用途：把用户自身的工作流历史（由本地 screenpipe 守护进程被动采集）转化为新技能。该技能按需触发：用户给出时间窗口，它查询 screenpipe 本地 HTTP API，聚类重复的工作流模式，与仓库中已有技能比对，产出一份分阶段的提案文件夹供用户审阅、编辑并提升（promote）。
主要能力：抓取并归一化时间线事件；在本地对 OCR 文本做正则脱敏（邮箱、API key、bearer token、电话）；按空闲间隔切分会话并聚类；用本地 sentence-transformers 嵌入与全部 135 个同级技能做 top-k 匹配；再由配置的 LLM 后端判定每个聚类为 reuse（复用）、compose（组合）或 novel（全新），并生成相应 SKILL.md。
使用方式：前置条件是运行中的 screenpipe 守护进程（默认绑定 localhost:3030）、屏幕录制权限、API token 与 Python 环境。统一 CLI 有三个子命令：doctor 做依赖预检；run 执行流水线（可选 --dry-run 仅到聚类阶段）；promote 将用户批准的提案移入技能仓库。需先导出 token：export SCREENPIPE_TOKEN=$(screenpipe auth token)。本地 LLM 默认走 LM Studio 的 http://localhost:1234/v1，模型为 Gemma-4-31B-it；云端后端（claude、foundry）为显式选择加入，需设置 ANTHROPIC_API_KEY 或 FOUNDRY_API_KEY。
适用场景：用户希望基于自己近期（数小时/天/周）的重复研究流程，发现尚未被覆盖的技能，或为重复流程生成组合配方。
限制：没有备用数据源，只读本地 screenpipe；守护进程未运行时 run() 抛出 ScreenpipeUnreachable；检测与嵌入始终在本地，原始 OCR 不出机器；不应在实时屏幕查询、关于 screenpipe 本身的一次性问题或未经用户明确请求时调用。其余未提及的收费、平台或效果暂未提供。