Communitygithub.com

skillberry-ai/cap-evolve

根据你自己的评估,优化任何AI智能体的技能、工具/MCP以及提示词。

cap-evolve 是什么?

这个技能(cap-evolve)旨在帮助开发者或AI智能体用户根据自定义评估标准,系统性地优化智能体的技能、工具/MCP集成以及提示词。它通过一个优化智能体来实现,该智能体首先实现或确认项目适配器中的抽象方法,然后运行检查脚本来确保所有方法都是真实且确定性的。核心流程包括运行检查脚本作为门控条件,然后执行运行脚本以生成JSON输出,该输出作为与其他技能或宿主系统交互的契约接口。该技能支持Claude Code、Cursor、Codex等主流AI代理平台,并提供了详细的参考文档(概念、示例、陷阱)以及一个包含占位符的提示模板,用于驱动模型步骤。它的主要优势在于能够根据用户自己的评估指标进行定制化优化,从而提高智能体在特定场景下的表现和可靠性。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add skillberry-ai/cap-evolve

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

技能标题

执行此技能所完成目标的一句话描述。

何时使用此技能

具体的触发条件。流程中哪种情况需要调用它。

输入

阅读 inputs/INPUTS.md。对于每个标记为 NEEDED 但尚未存在的输入,询问用户 —— 引用预期的路径、获取它的命令/选项以及任何替代方案 —— 并且不要捏造它。RECOMMENDED 输入可以跳过,但需记录一条日志。

你必须实现的内容

优化智能体实现 scripts/abstract.py 中的抽象方法(或确认项目适配器已经覆盖它们)。然后运行 scripts/check.py —— 它会拒绝直到每个方法都是真实且确定性的,并确切告诉你哪些仍然是存根。

如何运行

python scripts/check.py        # 门控:必须首先通过
python scripts/run.py <args>   # 执行步骤;将 JSON 结果打印到 stdout

stdout 上的 JSON 是契约接口 —— 下游技能(以及无法导入 Python 的宿主系统)直接使用它。

参考资料 —— 仅在需要时加载

  • references/concepts.md —— 基础背景以及设计背后的原理。
  • references/examples.md —— 具体的示例。
  • references/pitfalls.md —— 失败模式及需要注意的重要点。

提示词

prompt/PROMPT.md 是当此技能驱动模型步骤时传递给使用智能体的提示模板。根据输入填充其 {{placeholders}}。

相关技能