自进化技能库 SkillNerds/xskill

English · 简体中文

动态

- 2026-08-27 — v0.7.0：Generate 读轨迹改为 traj_search、traj_cards、atom_search、read_traj，wiki 可增量记进度；xskill init 可跳过连接，已连接用户再跑不会断连。详见 Release notes。
- 2026-08-17 — v0.6.32a1：流水线按新轨迹先拆先归；看板可热改席位和配额比；generate 等大模型时硬优先；已达触发条件的 import 技能优先占编辑座。详见 Release notes。
- 2026-08-14 — v0.6.31：xskill rebuild --force 不再因 .git/objects 非空中断；全量 rebuild 会留下 xskill import 纳入的技能。详见 Release notes。
- 2026-08-14 — v0.6.30：team xskill import 后钉到发起人推荐列表；技能库登录后可点空心星 pin 进自己的推荐流，并标出推给我、已钉状态。详见 Release notes。
- 2026-08-03 — v0.6.29a6：pymilvus 改为可选（xskill[milvus]），修复 client 自动更新；「我的」页支持推给我 N 个 SKILL / 上传使用去向 / skill commit 状态。详见 Release notes。
- 2026-07-07 — v0.6.2a2：修复 Windows Group Policy 环境下 schtasks 拒绝访问的问题，自动降级到开机启动文件夹，connect 无需管理员权限即可后台常驻。
- 2026-07-07 — v0.6.2：用户画像 + skill 推荐引擎（--name 稳定身份、多兴趣聚类、80/20 质量+相关性混合推荐、staging 优先达量灰度）；三方 skillhub 纳入检索池；ux 得分 RESTful 查询；Windows 计划任务后台常驻。详见 Release notes。
- 2026-05-29 — Trae IDE / Trae Agent 适配：读取 workspaceStorage 会话、Skill 安装至 ~/.trae-cn/skills / ~/.trae/skills。
- 2026-05-23 — 正式开源，发布 v0.5.0：团队模式（client-server）、隐私脱敏、Python 3.9 支持、无需 git依赖。详见 Release notes。
- 2026-05-20 — MIT 开源，PyPI 上架：pip install xskill。
- 2026-05-12 — Claude Code、Codex、OpenCode 支持；OpenClaw、Cursor对接。

解决什么问题

agent 每次撞上同一个问题，都会把同一套解法重推一遍。你要么再讲一遍，要么自己维护一份 prompt 库——而这份库没人看的时候就慢慢腐烂。

xskill 跑起来之后，这件事不用你管了：

- 跑通过的解题套路自动沉淀成 Skill 文件，agent 自己加载。
- 你照常用 agent 干活，Skill 库自己长出来——没有审核队列，没人需要去"挑选最佳实践"。
- 你手改某个 Skill，xskill 会立即借鉴重点学习。
- 新版本只有真的把用户服务得更好，才会顶掉老版本（用户体验驱动进行进化，而非简单 LLM 开环评价）。

上手

pip install xskill # 需要 Python 3.9+
xskill serve # 生成 ~/.xskill/config.yaml 模板后退出

打开 ~/.xskill/config.yaml，填好两个模型 endpoint：

skill_dir: ~/.xskill/skill

llm:
base_url: https://api.deepseek.com
model: deepseek-v4-flash
api_key: YOUR_KEY

embedding:
base_url: https://api.deepseek.com
model: deepseek-embedding
api_key: YOUR_KEY
dim: 0

上面这一段 llm 就是大家共用的默认模型。已经在用的配置不用改，继续这样写完全没问题。

如果你想给流水线里的拆分、聚类、编辑各自换一个模型或地址，可以再加一段可选的 llm_agents。不写也没关系。某个阶段或某个字段没写的话，会先看看有没有 llm_skill，再回到 llm。xskill generate 还是用 llm 和 llm_skill，不会去读 llm_agents。改完这几段之后重启一下 xskill serve 就好。

可选。不写这段的话，三个阶段都继续用上面的 llm llm_agents: split: model: qwen-plus cluster: model: deepseek-v4-flash edit: base_url: http://localhost:8000/v1 model: local-skill-editor api_key: local

再跑一次 xskill serve，它会自动扫机器上装好的所有 agent（Claude Code、Codex、OpenCode、OpenClaw、Cursor、Trae）开始监听。如果还有一份历史轨迹归档想一起吃进来：

xskill registry add /path/to/trajectories

团队模式：真正的杀手场景

xskill 真正想在组织里铺开的形态是团队模式：一台机器当 server，其他人作为瘦客户端接入，共用 server 上长出来的同一份 Skill 库。

xskill serve --server # 启动后打印 join token xskill connect <host:port> --token <token> --name <user-id>

connect 成功后，在 Claude Code、Codex、Cursor 等已探测到的 agent 里输入 /xskill-helper，即可查 generate、search 等用法。没有地址和 token 时，把上面的 connect 当示例，向自己的 server 管理员要参数，不要连外网公开实例。

- 无感蒸馏大佬员工 一个人在自己工作里跑通的解法，自动可以让全团队复用，不需要任何人做任何事。（能力民主化）
- 兼容各种 coding 方式 用 codex、clade 还是 cursor IDE？ 都能加入，多端同步。
- 轨迹隐私 轨迹上传前先脱敏，agent 隐私功能。
- 灰度测试驱动的进化 一个 Skill 的改动会先在每个人身上分别衡量，赢了再扩散，人越多进化越准越快。
- 专家指导的手动进化 专家本地直接修改 skill，会被学习进服务器远程 user-staging/<client_id> 分支，作为下一步进化参考。

常驻运行

xskill connect 默认直连 server、绕开公司代理（华为 SWG 之类），内网同事无需手动设 NO_PROXY；只有当本机唯一出网路径就是代理时才加 --use-proxy。

Windows 下 connect 会自动把自己装成「计划任务」后台常驻（登录自启、崩溃自愈、不限时长），并提供生命周期命令：

xskill connect <host:port> --token <token> # 首次:握手 + 自动拉起后台常驻 xskill status # 查看常驻状态 xskill stop / xskill start # 停止 / 重新拉起(需先 connect 过) xskill privacy status # 每个项目的上传判定；mode allowlist 后只传 allow 过的项目

macOS / Linux 的原生常驻（launchd / systemd --user）仍在路上，当前用自己的 init 系统托管 xskill connect --foreground 即可。

技能检索与共享（SkillHub）

除了由服务端按画像自动推荐，也可以主动检索、下载或发布技能：

xskill search <关键词> # 检索技能库，返回匹配技能与 ID xskill download <skill-id> # 交互式多选目标 agent 进行安装 xskill download <skill-id> --agent claude-code --agent codex -y # 非交互安装至指定 agent xskill upload ./my-skill # 打包上传技能目录，团队立即可见 xskill search <关键词> --download # 临时试用：下载至本地轮转槽位并自动安装

search 默认采用关键词与语义向量混合检索；download 会将指定技能持久化安装并跟随更新；upload 支持将本地编写的 SKILL.md 目录一键分享给团队。

历史会话与轨迹检索

遇到复杂问题时，可直接检索团队或本机的历史 coding 会话（轨迹）与原子任务（Atom），快速找到相关解决过程与排查命令：

xskill traj search "内存泄漏" # 检索相关历史会话轨迹 xskill traj search --name alice,bob "内存泄漏" # 限定检索特定成员的轨迹 xskill traj read <traj_id> --offset-start 1 --offset-end 100 # 按行号分段阅读会话原文

xskill atom search "OAuth token 刷新" # 检索提炼出的原子任务片段 xskill atom read <atom_id> # 按行号阅读指定 Atom 的会话片段

单机开箱即用：pip install xskill 之后无需连接 server 即可通过 xskill traj search 检索本机各 agent 会话，首次使用会自动扫描已支持的 agent 并建立本地索引，也可以执行 xskill init 进行交互式环境扫描与引导。已连接团队服务时，默认检索团队库，添加 --local 可强制检索本机。

可选：切换算法内核

默认使用内置 native 内核驱动技能进化。管理员可在设置页把 kernel_id 切换为第三方内核（如 OpenEarth），让外部算法接管 Skill 生成环节，其余流程不变。不写 kernel 段时一切照旧。操作步骤见 算法内核使用指南。

架构图

工作原理

几个职责单一的 LLM agent 各管一摊：一个把轨迹切成单一意图的 Atom；一个把每个 Atom 路由到对应 Skill；一个等某个 Skill 攒够素材了就重写它的 SKILL.md；一个在真实流量上 A/B 测试新版本，留下赢家。每个 Skill 本身就是一个独立 git 仓库，改了什么、谁改的、能不能回退都有据可查。细节见 docs/agent.md。

支持哪些 agent

| Agent | 状态 | 轨迹采集 | Skill 安装 |
| Claude Code | ✅ 已验证 | 扫 ~/.claude/projects/ | symlink → ~/.claude/skills/<name>/ |
| Codex CLI | ✅ 已验证 | 扫 ~/.codex/sessions/ | symlink → ~/.agents/skills/<name>/ |
| OpenCode | ✅ 已验证 | 读 SQLite ~/.local/share/opencode/opencode.db | symlink → ~/.agents/skills/<name>/ |
| OpenClaw | 🟡 已对接，not well tested | 扫 ~/.openclaw/agents/ | 拷贝 → ~/.agents/skills/<name>/ |
| Cursor | 🟡 已对接，not well tested | 扫 ~/.cursor/projects//agent-transcripts/ | symlink → ~/.cursor/skills/<name>/ |
| Trae | 🟡 已对接，not well tested | IDE：读 %APPDATA%/Trae/User/workspaceStorage//state.vscdb；CLI：扫 ~/trajectories/trajectory_.json | symlink → ~/.trae-cn/skills/ 与/或 ~/.trae/skills/ |
| DeepSeek Harness (dsh) | 🟡 已对接，not well tested | 扫 ~/.dsh/sessions///session.jsonl[.zstd]（明文与默认 zstd 会话均可） | symlink → ~/.dsh/skills/<name>/ |
| 其他 agent | 手动 | SDK：xskill.adapters.submit_trajectory | 自己拷贝 / symlink SKILL.md 目录 |

几个名词

| 术语 | 含义 |
| Trajectory（轨迹） | 一次 agent 执行——一段 session 的完整记录，存成 traj_*.md。 |
| Atom | 轨迹里单一意图的最小片段。路由判断发生在这一级。 |
| Skill | 一个 SKILL.md 加可选脚本，住在自己的 git 仓库里，带版本。 |
| Canary（灰度） | 现有 Skill 与候选版本在真实流量上做 A/B。 |
| UX score | 某个 Skill 在某个 Atom 上服务用户的好坏，从交互本身打 1–10 分。灰度按这个分数选赢家。 |

Roadmap

- 更多 agent adapter：Goose、OpenHands、Aider
- 原生 MCP server 接口（把 Skill 暴露成 tool）
- Web UI：浏览 Skill 库、看灰度数据
- Skill marketplace：导入 / 导出可移植 bundle
- 多租户 Skill 库（每个团队独立 skill_dir）

License

MIT © 370025263，详见 LICENSE。