|
|
||
|---|---|---|
| .. | ||
| README.md | ||
README.md
Jetski + Gemini 延迟技能加载器(示例)
此示例展示了一种将 antigravity-awesome-skills 与 Jetski/Cortex 风格代理集成的方法,使用基于 @skill-id 提及的延迟加载,而不是将每个 SKILL.md 连接到提示词中。
这不是生产就绪的库 - 它是一个最小参考,您可以适应自己的主机/代理实现。
此示例演示的内容
- 如何:
- 在启动时加载全局清单
data/skills_index.json; - 扫描对话消息中的
@skill-id模式; - 将这些 id 解析为清单中的条目;
- 仅从磁盘读取相应的
SKILL.md文件(延迟加载); - 构建提示词数组,包含:
- 您的基本系统消息;
- 每个选定技能一个系统消息;
- 其余的轨迹。
- 在启动时加载全局清单
- 如何通过
maxSkillsPerTurn强制执行每轮最大技能数。 - 如何通过
overflowBehavior选择在请求太多技能时是截断还是报错。
此模式避免了在安装 1,494+ 技能时的上下文溢出。
文件
loader.mjs- 实现:
loadSkillIndex(indexPath);resolveSkillsFromMessages(messages, index, maxSkills);loadSkillBodies(skillsRoot, metas);buildModelMessages({...})。
- 实现:
- 另请参阅集成指南:
基本用法(伪代码)
import path from "path";
import {
loadSkillIndex,
buildModelMessages,
Message,
} from "./loader.mjs";
const REPO_ROOT = "/path/to/antigravity-awesome-skills";
const SKILLS_ROOT = REPO_ROOT;
const INDEX_PATH = path.join(REPO_ROOT, "data", "skills_index.json");
// 1. 在代理启动时引导一次
const skillIndex = loadSkillIndex(INDEX_PATH);
// 2. 在调用模型之前,使用延迟加载的技能构建消息
async function runTurn(trajectory: Message[]) {
const baseSystemMessages: Message[] = [
{
role: "system",
content: "You are a helpful coding agent.",
},
];
const modelMessages = await buildModelMessages({
baseSystemMessages,
trajectory,
skillIndex,
skillsRoot: SKILLS_ROOT,
maxSkillsPerTurn: 8,
overflowBehavior: "error",
});
// 3. 将 `modelMessages` 传递给您的 Jetski/Cortex + Gemini 客户端
// 例如 trajectoryChatConverter.convert(modelMessages)
}
使路径和模型调用适应您的环境。
重要说明
- 不要遍历
skills/*/SKILL.md并一次性加载所有内容。 - 此示例:
- 假设技能与
data/skills_index.json位于同一仓库根目录下; - 使用纯 Node.js ESM 模块,因此可以在没有 TypeScript 运行时的情况下直接导入。
- 假设技能与
- 在真实主机中:
- 将
buildModelMessages连接到您当前在TrajectoryChatConverter之前组装提示词的位置; - 如果您希望明确的用户可见失败而不是静默删除额外技能,请考虑
overflowBehavior: "error"; - 保持路径验证,以便清单条目无法逃脱您配置的技能根目录;
- 如果您想要更严格的安全预算,请添加 token 计数/截断逻辑。
- 将