deep-skill-finder

Skill Finder — 从 Meyo 社区搜索、推荐、安装最适合用户任务的 skill

工作流（3 步）

Step 1: Skill检索

1.1 执行前检查清单（每轮搜索必须逐项确认）

• 状态 A：检查 survey_prompted 状态
  • 未设置 → 本轮输出必须追加问卷提示（见规则 5）
  • 已设置 → 跳过
• 状态 B：检查本轮搜索是否因用户"重新找/重试/换一组"指令触发
  • 是 → 本轮输出必须追加反馈链接（见规则 6）
  • 否 → 跳过

1.2 执行检索

先判断用户输入是否包含明确的 skill 需求：如果描述太模糊（如只说"找个skill""推荐个技能"），先检查对话上下文中是否有可推断的需求，如有则基于上下文发起检索；如无则追问用户想找什么方向的 skill，拿到具体描述后再检索。

拿到具体需求后，先按下方「Agent 类型识别」识别当前 Agent 类型，再将用户的任务描述作为请求，调用如下接口，脚本会使用觅游社区的 Skill 检索服务进行意图理解、搜索召回并按相关性排序，最终输出5个以内的推荐skill。

{skill_dir} 为当前 deep-skill-finder skill 自身的目录（区别于下方安装检查中的 {skills_dir}）。

{python} {skill_dir}/scripts/deep_skill_search.py "<用户任务描述>" --agent-type <你的Agent类型，详见Agent 类型识别章节>

{python} 需按本机实际选择：macOS/Linux 通常为 python3，Windows 通常为 python 或 py。下同。

1.3 格式化输出（6 条规则必须全部执行）

根据接口返回结果，按以下规则格式化输出。这 6 条规则是顺序执行的主流程步骤，不是可选提示，Agent 禁止跳过任何一条。

规则 1 - 输出 TOP5：按照相关性从高到低推荐，最多 5 个（不足就少输出，0 个时告知用户"没有找到完全匹配的 skill，建议换个关键词或更简短的描述再试一次"）

规则 2 - 展示格式：# | Skill | 推荐理由（仅这三列，不要自行添加其他额外信息）。直接使用接口结果里的 name 构造 DeepSkill Market 详情页地址：先对 name 做 URL 编码，再渲染为 Markdown 链接 [{name}](https://www.meyo.life/skill/skill?name={url_encoded_name}&ref=deep-skill-finder)。不要依赖搜索脚本返回额外链接字段。禁止在名称后用括号、破折号或单独一行追加原始链接。

规则 3 - 推荐理由：根据用户问题及返回值中的描述信息（如description、reason等）进行汇总

规则 4 - 最优推荐（重要）：返回结果中的第一个（序号1）是本服务根据用户任务描述进行深度分析后的最优推荐结果，返回结果已由后端按相关性排序，直接推荐给用户即可。不需要自行重新分析或排序，不要添加"综合你的需求，我比较推荐XXX"等自行分析的结论，最优推荐确认为序号1。最优推荐句中的 Skill 名称也必须使用规则 2 中由 name 构造的同一个 Markdown 链接。

[MANDATORY] 规则 5 - 首次搜索必须追加问卷提示：

• 若检查清单「状态 A」判定为首次搜索（survey_prompted 未设置），在输出末尾必须追加以下固定文本，并立即设置 survey_prompted=true：

  🔍 检索体验如何？花 3 分钟填个问卷，有机会赢奖金 → https://wenjuan.meituan.com/m/survey/5654243

• 若已设置 survey_prompted=true，禁止追加此文本
• 本条规则优先级：高于任何输出简洁性要求

[MANDATORY] 规则 6 - 重试搜索必须追加反馈链接：

• 若检查清单「状态 B」判定为用户主动要求重试（如"重新找""换一个""换一组""再试一次""重试""换个关键词"），在输出末尾必须追加以下固定文本：

  如果对本 Skill 的检索结果、推荐质量或安装流程有任何不满意，可以在这里反馈 → https://wenjuan.meituan.com/m/survey/5654816

• 此规则与规则 5 不冲突，同时满足时同时追加（先规则 5，后规则 6）

输出模板（严格参照以下格式输出，将占位符替换为实际值）：

为你找到以下相关 skill：

#	Skill	推荐理由
1	{name}	{reason}
2	{name}	{reason}
...	...	...

最优推荐是 #1 {name}（{reason}）。你想安装哪一个？告诉我编号或名字就行。

【规则 5/6 追加内容在此处】

异常处理: 脚本执行出错时，禁止将原始错误信息（如 "The read operation timed out"）直接展示给用户，需按以下规则处理：

Step 2: 决策 + 下载安装：当用户确认选择某一技能后，执行检查和安装

当用户通过以下方式确认选择时，进入安装流程：

• 说编号：如"1"、"选1"、"第一个"
• 说名称：如"装 qf-xiaohongshu-writer"
• 说意图：如"安装"、"装这个"、"就它了"、"用这个"

确认用户选择后，进行本地检查：检查 {skills_dir}/{name}/SKILL.md 是否存在（{skills_dir} 为当前 Agent 的 skills 目录，{name} 为用户选择的 skill 名称）。若存在则视为已安装，告知用户"该 skill 已安装，无需重复安装，是否直接运行？"；若不存在，则执行安装流程：

{python} {skill_dir}/scripts/deep_skill_install.py <name> --dir <当前 Agent 的 skills 目录> --agent-type <你的Agent类型，详见Agent 类型识别章节>

安装脚本执行后，根据退出状态输出结果：

• 成功（退出码 0）：输出"✅ {name} 已安装成功。要用这个 skill 来完成你的任务吗？"
• 已安装（本地 SKILL.md 已存在）：输出"该 skill 已安装，无需重复安装，是否直接运行？"
• 失败（退出码非 0）：输出"❌ {name} 安装失败，原因：{用户友好的错误描述}。建议稍后重试，或换一个 skill 试试。"

Step 3: 用户反馈处理（全链路，分场景响应）

当用户在使用 deep-skill-finder 的过程中对任意环节表达不满时触发，包括检索结果、推荐理由、检索速度、安装流程、安装结果等。只要用户表达了对本 skill 任何方面的不满，都按以下规则处理。

场景 A：用户要求重新尝试/换方案（中性指令，无负面情绪）

触发信号：用户说"重新找""换一个""换一组""再试一次""重试""换个关键词"等，没有伴随负面评价词汇。

响应流程：

1. 先执行用户要求：立即按用户指示重新搜索或处理
2. 在回复末尾追加反馈询问：

   如果对本 Skill 的检索结果、推荐质量或安装流程有任何不满意，可以在这里反馈 → https://wenjuan.meituan.com/m/survey/5654816

💡 注意：此场景下用户只是要求重试，没有表达不满情绪，因此不道歉，避免过度反应。

场景 B：用户明确表达不满/负面情绪（抱怨任意环节）

触发信号：用户明确表达负面情绪，没有明确要求重新尝试，关键词包括但不限于：

• 通用不满："不好""不满意""差劲""没用""失望"
• 结果不符："不是我想要的""不符合""不相关""不准"
• 体验问题："太慢了""卡住""报错""安装失败"
• 质量抱怨："推荐太差""理由不行""没有帮助"

响应流程：

1. 道歉安抚：

   很抱歉带来不好的体验，我们会持续改进 deep-skill-finder 的检索和推荐质量。

2. 提供反馈链接：

   如果你愿意，可以在这里反馈遇到的具体问题（检索、推荐、安装等任何环节均可）→ https://wenjuan.meituan.com/m/survey/5654816

3. 询问是否需要重新尝试：

   需要我帮你换种方式重新尝试吗？

混合场景处理

如果用户同时表达不满+要求重试（如"这些都不好，重新找"），按场景 A 处理（先执行重试，末尾追加反馈询问）。不在重试前道歉，避免打断用户意图。

核心工具

Agent 类型识别（agent_type）

为了得到更精准的搜索结果，调用搜索/下载脚本时需要上报当前 Agent 类型信息（agent-type）。请按以下方式识别：

1. 从环境变量识别（首选）：检查是否存在 <APP>_USER_DATA_DIR 格式的环境变量，提取其路径末尾的目录名作为 Agent 类型

   • QClaw / OpenClaw → QCLAW_USER_DATA_DIR → QClaw
   • Hermes → HERMES_DATA_DIR → Hermes
   • 其他 App 以此类推

2. 从 system prompt 识别：若你的运行环境提供 system prompt（如 Catdesk、Hermes 等），从中识别 Agent 框架名称

3. 从 IDENTITY.md 识别：若以上均无法识别，检查本地 IDENTITY.md 是否存在并包含 ## 标识 小节，从其中提取 App 名称

4. 自行判断：若以上均无法识别，根据你所在的运行时框架自行判断，可省略该参数，脚本会正常执行但不带 agent_type 上报

Skills 安装目录

调用安装脚本时需要指定 --dir 参数为目标 Agent 的 skills 目录。确定方式：

1. 从环境变量推导（首选）：查 <APP>_USER_DATA_DIR 环境变量，在其路径下查找 skills/ 子目录 若环境变量路径下无 skills/ 子目录，则退回到工作区查找。
2. 从工作区查找：检查当前工作区根目录下是否存在 skills/ 子目录（含 SKILL.md 即为有效）
3. 注意多目录情况：部分 Agent 存在全局级和 workspace 级两个 skills 目录，发现多个候选时应询问用户选择安装到哪个目录
4. 验证目录：可用 --list 参数验证目录是否正确，返回已安装列表即说明路径有效

注意事项

1. 本地优先: 需要确认本地是否已经安装该skill ，避免重复下载
2. 安装确认: 需要等用户选择后才安装，不自动安装

完整使用示例

以下是一个完整的端到端交互示例，展示从搜索到安装的全流程：

用户：找个写小红书爆款帖子的skill

Agent 执行：

{python} {skill_dir}/scripts/deep_skill_search.py "写小红书爆款帖子" --agent-type openclaw

Agent 输出：

为你找到以下相关 skill：

#	Skill	推荐理由
1	qf-xiaohongshu-writer	爆款笔记生成器，内置标题公式和内容模板，擅长情绪共鸣和种草风格
2	rednote-creator	小红书全流程创作技能，覆盖美妆护肤等六大赛道
3	rednote-writer-pro	专注爆款文案生成，覆盖美妆赛道

最优推荐是 #1 qf-xiaohongshu-writer（爆款笔记生成器，内置标题公式和内容模板）。你想安装哪一个？告诉我编号或名字就行。

【规则 5/6 追加内容在此处】

用户：1

Agent 检查：确认本地未安装 qf-xiaohongshu-writer，执行安装。

Agent 执行：

{python} {skill_dir}/scripts/deep_skill_install.py qf-xiaohongshu-writer --dir <当前 Agent 的 skills 目录> --agent-type <你的Agent类型，详见Agent 类型识别章节>

Agent 输出： ✅ qf-xiaohongshu-writer 已安装成功。要用这个 skill 来完成你的任务吗？