Skills 模块 v1.1 路线图：从文档库到可执行能力引擎

[sunormesky-max]

现状

Epicode 的 skills 模块目前是一个基于 Markdown 的技能文档库——AI 连接到系统后，通过 skill_execute 获取技能文本，然后自己解读执行。搜索使用的是关键词匹配。

经过内部审计，模块存在以下结构性问题：

1. 技能是死文档 — 系统只负责存储和检索 Markdown，不参与执行
2. 关键词搜索 — 但我们已有 768 维 HNSW 向量引擎，没用在技能上
3. 技能之间互相不认识 — 不能组合、不能编排成流水线
4. 无验证机制 — 技能没有测试框架，质量全靠信任
5. 反馈闭环缺失 — usage_count / success_rate 字段存在但无 MCP 工具写入
6. 技能不能调用记忆系统 — 一个"代码审查"技能无法搜索历史 bug 记录

Phase 1 计划（不碰核心引擎）

改动范围：skills.rs + mcp.rs + system_skills.rs

1. 语义搜索替代关键词匹配

复用 VectorLayer + HNSW，给每个技能的 Markdown 生成嵌入向量。skill_execute 不再用 name_lower.contains(term)，直接用语义相似度检索。

2. 技能反馈闭环

新增 MCP 工具 skill_feedback { skill_id, helpful: bool }，让 AI 在执行技能后评价效果，反馈驱动 usage_count 和 success_rate。

3. 导出增强

skills_sync 加结构化 YAML frontmatter，导出格式兼容 Claude Code / Cursor / OpenCode 的 .skills/ 目录。

4. 系统技能热更新

去掉 8 个 include_str!，系统技能从数据库加载，允许 API 更新无需重新编译。

后续方向

• Phase 2: 技能结构化（frontmatter 定义 requires/produces，支持流水线编排）
• Phase 3: 技能获得系统能力访问权限（可在执行中搜索记忆、创建记忆）
• Phase 4: 社区市场（评分、自动测试、依赖解析、版本管理）

---

欢迎讨论：你对技能模块有什么期待？你希望技能能做什么目前做不到的事？