chore: import upstream snapshot with attribution

2026-07-13 12:12:24 +08:00
commit 33b4ec712e
450 changed files with 80543 additions and 0 deletions
@@ -0,0 +1,110 @@
+# s05: Skills (Skill 加载)
+
+`s01 > s02 > s03 > s04 > [ s05 ] s06 | s07 > s08 > s09 > s10 > s11 > s12`
+
+> *"用到什么知识, 临时加载什么知识"* -- 通过 tool_result 注入, 不塞 system prompt。
+>
+> **Harness 层**: 按需知识 -- 模型开口要时才给的领域专长。
+
+## 问题
+
+你希望 Agent 遵循特定领域的工作流: git 约定、测试模式、代码审查清单。全塞进系统提示太浪费 -- 10 个 Skill, 每个 2000 token, 就是 20,000 token, 大部分跟当前任务毫无关系。
+
+## 解决方案
+
+```
+System prompt (Layer 1 -- always present):
+--------------------------------------+
+| You are a coding agent.              |
+| Skills available:                    |
+|   - git: Git workflow helpers        |  ~100 tokens/skill
+|   - test: Testing best practices     |
+--------------------------------------+
+
+When model calls load_skill("git"):
+--------------------------------------+
+| tool_result (Layer 2 -- on demand):  |
+| <skill name="git">                   |
+|   Full git workflow instructions...  |  ~2000 tokens
+|   Step 1: ...                        |
+| </skill>                             |
+--------------------------------------+
+```
+
+第一层: 系统提示中放 Skill 名称 (低成本)。第二层: tool_result 中按需放完整内容。
+
+## 工作原理
+
+1. 每个 Skill 是一个目录, 包含 `SKILL.md` 文件和 YAML frontmatter。
+
+```
+skills/
+  pdf/
+    SKILL.md       # ---\n name: pdf\n description: Process PDF files\n ---\n ...
+  code-review/
+    SKILL.md       # ---\n name: code-review\n description: Review code\n ---\n ...
+```
+
+2. SkillLoader 递归扫描 `SKILL.md` 文件, 用目录名作为 Skill 标识。
+
+```python
+class SkillLoader:
+    def __init__(self, skills_dir: Path):
+        self.skills = {}
+        for f in sorted(skills_dir.rglob("SKILL.md")):
+            text = f.read_text()
+            meta, body = self._parse_frontmatter(text)
+            name = meta.get("name", f.parent.name)
+            self.skills[name] = {"meta": meta, "body": body}
+
+    def get_descriptions(self) -> str:
+        lines = []
+        for name, skill in self.skills.items():
+            desc = skill["meta"].get("description", "")
+            lines.append(f"  - {name}: {desc}")
+        return "\n".join(lines)
+
+    def get_content(self, name: str) -> str:
+        skill = self.skills.get(name)
+        if not skill:
+            return f"Error: Unknown skill '{name}'."
+        return f"<skill name=\"{name}\">\n{skill['body']}\n</skill>"
+```
+
+3. 第一层写入系统提示。第二层不过是 dispatch map 中的又一个工具。
+
+```python
+SYSTEM = f"""You are a coding agent at {WORKDIR}.
+Skills available:
+{SKILL_LOADER.get_descriptions()}"""
+
+TOOL_HANDLERS = {
+    # ...base tools...
+    "load_skill": lambda **kw: SKILL_LOADER.get_content(kw["name"]),
+}
+```
+
+模型知道有哪些 Skill (便宜), 需要时再加载完整内容 (贵)。
+
+## 相对 s04 的变更
+
+| 组件           | 之前 (s04)       | 之后 (s05)                     |
+|----------------|------------------|--------------------------------|
+| Tools          | 5 (基础 + task)  | 5 (基础 + load_skill)          |
+| 系统提示       | 静态字符串       | + Skill 描述列表               |
+| 知识库         | 无               | skills/\*/SKILL.md 文件        |
+| 注入方式       | 无               | 两层 (系统提示 + result)       |
+
+## 试一试
+
+```sh
+cd learn-claude-code
+python agents/s05_skill_loading.py
+```
+
+试试这些 prompt (英文 prompt 对 LLM 效果更好, 也可以用中文):
+
+1. `What skills are available?`
+2. `Load the agent-builder skill and follow its instructions`
+3. `I need to do a code review -- load the relevant skill first`
+4. `Build an MCP server using the mcp-builder skill`