SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场autoskill

autoskill

智能体与模型

查看项目

更新于 10-21 16:20

技能介绍

用途

autoskill 用于把用户自身的工作流历史转化为新的技能。它读取本地 screenpipe 守护进程被动采集的屏幕活动，识别重复出现的研究工作流，与仓库中已有的技能进行比对，并生成可供用户审阅、编辑和提升的技能提案。该技能为按需触发：用户需显式调用并指定时间窗口，它才会查询 screenpipe 的本地 HTTP API、聚类重复模式、与现有技能比对，并输出分阶段的提案文件夹。

主要能力

  • 从 screenpipe 本地 HTTP API（默认 http://localhost:3030）拉取时间线事件，规范化为 {ts, app, window_title, text, content_type}。
  • 对 OCR 文本和窗口标题进行脱敏，去除邮箱、API 密钥、Bearer 令牌和电话号码，作为纵深防御。
  • 按空闲间隔（默认 10 分钟）切分会话，丢弃过短会话，并按应用签名聚类，保留达到最小规模（默认 2）的簇。
  • 读取 skills/ 下每个 SKILL.md 的 frontmatter，使用本地 sentence-transformers 嵌入（余弦相似度）对每个簇与全部技能进行 top-k 匹配。
  • 调用配置的 LLM 后端，将每个簇分类为 reuse（复用）、compose（组合）或 novel（全新），并生成相应的 SKILL.md 正文。
  • 输出报告 report.md，以及 new-skills/<name>/SKILL.md 或 composition-recipes/<name>/SKILL.md。
  • 提供 promote 子命令，将用户批准的提案移入 skills/<name>/，拒绝覆盖已有技能。

使用方式

前置条件：

  1. 运行 screenpipe 守护进程（默认绑定 localhost:3030）。可从源码构建：

git clone --depth 1 https://github.com/mediar-ai/screenpipe.git cd screenpipe cargo build -p screenpipe-engine --release ./target/release/screenpipe doctor ./target/release/screenpipe record --disable-audio --use-pii-removal

  1. 获取并导出 screenpipe API 令牌：

export SCREENPIPE_TOKEN=$(screenpipe auth token)

  1. Python 环境（仓库根目录）：

pipenv install httpx pyyaml sentence-transformers

嵌入模型 sentence-transformers/all-MiniLM-L6-v2（约 80 MB）首次运行时下载。

  1. 本地 LLM（默认路径）——LM Studio：

lms load gemma-4-31b-it --context-length 131072 --gpu max -y lms status

  1. 云端 LLM 后端（可选，需显式选择）：claude 需设置 ANTHROPIC_API_KEY 并在 config.yaml 中切换 backend: claude；foundry 需设置 FOUNDRY_API_KEY、切换 backend: foundry 并设置 foundry.endpoint。

统一 CLI 位于 scripts/autoskill.py，含三个子命令：

python scripts/autoskill.py doctor --config config.yaml --skills-dir ../ python scripts/autoskill.py run --start ... --end ... --config config.yaml python scripts/autoskill.py promote --proposed ~/.autoskill/proposed/<ts> --skills-dir ../ --name <skill>

运行示例：

export SCREENPIPE_TOKEN=$(screenpipe auth token) python scripts/autoskill.py run
--start "2026-04-17T00:00:00Z"
--end "2026-04-17T23:59:59Z"
--config skills/autoskill/config.yaml
--skills-dir skills

提案默认落在 ~/.autoskill/proposed/<timestamp>/，可用 --out PATH 覆盖。加 --dry-run 可在聚类后停止，跳过 LLM 与嵌入模型加载，仅写 plan.md。

审阅与提升：

python scripts/autoskill.py promote
--proposed ~/.autoskill/proposed/2026-04-17T14-30-00
--skills-dir skills
--name zotero-pubmed-helper

适用场景

当用户提出以下请求时调用：

  • “分析我过去 4 小时 / 一天 / 一周的活动，提出新技能。”
  • “看看我一直在做什么，告诉我哪些还没被覆盖。”
  • “根据我最近的工作流起草一个技能。”
  • “为我重复的工作流找组合配方。”

不要用于关于 screenpipe 本身的一次性问题、实时屏幕查询，或在没有用户明确请求时调用——该技能分析敏感的本地内容，必须保持显式用户触发。

限制

  • 需要运行中的 screenpipe 守护进程，无替代数据源；若守护进程未运行，run() 会抛出 ScreenpipeUnreachable 并附安装说明。
  • 该技能对本地 screenpipe 守护进程（回环地址）和用户配置的 LLM 后端发起认证 HTTP 请求；读取 SCREENPIPE_TOKEN、ANTHROPIC_API_KEY、FOUNDRY_API_KEY 三个环境变量，各自仅用于对应端点的认证。无其他网络目标、无遥测、无数据外泄给第三方。
  • 原始 OCR 不离开本机；检测与嵌入始终在本地运行，与后端选择无关。
  • 建议将 references/screenpipe-config.yaml 复制到用户 screenpipe 配置以安装初始拒绝列表，敏感应用（密码管理器、消息、银行）在采集阶段即不被 OCR。
  • 本地 LLM 默认推荐 LM Studio 运行 Gemma-4-31B-it；云端后端为可选，需用户显式选择。
  • 本地 localhost 的 TLS 为可选（企业策略），参见 references/https-proxy.md 的 Caddy 模式。
  • 新技能草案在提升前应始终由用户审阅。
  • 测试：仓库根目录 tests/autoskill/ 下有 pytest 套件，可用 python -m pytest tests/autoskill -v 运行。
  • 嵌入索引覆盖全部 135 个同级技能；当某簇对两三个同级技能得分较高时，生成的组合配方会显式命名它们。