用途：将用户本机 screenpipe 守护进程被动采集的工作流历史，转化为新技能提案。仅由用户显式触发，需给定时间窗口。
主要能力：通过本地 HTTP API（默认 http://localhost:3030）抓取窗口数据，按空闲间隔切分会话并聚类重复的应用序列，用本地 sentence-transformers 嵌入与 skills/ 下各 SKILL.md 匹配，再由配置的 LLM 判定为 reuse、compose 或 novel，输出 report.md 及 new-skills/<name>/SKILL.md 或 composition-recipes/<name>/SKILL.md 到 ~/.autoskill/proposed/<时间戳>/。
使用方式：需先运行 screenpipe 守护进程并取得令牌（export SCREENPIPE_TOKEN="$(screenpipe auth token)"），用 uv 建独立环境安装 httpx==0.28.1 pyyaml==6.0.3 sentence-transformers==6.1.0。三个子命令：doctor 预检配置与连通性；run --start <ISO> --end <ISO> --config ... --skills-dir skills 执行流水线，--dry-run 仅聚类写出 plan.md；promote --proposed <目录> --skills-dir skills --name <技能名> 将草稿移入 skills/，不覆盖已有技能。
限制：无替代数据源，守护进程未运行会抛出 ScreenpipeUnreachable。本地回环仅允许 HTTP，远程须 HTTPS。默认后端为本地 LM Studio（http://localhost:1234/v1），云后端 claude、foundry 需显式选择并配置密钥，云后端会收到脱敏后的聚类摘要与匹配技能描述。过滤无法移除已采集的敏感内容，正则脱敏不保证匿名化。嵌入模型 all-MiniLM-L6-v2 首次使用会下载，输入超 256 词元会被截断。LLM 草稿不自动做规范校验，提升前应人工审阅并用 uv run skills-ref validate 验证。其它细节暂未提供。