overview、背景解释、API 文档搬运)

02
Step 2: 蒸馏为 Gene

按需加载: `gene_signal_density` + `gene_failure_encoding` 对每个原子功能域: 提取 keywords(触发信号) 写 1 句 summary(行为意图) 写 3-7 条 strategy(有序决策步骤)

03
Step 3: 组装与验证

加载: `gene_validation` 编写 GENES.md 注册表 编写 SKILL.md 入口(含调度规则) 对比验证:gene 是否覆盖了原 skill 的有效控制信号

04
Step 4: 演化准备(可选)

加载: `gene_evolution` 为后续迭代演化预留 Capsule 和 Event 接口

讨论

基于 GitHub Discussions。登录 GitHub 即可参与讨论、点赞、订阅更新。