Skill 图谱维护

v2.0 | 升级：标准化Mermaid输出+具体推断规则+质量评估

触发词

• "技能图谱" / "Skill 关系" / "依赖关系" / "调用链" / "关系图谱"

关系类型

流程

Step 1：全量扫描 registry

读取 memory/skill-registry.json，获取所有 status=active 的 Skill。

Step 2：推断关系（三类信号）

信号一：声明关系（SKILL.md中明确提到，最高优先级）

• 搜索关键词："与XX的关系"、"协作"、"调用"、"依赖"、"前置"、"后续"、"交给"、"先做"
• 命中 → 标注 source: declared

信号二：结构关系（从目录结构推断）

• A的skills/目录下有B → contains
• 同一Agent下的Skill → 标注 same_agent: true
• A的references/引用了B的名称 → depends_on

信号三：语义关系（从description推断）

• 计算description关键词重叠率
• 重叠>70% → alternative
• 重叠30-70%且同Agent → complementary
• 重叠<30% → 无关系

Step 3：写入 registry

在每个Skill条目中添加 relations 字段：

{
  "relations": [
    {"type": "prerequisite", "target": "skill-id", "source": "declared"},
    {"type": "contains", "target": "sub-skill-id", "source": "structural"}
  ]
}

Step 4：输出标准关系图

Mermaid格式（可直接渲染）：

graph TD
  A[skill-forge] -->|前置| B[skill-audit]
  B -->|后续| C[skill-card-gen]
  D[小能] -->|包含| A
  D -->|包含| B
  D -->|包含| C

JSON关系表：

{
  "nodes": [
    {"id": "skill-forge", "agent": "小能", "type": "meta"},
    {"id": "skill-audit", "agent": "小能", "type": "management"}
  ],
  "edges": [
    {"from": "skill-forge", "to": "skill-audit", "type": "subsequent", "source": "declared"}
  ],
  "stats": {
    "total_skills": 6,
    "with_relations": 6,
    "coverage_rate": 1.0,
    "declared_relations": 4,
    "inferred_relations": 3
  }
}

Step 5：输出关系摘要

📊 Skill 图谱 · {日期}
━━━━━━━━━━━━━━━━━━━━

节点：{N}个 Skill | 边：{N}条关系 | 覆盖率 {X}%

🔗 关键调用链：
  skill-forge → skill-audit → skill-card-gen → agent-capability-map
  skill-registry-scan → (所有其他技能的数据源)

📁 包含关系：
  小能 ⊃ {skill-audit, skill-registry-scan, skill-card-gen, skill-graph, agent-capability-map, skill-forge}

⚠️ 孤立节点：{无任何关系的Skill}
💡 建议：{补建关系或考虑合并}

质量标准

• 关系覆盖率 = 有关系的Skill / 总Skill，目标≥80%
• 声明关系占比 = 声明关系 / 总关系，目标≥50%（推断关系不可靠）
• 孤立节点 = 0为最佳

输出文件

• memory/skill-registry.json — 更新relations字段
• memory/skill-graph-{date}.md — 本次图谱快照

注意事项

• 只记录有明确依据的关系，不臆造
• 推断的关系标注 source: inferred，声明的标注 source: declared
• 每次增量更新，不重写整个图谱
• Mermaid图中的节点ID必须与registry.json的name字段一致