init repo
This commit is contained in:
Summer Shen
@@ -0,0 +1,2 @@
|
||||
schema: spec-driven
|
||||
created: 2026-03-30
|
||||
@@ -0,0 +1,147 @@
|
||||
## Context
|
||||
|
||||
本项目是一个全新的 Python 项目（greenfield），目标是构建一个基于 LlamaIndex Workflow 的 Agent，能够动态加载和执行 SKILL。
|
||||
|
||||
**当前状态：**
|
||||
- 项目仅有 `src/llama_agent_skills/__init__.py` 中一个空的 `main()` 入口
|
||||
- 无任何现有依赖（`pyproject.toml` 的 `dependencies = []`）
|
||||
- `.opencode/skills/` 和 `.github/skills/` 下有 4 个 SKILL.md 示例文件，定义了 SKILL 的标准格式
|
||||
|
||||
**SKILL 格式（已有约定）：**
|
||||
- YAML frontmatter：`name`、`description`、`license`、`metadata`（author、version）
|
||||
- Markdown 正文：自由格式的指令文本，包含 Steps、Guardrails、Input/Output 等段落
|
||||
|
||||
**LlamaIndex Workflow 关键能力（调研结论）：**
|
||||
- `Workflow` 基类：事件驱动、`@step` 装饰器、`Context` 状态管理
|
||||
- `AgentWorkflow.from_tools_or_functions()`：接受 `tools` 列表和 `system_prompt`
|
||||
- `FunctionAgent`：支持 `system_prompt`、`tools`、`can_handoff_to`
|
||||
- 工具列表存储为实例变量 `self.tools`，可运行时动态增删
|
||||
- `Context.set/get` 提供步骤间状态共享
|
||||
|
||||
**约束：**
|
||||
- 不引入 Shell/subprocess，纯 Python 运行
|
||||
- 脚本类 SKILL 功能暂不支持
|
||||
- 需要支持线上部署场景
|
||||
|
||||
## Goals / Non-Goals
|
||||
|
||||
**Goals:**
|
||||
- 实现 SKILL.md 文件的解析器，能提取 frontmatter 元数据和正文指令
|
||||
- 实现 SKILL 注册表，支持从目录扫描、运行时动态注册/注销
|
||||
- 构建基于 LlamaIndex Workflow 的核心 Agent，将 SKILL 作为 system prompt 的扩展注入
|
||||
- 提供清晰的 Python API，方便程序化创建和运行 Agent
|
||||
- 保持架构简洁，为后续扩展（MCP 工具、多 Agent 协作）留出空间
|
||||
|
||||
**Non-Goals:**
|
||||
- 不实现 Shell/subprocess 执行能力（安全约束）
|
||||
- 不实现 SKILL 内定义的脚本/命令执行功能
|
||||
- 不实现多 Agent 协作/handoff（后续迭代）
|
||||
- 不实现 SKILL 的远程加载（仅支持本地文件系统）
|
||||
- 不实现 Web UI 或 REST API 层
|
||||
- 不实现 MCP server/client 集成（后续迭代）
|
||||
|
||||
## Decisions
|
||||
|
||||
### D1: SKILL 注入方式 — System Prompt 拼接
|
||||
|
||||
**决定：** 将 SKILL 的 Markdown 正文作为 system prompt 的一部分注入 Agent。
|
||||
|
||||
**备选方案：**
|
||||
- A) 将 SKILL 转换为 LlamaIndex `BaseTool`（每个 SKILL 变成一个可调用工具）
|
||||
- B) 将 SKILL 注入 system prompt（当前选择）
|
||||
- C) 将 SKILL 作为 RAG 文档，通过检索注入
|
||||
|
||||
**选择 B 的理由：**
|
||||
- SKILL 本质是「行为指令」而非「可调用函数」，它定义了 Agent 应该如何行动，而不是提供一个新的能力入口
|
||||
- System prompt 注入最自然，与 LlamaIndex 的 `system_prompt` 参数直接对应
|
||||
- 方案 A 需要为每个 SKILL 包装一个工具入口，增加不必要的间接层
|
||||
- 方案 C 引入 RAG 复杂度，对于有限数量的 SKILL 是过度设计
|
||||
- 后续如果 SKILL 需要携带工具定义，可以在 SKILL 格式中扩展 `tools` 字段，注册为真正的工具
|
||||
|
||||
### D2: SKILL.md 解析策略 — python-frontmatter 库
|
||||
|
||||
**决定：** 使用 `python-frontmatter` 库解析 SKILL.md 的 YAML frontmatter + Markdown body。
|
||||
|
||||
**备选方案：**
|
||||
- A) 手写 YAML + Markdown 分割解析器
|
||||
- B) 使用 `python-frontmatter` 库（当前选择）
|
||||
- C) 使用 `pyyaml` + 手动分割 `---` 分隔符
|
||||
|
||||
**选择 B 的理由：**
|
||||
- `python-frontmatter` 是成熟的库，专门处理 frontmatter 格式，边界情况覆盖好
|
||||
- 减少自研代码量和 bug 风险
|
||||
- 自动处理 YAML 类型转换
|
||||
|
||||
### D3: Agent 架构 — 基于 AgentWorkflow 的单 Agent
|
||||
|
||||
**决定：** 使用 `AgentWorkflow.from_tools_or_functions()` 构建单 Agent，通过 `system_prompt` 参数注入 SKILL 上下文。
|
||||
|
||||
**备选方案：**
|
||||
- A) 自定义 `Workflow` 子类，手动实现所有步骤
|
||||
- B) 使用 `AgentWorkflow.from_tools_or_functions()`（当前选择）
|
||||
- C) 使用 `FunctionAgent` + 多 Agent 编排
|
||||
|
||||
**选择 B 的理由：**
|
||||
- `AgentWorkflow` 提供开箱即用的对话循环、工具调用、流式输出
|
||||
- 对于第一版，单 Agent 足够验证 SKILL 注入概念
|
||||
- 如需自定义步骤（如 SKILL 热加载），可以后续继承扩展
|
||||
- 方案 A 需要重写大量 LlamaIndex 已有逻辑
|
||||
- 方案 C 在当前阶段是过度设计
|
||||
|
||||
### D4: 模块结构 — 职责分离
|
||||
|
||||
**决定：** 按职责划分为以下模块：
|
||||
|
||||
```
|
||||
src/llama_agent_skills/
|
||||
├── __init__.py # 包入口 + main()
|
||||
├── skill.py # Skill 数据模型 + SKILL.md 解析器
|
||||
├── registry.py # SkillRegistry（扫描、注册、查询）
|
||||
├── agent.py # Agent 构建与运行（封装 AgentWorkflow）
|
||||
└── config.py # 配置管理（环境变量、默认值）
|
||||
```
|
||||
|
||||
**理由：**
|
||||
- `skill.py` 专注数据解析，与 LlamaIndex 无关，可独立测试
|
||||
- `registry.py` 管理 SKILL 生命周期，依赖 `skill.py` 但不依赖 `agent.py`
|
||||
- `agent.py` 是唯一依赖 LlamaIndex 的模块，负责将 registry 中的 SKILL 组装为 Agent
|
||||
- `config.py` 集中管理配置，避免硬编码散落
|
||||
|
||||
### D5: SKILL 上下文组装策略
|
||||
|
||||
**决定：** 在 Agent 启动时，将所有已注册 SKILL 的正文按固定格式拼接到 system prompt：
|
||||
|
||||
```
|
||||
{base_system_prompt}
|
||||
|
||||
---
|
||||
|
||||
## Active Skills
|
||||
|
||||
### Skill: {skill.name}
|
||||
{skill.description}
|
||||
|
||||
{skill.body}
|
||||
|
||||
---
|
||||
|
||||
### Skill: {skill2.name}
|
||||
...
|
||||
```
|
||||
|
||||
**理由：**
|
||||
- 结构化的分隔让 LLM 清楚区分不同 SKILL 的指令
|
||||
- 每个 SKILL 带有名称和描述作为标题，便于 LLM 理解上下文切换
|
||||
- 用 `---` 分隔避免 SKILL 间指令混淆
|
||||
|
||||
## Risks / Trade-offs
|
||||
|
||||
- **[System prompt 长度爆炸]** → 当加载多个大型 SKILL 时，system prompt 可能超出 LLM context window。**缓解：** 限制同时加载的 SKILL 数量，后续可引入选择性加载或摘要机制。
|
||||
|
||||
- **[SKILL 间指令冲突]** → 多个 SKILL 可能包含矛盾指令。**缓解：** 第一版不解决，通过文档约定 SKILL 应自包含；后续可增加冲突检测。
|
||||
|
||||
- **[LlamaIndex 版本锁定]** → 依赖 `llama-index-core` 的特定 API（如 `AgentWorkflow`），升级可能 break。**缓解：** 通过 `agent.py` 隔离 LlamaIndex 依赖，仅在该模块中引用 LlamaIndex API。
|
||||
|
||||
- **[无 Shell 限制降低灵活性]** → 部分 SKILL 可能期望执行 CLI 命令（如 `openspec` CLI）。**缓解：** 明确标记为 Non-Goal，后续可通过安全沙箱或 API wrapper 支持。
|
||||
|
||||
- **[SKILL.md 格式无 schema 校验]** → frontmatter 字段错误不会被提前发现。**缓解：** 在 `skill.py` 中做基本校验（必填字段检查），后续可引入 JSON Schema 或 Pydantic 校验。
|
||||
@@ -0,0 +1,31 @@
|
||||
## Why
|
||||
|
||||
本项目需要构建一个基于 LlamaIndex Workflow 的 Agent，使其能够动态加载和执行 SKILL（以 SKILL.md 文件定义的结构化指令集）。SKILL 是一种将领域知识、工作流程和约束规则打包为可复用模块的机制，当前项目仅有空壳入口，需要从零实现 Agent 核心和 SKILL 注入能力。为了方便线上部署，设计上避免引入 Shell/子进程调用，脚本类功能暂不支持。
|
||||
|
||||
## What Changes
|
||||
|
||||
- 引入 LlamaIndex Workflow 作为 Agent 运行时框架（新依赖：`llama-index-core`、`llama-index-llms-openai` 等）
|
||||
- 实现 SKILL 加载器：解析 SKILL.md 文件的 YAML frontmatter（name、description、metadata）和 Markdown 正文（instructions、steps、guardrails）
|
||||
- 实现 SKILL 注入机制：将 SKILL 内容动态注入 Agent 的 system prompt，作为行为指令扩展
|
||||
- 构建核心 Agent Workflow：包含 LLM 对话、工具调用、SKILL 上下文管理等步骤
|
||||
- 提供 SKILL 目录扫描与注册 API，支持运行时动态加载/卸载 SKILL
|
||||
- 暂不支持 Shell/脚本执行类工具，保证纯 Python 运行环境安全
|
||||
|
||||
## Capabilities
|
||||
|
||||
### New Capabilities
|
||||
- `skill-loader`: SKILL.md 文件的解析、验证与加载，支持 YAML frontmatter + Markdown body 的标准格式
|
||||
- `agent-workflow`: 基于 LlamaIndex Workflow 的核心 Agent 实现，包含对话管理、工具调用、SKILL 上下文注入
|
||||
- `skill-registry`: SKILL 的注册、发现与生命周期管理，支持运行时动态增删
|
||||
|
||||
### Modified Capabilities
|
||||
|
||||
_无现有 capability 需要修改。_
|
||||
|
||||
## Impact
|
||||
|
||||
- **代码**: 在 `src/llama_agent_skills/` 下新增多个模块（skill loader、agent workflow、skill registry）
|
||||
- **依赖**: 新增 `llama-index-core`、`llama-index-llms-openai`（或其他 LLM provider）、`pyyaml`（用于解析 frontmatter）
|
||||
- **入口**: 改造 `__init__.py` 的 `main()` 函数，提供 Agent 启动入口
|
||||
- **配置**: 可能新增配置文件或环境变量支持（LLM API key、SKILL 目录路径等）
|
||||
- **限制**: 不引入 `subprocess`、`os.system` 等 Shell 调用，确保线上安全运行
|
||||
@@ -0,0 +1,45 @@
|
||||
## ADDED Requirements
|
||||
|
||||
### Requirement: Agent 构建与 SKILL 注入
|
||||
系统 SHALL 提供一个 Agent 构建函数/类，接受 SKILL 列表和 LLM 配置，创建一个集成了 SKILL 上下文的 LlamaIndex AgentWorkflow。
|
||||
|
||||
#### Scenario: 使用 SKILL 列表创建 Agent
|
||||
- **WHEN** 调用 Agent 构建函数，传入一个包含 2 个 Skill 实例的列表和 LLM 配置
|
||||
- **THEN** 创建的 AgentWorkflow 的 system prompt 中包含这 2 个 Skill 的 `name`、`description` 和 `body` 内容
|
||||
|
||||
#### Scenario: 无 SKILL 创建 Agent
|
||||
- **WHEN** 调用 Agent 构建函数，传入空的 SKILL 列表
|
||||
- **THEN** 创建的 AgentWorkflow 仅包含基础 system prompt，不含任何 SKILL 上下文
|
||||
|
||||
### Requirement: System Prompt 组装
|
||||
系统 SHALL 按照固定格式将多个 SKILL 的内容组装到 system prompt 中，每个 SKILL 之间用分隔符隔开。
|
||||
|
||||
#### Scenario: 多 SKILL 的 prompt 格式
|
||||
- **WHEN** 注入 2 个名为 "skill-a" 和 "skill-b" 的 SKILL
|
||||
- **THEN** 生成的 system prompt 依次包含基础 prompt、"## Active Skills" 标题、每个 SKILL 的 "### Skill: {name}" 标题及其 body 内容，SKILL 之间用 `---` 分隔
|
||||
|
||||
#### Scenario: SKILL 顺序保持一致
|
||||
- **WHEN** 按 ["skill-b", "skill-a"] 顺序注入 SKILL
|
||||
- **THEN** system prompt 中 skill-b 的内容出现在 skill-a 之前
|
||||
|
||||
### Requirement: Agent 对话执行
|
||||
系统 SHALL 提供运行 Agent 的能力，接受用户输入并返回 LLM 响应。
|
||||
|
||||
#### Scenario: 单轮对话
|
||||
- **WHEN** 向 Agent 发送一条用户消息
|
||||
- **THEN** Agent 调用 LLM 并返回文本响应
|
||||
|
||||
#### Scenario: 带工具的对话
|
||||
- **WHEN** Agent 配置了工具函数，且用户消息触发了工具调用
|
||||
- **THEN** Agent 执行工具调用并将结果整合到最终响应中
|
||||
|
||||
### Requirement: 工具注册
|
||||
系统 SHALL 支持在创建 Agent 时注册 Python 可调用函数作为工具。
|
||||
|
||||
#### Scenario: 注册 Python 函数为工具
|
||||
- **WHEN** 传入一个带 docstring 的 Python 函数到 Agent 构建函数的 `tools` 参数
|
||||
- **THEN** 该函数被注册为 LlamaIndex 工具，Agent 可在对话中调用它
|
||||
|
||||
#### Scenario: 无工具的 Agent
|
||||
- **WHEN** 创建 Agent 时不传入任何工具
|
||||
- **THEN** Agent 正常运行，仅进行对话，不进行工具调用
|
||||
@@ -0,0 +1,38 @@
|
||||
## ADDED Requirements
|
||||
|
||||
### Requirement: SKILL.md 文件解析
|
||||
系统 SHALL 能够解析符合标准格式的 SKILL.md 文件，提取 YAML frontmatter 中的元数据和 Markdown 正文中的指令内容。
|
||||
|
||||
#### Scenario: 解析标准 SKILL.md 文件
|
||||
- **WHEN** 提供一个包含 YAML frontmatter（`---` 分隔）和 Markdown 正文的 SKILL.md 文件路径
|
||||
- **THEN** 系统返回一个 Skill 对象，包含 `name`（str）、`description`（str）、`metadata`（dict）和 `body`（str）字段
|
||||
|
||||
#### Scenario: 解析缺少必填字段的 SKILL.md
|
||||
- **WHEN** 提供的 SKILL.md 文件的 frontmatter 中缺少 `name` 字段
|
||||
- **THEN** 系统抛出 `SkillLoadError` 异常，包含明确的错误描述
|
||||
|
||||
#### Scenario: 解析无 frontmatter 的文件
|
||||
- **WHEN** 提供的文件不包含 YAML frontmatter（无 `---` 分隔符）
|
||||
- **THEN** 系统抛出 `SkillLoadError` 异常，提示文件格式不合法
|
||||
|
||||
### Requirement: Skill 数据模型
|
||||
系统 SHALL 提供一个 `Skill` 数据类（dataclass 或 Pydantic model），用于表示解析后的 SKILL 实例。
|
||||
|
||||
#### Scenario: Skill 数据模型包含所有必要字段
|
||||
- **WHEN** 创建一个 Skill 实例
|
||||
- **THEN** 该实例 MUST 包含以下字段：`name`（str，必填）、`description`（str，必填）、`body`（str，必填）、`metadata`（dict，可选，默认空 dict）、`source_path`（Path | None，可选）
|
||||
|
||||
#### Scenario: Skill 实例不可变
|
||||
- **WHEN** 尝试修改已创建的 Skill 实例的 `name` 字段
|
||||
- **THEN** 系统抛出异常（frozen dataclass / immutable model）
|
||||
|
||||
### Requirement: Frontmatter 元数据提取
|
||||
系统 SHALL 从 YAML frontmatter 中提取以下标准字段：`name`、`description`、`license`、`compatibility`、`metadata`（包含 `author`、`version`、`generatedBy`）。
|
||||
|
||||
#### Scenario: 提取完整的 metadata
|
||||
- **WHEN** SKILL.md 的 frontmatter 包含 `metadata: { author: "test", version: "1.0" }`
|
||||
- **THEN** 解析结果的 `metadata` 字段为 `{"author": "test", "version": "1.0"}`
|
||||
|
||||
#### Scenario: metadata 缺失时使用默认值
|
||||
- **WHEN** SKILL.md 的 frontmatter 不包含 `metadata` 字段
|
||||
- **THEN** 解析结果的 `metadata` 字段为空 dict `{}`
|
||||
@@ -0,0 +1,57 @@
|
||||
## ADDED Requirements
|
||||
|
||||
### Requirement: SKILL 目录扫描
|
||||
系统 SHALL 能够扫描指定目录，自动发现并加载所有 SKILL.md 文件。
|
||||
|
||||
#### Scenario: 扫描包含多个 SKILL 的目录
|
||||
- **WHEN** 指定一个包含 3 个子目录、每个子目录有一个 SKILL.md 文件的目录路径
|
||||
- **THEN** 系统返回 3 个 Skill 实例的列表
|
||||
|
||||
#### Scenario: 扫描空目录
|
||||
- **WHEN** 指定一个不包含任何 SKILL.md 文件的目录路径
|
||||
- **THEN** 系统返回空列表，不抛出异常
|
||||
|
||||
#### Scenario: 扫描不存在的目录
|
||||
- **WHEN** 指定一个不存在的目录路径
|
||||
- **THEN** 系统抛出 `FileNotFoundError` 异常
|
||||
|
||||
#### Scenario: 跳过无效的 SKILL 文件
|
||||
- **WHEN** 目录中包含 2 个有效 SKILL.md 和 1 个格式错误的 SKILL.md
|
||||
- **THEN** 系统返回 2 个有效 Skill 实例，并通过日志记录无效文件的错误信息
|
||||
|
||||
### Requirement: SKILL 注册表
|
||||
系统 SHALL 提供一个 SkillRegistry 类，用于管理已注册的 SKILL 实例。
|
||||
|
||||
#### Scenario: 注册 SKILL
|
||||
- **WHEN** 调用 `registry.register(skill)` 注册一个 Skill 实例
|
||||
- **THEN** 该 Skill 被存储在注册表中，可通过 `registry.get(skill.name)` 获取
|
||||
|
||||
#### Scenario: 注册同名 SKILL 覆盖
|
||||
- **WHEN** 先后注册两个 `name` 相同但 `body` 不同的 Skill
|
||||
- **THEN** 注册表中保留后注册的 Skill，前一个被覆盖
|
||||
|
||||
#### Scenario: 注销 SKILL
|
||||
- **WHEN** 调用 `registry.unregister("skill-name")`
|
||||
- **THEN** 该 SKILL 从注册表中移除，`registry.get("skill-name")` 返回 None
|
||||
|
||||
#### Scenario: 注销不存在的 SKILL
|
||||
- **WHEN** 调用 `registry.unregister("nonexistent")`
|
||||
- **THEN** 不抛出异常，静默忽略
|
||||
|
||||
### Requirement: 列出所有已注册 SKILL
|
||||
系统 SHALL 提供查询所有已注册 SKILL 的能力。
|
||||
|
||||
#### Scenario: 列出所有 SKILL
|
||||
- **WHEN** 注册了 3 个 SKILL 后调用 `registry.list_skills()`
|
||||
- **THEN** 返回包含 3 个 Skill 实例的列表
|
||||
|
||||
#### Scenario: 空注册表列出 SKILL
|
||||
- **WHEN** 未注册任何 SKILL 时调用 `registry.list_skills()`
|
||||
- **THEN** 返回空列表
|
||||
|
||||
### Requirement: 从目录批量加载到注册表
|
||||
系统 SHALL 提供一个便捷方法，将目录扫描和注册合并为一步操作。
|
||||
|
||||
#### Scenario: 从目录加载所有 SKILL
|
||||
- **WHEN** 调用 `registry.load_from_directory(path)` 传入包含 3 个有效 SKILL.md 的目录
|
||||
- **THEN** 注册表中包含 3 个 SKILL，可通过 `registry.list_skills()` 获取
|
||||
@@ -0,0 +1,36 @@
|
||||
## 1. 项目基础设施
|
||||
|
||||
- [x] 1.1 在 `pyproject.toml` 中添加依赖：`llama-index-core`、`llama-index-llms-openai`、`python-frontmatter`
|
||||
- [x] 1.2 创建模块文件结构：`src/llama_agent_skills/skill.py`、`registry.py`、`agent.py`、`config.py`
|
||||
- [x] 1.3 在 `config.py` 中实现配置管理：LLM API key（环境变量）、默认 SKILL 目录路径、基础 system prompt
|
||||
|
||||
## 2. Skill 数据模型与解析器（skill.py）
|
||||
|
||||
- [x] 2.1 实现 `Skill` 数据类（frozen dataclass），包含字段：`name`、`description`、`body`、`metadata`、`source_path`
|
||||
- [x] 2.2 实现 `SkillLoadError` 自定义异常类
|
||||
- [x] 2.3 实现 `load_skill(path: Path) -> Skill` 函数：使用 `python-frontmatter` 解析 SKILL.md，校验必填字段（name、description），提取 metadata 并构造 Skill 实例
|
||||
- [x] 2.4 处理解析错误场景：缺少 frontmatter、缺少必填字段、文件不存在，均抛出 `SkillLoadError`
|
||||
|
||||
## 3. SKILL 注册表（registry.py）
|
||||
|
||||
- [x] 3.1 实现 `SkillRegistry` 类，包含 `register(skill)`、`unregister(name)`、`get(name)`、`list_skills()` 方法
|
||||
- [x] 3.2 实现 `scan_directory(path: Path) -> list[Skill]` 函数：遍历目录下所有 `*/SKILL.md` 文件，调用 `load_skill` 解析，跳过无效文件并记录日志
|
||||
- [x] 3.3 实现 `SkillRegistry.load_from_directory(path)` 便捷方法：调用 `scan_directory` 并批量注册
|
||||
|
||||
## 4. Agent 核心（agent.py）
|
||||
|
||||
- [x] 4.1 实现 `build_system_prompt(base_prompt: str, skills: list[Skill]) -> str` 函数：按设计文档中的格式将 SKILL 内容拼接到 system prompt
|
||||
- [x] 4.2 实现 `create_agent(skills, tools, llm_config) -> AgentWorkflow` 函数：使用 `AgentWorkflow.from_tools_or_functions()` 创建 Agent，传入组装后的 system prompt 和工具列表
|
||||
- [x] 4.3 实现 `run_agent(agent, message) -> str` 异步函数：接受用户输入，运行 Agent 并返回响应文本
|
||||
|
||||
## 5. 入口整合（__init__.py）
|
||||
|
||||
- [x] 5.1 改造 `main()` 函数：从配置读取 SKILL 目录，创建 SkillRegistry 并加载 SKILL，构建 Agent，进入交互式对话循环
|
||||
- [x] 5.2 支持命令行参数或环境变量指定 SKILL 目录路径和 LLM 模型名称
|
||||
|
||||
## 6. 验证与测试
|
||||
|
||||
- [x] 6.1 使用项目中现有的 `.opencode/skills/` 目录下的 SKILL.md 文件作为测试数据，验证 skill loader 能正确解析所有 4 个 SKILL
|
||||
- [x] 6.2 验证 SkillRegistry 的注册、注销、列表功能
|
||||
- [x] 6.3 验证 Agent 创建后的 system prompt 包含所有已加载 SKILL 的内容
|
||||
- [x] 6.4 端到端测试：加载 SKILL → 创建 Agent → 发送消息 → 获取响应
|
||||
@@ -0,0 +1,20 @@
|
||||
schema: spec-driven
|
||||
|
||||
# Project context (optional)
|
||||
# This is shown to AI when creating artifacts.
|
||||
# Add your tech stack, conventions, style guides, domain knowledge, etc.
|
||||
# Example:
|
||||
# context: |
|
||||
# Tech stack: TypeScript, React, Node.js
|
||||
# We use conventional commits
|
||||
# Domain: e-commerce platform
|
||||
|
||||
# Per-artifact rules (optional)
|
||||
# Add custom rules for specific artifacts.
|
||||
# Example:
|
||||
# rules:
|
||||
# proposal:
|
||||
# - Keep proposals under 500 words
|
||||
# - Always include a "Non-goals" section
|
||||
# tasks:
|
||||
# - Break tasks into chunks of max 2 hours
|
||||
Reference in New Issue
Block a user