القائمة
SkillAlchemy — 一念落地，万象成形。输入任意想法或蒸馏目标，输出可安装的 SKILL.md。 内部编排 Lens（看清问题）和 LEAP（执行蒸馏/融合）。用户唯一入口。 Use when 用户说「蒸馏」「生成 skill」「融合」「我想做 X 但不知道从哪下手」。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
LEAP — 落地执行引擎。内含两条管线：A 分支蒸馏（从 raw data 提取 skill）、 B 分支融合（多 skill 编织为一个）。被 SkillAlchemy 编排器调用。 Use when 编排器判断需要蒸馏或融合时。
Screens biomedical / life-science papers for signs of data fabrication, image manipulation, and statistical anomalies, using the detection techniques distilled from the field's canonical exposure platforms (PubPeer, Data Colada, Science Integrity Digest, For Better Science) and tools (ImageTwin/Proofig, statcheck, GRIM/GRIMMER, Problematic Paper Screener, Seek & Blastn). Use when asked to check a paper/figure for image duplication, blot splicing, impossible statistics, paper-mill or tortured-phrase signals, research integrity, or "is this data faked"; or when a user shares a figure, Western blot, supplementary dataset, or DOI and asks whether it looks manipulated. Reports observable anomalies as questions for clarification — it never accuses anyone of fraud.
Lens — 给你的问题加一层认知镜片。输入任意任务描述，输出增强版 description， 发现「你不知道自己不知道」的隐性维度、前置条件和认知路线。 Use when 用户说「帮我想想」「分析一下」「生成 skill」「蒸馏」「融合」 或输入看起来太简单需要展开。
Cross-framework enhancement overlay for choosing a multi-agent topology BEFORE writing any agent. A binary-question rubric — is single-agent + tools enough? do agents need to know about each other? does the output need one voice? — maps the answer to single-agent / supervisor / swarm / sequential / hierarchical. Activates when a coder agent is tempted to "split the work into roles" or reaches for a multi-agent framework. Encodes the *selection rubric* that the per-framework skills assume but never surface. Search keywords: when to use multi-agent, single vs multi agent, do I need multiple agents, supervisor vs swarm, multi-agent vs single agent, agent team design.
SOP for terminal-based, git-native AI pair programming with Aider (git work-tree + tree-sitter repo-map + edit-format + human-in-loop REPL). Use when editing code in an existing git repo via an LLM, when you need to converge a change to 2-5 files, pick an edit format that fits the model, run architect+editor mode, or wire an auto-test loop.
Universal discipline for any LM-driven loop — agent retries, plan-act-observe, multi-agent handoffs, optimiser passes, test-fix cycles. Encodes the one rule every framework documents quietly and every team relearns expensively: the LM in the loop is NEVER a reliable terminator. Termination must be provided by an explicit counter + exit predicate + stagnation signal + escalation path that live OUTSIDE the LM's control. This is a tool- level, framework-agnostic skill. It maps onto LangGraph (recursion_limit + state counter + interrupt), CrewAI (max_iter + max_rpm + human_input), Claude / OpenAI SDKs (max_iterations + tool_use_budget), DSPy (declared evaluation budget), Aider (REPL + explicit retry cap), and AutoGen (max_consecutive_auto_reply). Search keywords: infinite loop, recursion limit, recursion_limit, GraphRecursionError, max iterations, max_iter, agent stuck, agent won't stop, runaway agent, ReAct loop not terminating, agent repeating itself.
| name | SkillAlchemy |
| description | SkillAlchemy — 一念落地，万象成形。输入任意想法或蒸馏目标，输出可安装的 SKILL.md。 内部编排 Lens（看清问题）和 LEAP（执行蒸馏/融合）。用户唯一入口。 Use when 用户说「蒸馏」「生成 skill」「融合」「我想做 X 但不知道从哪下手」。 |
| version | v1.0 |
你是 SkillAlchemy。编排两个子 skill：Lens 看清，LEAP 落地。 你自己不蒸馏、不融合——只做编排。所有用户交互由你负责，LEAP 不跟用户说话。
ls ~/.claude/skills/Lens/SKILL.md
ls ~/.claude/skills/LEAP/SKILL.md
如果缺少任何一个，告诉用户：
SkillAlchemy 需要两个依赖才能运行，请先安装：
npx skills add agentsope/SkillAlchemy/skills/Lens npx skills add agentsope/SkillAlchemy/skills/LEAP或者去 https://skills.sh 搜索 Lens 和 LEAP 安装。
装好之后回来找我继续。
先确认 depth。用户没说就问一句：
quick — 快速原型，3 agent，~5-8 min，跳过验证
standard — 日常使用（默认），4-5 agent，~15-20 min
deep — 发布级，6-8 agent，~25-35 min，强制验证 + 双审核
没说的话默认 standard。
用户给了深度后，展示任务简报：
◆ 任务简报
▸ 需求 蒸馏「张雪峰」→ persona skill
▸ 流程 Lens → A 分支（7 Stage + 2 Gate）
├─ Research Swarm 4-5 agent 并行研究
├─ Exemplar find-skills 在线检索 + 自动评分
└─ Compile 编译 + 自评 + 验证 + 清理
▸ 深度 standard · ~15-20 min
▸ 交互 步步确认（2 次暂停）
> 确认，按 standard 跑
> 换成 deep，研究更深入、验证更严格、双 agent 交叉审核
> 一路默认跑完，中间别问我了，全部默认值到底
> 先只要 Lens 看看维度，不生成 skill
根据实际任务替换内容。确认后进 Phase 1。如果用户一开始就指定了 depth，跳过询问直接出简报。
「一路默认」模式： 用户在任何节点说「一路默认」→ 跳过当前及后续所有交互，全部 standard 默认值跑完。
调 Lens，输入用户原话。Lens 不向用户提问，直接输出增强版 description。
Lens 完成后，展示维度摘要（不放全文，太长）：
◆ Lens 分析完成 · N 个维度
[维度名] [维度名] [维度名]
[维度名] [维度名] [维度名]
...
▸ 意图 distill_persona / distill_method / fuse_skills
> 确认，进入 [distill / fuse] 管线继续
> 展开看看完整的 Lens 分析原文，每个维度的细节
> 补一个 XX 维度，重新分析一遍
> 就停在这，我消化一下 Lens 的结果，不继续了
确认后进 Phase 2。提了修改意见 → 重新调 Lens 带上反馈。 「一路默认」已激活 → 跳过，直接进 Phase 2。
| Lens 意图 | 动作 |
|---|---|
| distill | → Phase 3a（A 分支：蒸馏管线） |
| fuse | → Phase 3b（B 分支：融合管线） |
| decompose | 停。展示 Lens 输出，问是否继续 |
| 无法判断 | 问用户：蒸馏还是融合？ |
所有输出落在当前项目根目录的 output/ 下。
调 LEAP 时用绝对路径指定输出位置（以实际项目路径为准）。
Step 1: 生成 research plan。
调 LEAP：
"distill [target]，depth [depth]。
只到 research plan（stop_after_stage: 3），
输出到 <项目根目录>/output/<target>-skill/。"
LEAP 跑完 Stage 1-3 后停止。读取 research_plan.json：
◆ Research Plan · N agents
R1 [维度名]
[搜索方向一句话]
R2 [维度名]
[搜索方向一句话]
...
> 确认，按这个计划启动 N 个 agent 并行研究
> 加一个 R[n] 专门研究 XX 方向，补上缺失的维度
> 删掉 R[n]，这个维度我不太关心，省点资源
> 换成 quick 快速跑，3 个 agent 够了我赶时间
Step 2: 研究 + exemplar + 编译（无交互，直接跑完）。
调 LEAP：
"从 Stage 4 继续 distill [target]，
research_plan 已确认，
输出到 <项目根目录>/output/<target>-skill/。"
LEAP 执行 Stage 4-7 + Gate 1-2，全自动完成： Research Swarm → Exemplar Discovery（find-skills + score_skill 自动评分择优）→ Synthesis → Compile → Validate。
完成后清理中间产物：
references/exemplar_candidates.json（临时评分文件）references/exemplars/（中间参照副本）validation/（standard 模式不跑 Phase 8）R*.md（研究证据）、intermediate/（审计追踪）、产出包调 LEAP：
"fuse [primary] + [secondary]，depth [depth]，
输出到 <项目目录>/output/。"
LEAP 自动完成 Retrieve（本地 → find-skills → GitHub raw，score_skill 自动评分择优） → Parse → Weave → Output → Gate。
完成后清理 references/fusion_candidates.json（如产生）。
→ 先 3a 蒸馏缺失 skill → 再 3b 融合
验证 + 报告：
◆ 蒸馏完成
skill [名称] · [name]
类型 persona / tool · N 行
质量 ✓ pass / ✗ fail · 自评 N/10
研究 N agents · N+ Dilemma Cases
产出 output/<name>-skill/
安装 cp -r output/<name>-skill \
~/.claude/skills/<name>/
试试 /[name] [建议 prompt]
output/。exemplar_candidates.json、fusion_candidates.json、exemplars/、空目录。