메뉴
Skills 库治理规范 - 新增、更新、删除 skill 的强制性守门流程。当 CC session 操作 skills/ 目录时自动触发。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | skill-governance |
| description | Skills 库治理规范 - 新增、更新、删除 skill 的强制性守门流程。当 CC session 操作 skills/ 目录时自动触发。 |
| triggers | ["新增 skill","添加 skill","创建 skill","更新 skill","修改 skill","删除 skill","add skill","create skill","update skill","remove skill"] |
| level | 3 |
本 skill 是 shuhe-work-skills 仓库的强制性治理规范。任�� CC session 在本仓库中新增、更新或删除 skill 时，必须遵循本文档定义的流程。
本规范的目的：
以下场景必须执行本规范流程：
| 场景 | 触发条件 | 必须执行的阶段 |
|---|---|---|
| 新增 skill | 在 skills/ 下创建新目录 | 全部 6 个阶段（含安全检测） |
| 更新 skill | 修改现有 skill 的 SKILL.md 或实现代码 | 阶段 2（变更评估）+ 阶段 2.5（安全检测，按需）+ 阶段 3.5（版本管理）+ 阶段 4（文档同步）+ 阶段 5（提交） |
| 删除 skill | 移除 skills/ 下的目录 | 阶段 2（影响评估）+ 阶段 4（清理引���）+ 阶段 5（提交） |
| 修改 package.json skills 注册 | 变更 claudePlugin.skills 数组 | 阶段 3（一致性校验）+ 阶段 5（提交） |
在动手写任何代码或文档之前，必须完成以下确认。
回答以下问题（可用 AskUserQuestion 工具向用户确认）：
my-new-skill），且不与现有 37 个 skill 冲突sh_dp_mcp、sh_guanyuan_data）强制要求：在创建前，必须检查现有 skill 是否已覆盖该需求。
检查步骤：
1. 读取 package.json 中 claudePlugin.skills 数组，列出所有已注册 skill
2. 搜索 skills/ 目录下所有 SKILL.md，检查功能描述是否有重叠
3. 如有重叠，向用户确认是新增还是扩展现有 skill
在 skills/ 下创建以下结构：
skills/<skill-name>/
├── SKILL.md # [必需] 完整文档（见 2.2 节模板）
├── main.py # [按需] 有执行逻辑时必需
├── config.json # [可选] 配置文件
├── requirements.txt # [按需] 有 Python 依赖时必需
├── __init__.py # [按需] 有 Python 代码时必需
├── resources/ # [可选] 参考资料、算法文档
└── tests/ # [按需] 有执行逻辑时必需
├── __init__.py
├── test_main.py
└── fixtures/ # [可选] 测试数据
根据 skill 类型选择对应模板：
文档长度要求：200-400 行（推荐），硬性上限 500 行
---
name: skill-name
description: 简短描述（一句话，包含关键词）
argument-hint: "命令行参数提示"
version: 1.0.0
level: 3
tags:
- category1
- category2
---
# <Skill 名称>
简短描述（1-2 句话）
## Description
详细功能说明（2-3 段，控制在 100 字内）
## Usage
```bash
/skill-name --param1 value1 [--option1 value2]
| 参数 | 类型 | 说明 | 示例 |
|---|---|---|---|
| param1 | string | 说明 | "value" |
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
| --option1 | string | "default" | 说明 |
/skill-name --param1 "example"
/skill-name --param1 "example" --option1 "custom"
成功输出格式说明（简洁描述）
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 错误 1 | 原因 | 方案 |
**如果文档超过 500 行**，拆分为：
- `SKILL.md` - 核心使用文档（< 500 行）
- `ARCHITECTURE.md` - 架构设计
- `resources/` - 算法说明和参考资料
#### 模板 B：工作流 / 规范类 Skill（纯文档，无执行逻辑）
**文档长度要求**：150-300 行（推荐），硬性上限 400 行
```markdown
---
name: skill-name
description: 简短描述，包含触发关键词
level: 3
tags:
- workflow
- governance
---
# Skill 名称
## Purpose
简短说明目的（2-3 句话）
## When to Use
- 触发条件 1
- 触发条件 2
## Workflow
### Step 1: 步骤名称
简洁说明（避免冗长段落）
### Step 2: 步骤名称
简洁说明
## Guidelines
- 规则 1（一行一条）
- 规则 2
## Checklist
- [ ] 检查项 1
- [ ] 检查项 2
## Examples
**Good**: 正确示例（代码块）
**Bad**: 错误示例及原因（简短说明）
文档精简原则：
| 规则 | 正确 | 错误 |
|---|---|---|
| 目录名 | my-new-skill (kebab-case) | MyNewSkill, my_new_skill |
| 命令名 | /my-new-skill (带斜杠前缀) | my-new-skill, /MyNewSkill |
| 文档文件名 | SKILL.md (全大写) | skill.md, Skill.md |
| 代码文件名 | main.py (全小写) | Main.py, main.PY |
| 配置文件名 | config.json (全小写) | Config.json |
更新 skill 时，必须检查：
删除 skill 时，必须检查：
在 package.json 的 claudePlugin.skills 数组中添加条目。
必需字段：
{
"name": "skill-name",
"version": "1.0.0",
"description": "简短描述",
"docPath": "skills/skill-name/SKILL.md",
"command": "/skill-name",
"tags": ["tag1", "tag2"]
}
可选字段：
{
"status": "prototype", // 原型状态（核心功能未实现时必须）
"mainPath": "skills/skill-name/main.py",
"dependencies": {
"mcp": ["tool-name"],
"python": ["package>=version"]
}
}
关键检查（基于质量审查发现）：
---）version 字段）"status": "prototype" 并在 description 前加 [PROTOTYPE]）command 与目录名、YAML 的 name 一致）验证 JSON 语法：
node -e "require('./package.json'); console.log('✓ JSON valid')"
验证所有 skills 已注册：
node -e "
const pkg = require('./package.json');
const fs = require('fs');
const registered = new Set(pkg.claudePlugin.skills.map(s => s.name));
const dirs = fs.readdirSync('skills', {withFileTypes: true})
.filter(d => d.isDirectory() && d.name !== 'AGENTS.md')
.map(d => d.name);
const unregistered = dirs.filter(d => !registered.has(d));
if (unregistered.length > 0) {
console.log('❌ 未注册:', unregistered.join(', '));
} else {
console.log('✓ 所有 skills 已注册');
}
"
当满足以下任一条件时，必须执行安全检测：
# 对新增或更新的 skill 执行安全检测
/skill-vetter
# skill-vetter 会自动检测当前操作的 skill 并执行：
# - Gen AI 安全评估（识别恶意代码模式）
# - Socket Security 分析（网络请求、文件操作风险）
# - Snyk 漏洞扫描（已知 CVE 检查）
检测结果示例：
- Gen AI Assessment: Safe
- Socket Security: 0 alerts
- Snyk Vulnerability: Low Risk / No issues
下一步：
1. 在 SKILL.md 中添加 "## 安全检测" 章节记录结果
2. 继续阶段 3（注册校验）
1. 记录问题详情（风险类型、等级、受影响文件）
2. 修复安全问题：
- 移除硬编码的敏感信息
- 限制文件系统访问范围
- 更新不安全的依赖版本
- 添加输入验证和错误处理
3. 重新执行 /skill-vetter
4. 确认所有问题已解决后继续
如果 skill 设计本身存在不可避免的安全风险：
在 claudePlugin.skills 数组中添加条目，遵循以下格式：
{
"name": "<skill-name>",
"version": "1.0.0",
"description": "简短功能描述 - 包含核心特性关键词",
"docPath": "skills/<skill-name>/SKILL.md",
"command": "/<skill-name>",
"mainPath": "skills/<skill-name>/main.py",
"dependencies": {
"mcp": ["mcp-server-name"],
"python": ["package>=version"]
},
"tags": ["tag1", "tag2"],
"requiresAuth": false,
"authType": ""
}
字段规则：
| 字段 | 必填 | 说明 |
|---|---|---|
name | 是 | kebab-case，与目录名一致 |
description | 是 | 一句话描述，50 字以内 |
docPath | 是 | 指向 SKILL.md 的相对路径 |
command | 是 | 以 / 开头，与 name 一致 |
version | 按需 | 有执行逻辑的 skill 必填 |
mainPath | 按需 | 有 Python 入口时必填 |
dependencies | 按需 | 有外部依赖时必填 |
tags | 推荐 | 用于搜索和分类 |
requiresAuth | 按需 | 需要认证时设为 true |
执行以下校验，全部通过才能继续：
package.json 中的 name 与 skills/ 下的目录名一致package.json 中的 docPath 指向的文件真实存在package.json 中的 mainPath（如有）指向的文件真实存在package.json 中的 command 不与现有 skill 重复package.json 中的 version（如有）与 SKILL.md 中的版本历史一致dependencies.mcp 中声明所有 skills 必须遵循语义化版本规范（semver）：
MAJOR.MINOR.PATCH (例如: 1.2.3)
- MAJOR: 不兼容的 API 变更
- MINOR: 向后兼容的功能新增
- PATCH: 向后兼容的 bug 修复
在以下场景中使用 /skill-lifecycle-manager 进行版本管理：
# 检查 skill 的依赖关系
/skill-lifecycle-manager deps check <skill-name>
# 输出示例：
# ✓ guanyuan-data-fetcher
# 依赖 MCP: guanyuan-data, messagengine-dingtalk
# 被依赖: 无
# 状态: 健康
何时执行：
# 升级 skill 版本
/skill-lifecycle-manager version bump <skill-name> <major|minor|patch>
# 示例：修复 bug 后执行
/skill-lifecycle-manager version bump sql-runner patch
# 版本从 1.2.3 → 1.2.4
# 示例：新增功能后执行
/skill-lifecycle-manager version bump guanyuan-monitor minor
# 版本从 1.2.3 → 1.3.0
# 示例：破坏性变更后执行
/skill-lifecycle-manager version bump skill-governance major
# 版本从 1.2.3 → 2.0.0
版本升级策略：
# 可视化依赖图
/skill-lifecycle-manager deps visualize
# 检测冲突
/skill-lifecycle-manager deps conflicts
# 输出示例：
# ⚠️ 检测到依赖冲突：
# - skill-A 和 skill-B 都依赖 MCP:service-X
# - skill-A 需要 v2.0，skill-B 需要 v1.5
# 建议：升级 skill-B 以兼容 MCP:service-X v2.0
必查项：
✓ 版本号是否正确递增（符合 semver）
✓ 依赖冲突检查通过（无循环依赖）
✓ CHANGELOG.md 记录版本变更
✓ SKILL.md 更新版本号和变更说明
✓ 向后兼容性测试（如果是 MINOR/PATCH 更新）
在 README.md 的对应分类表格中添加一行：
数禾定制 Skills 分类下：
| **<skill-name>** | 功能描述 | • 场景1<br>• 场景2 | `/<skill-name>` |
数据工具 Skills 分类下：
| **<skill-name>** | 功能描述 | • 场景1<br>• 场景2 | `/<skill-name>` |
分类判断规则：
| 分类 | 条件 |
|---|---|
| 数禾定制 Skills | 依赖观远/Dataphin MCP，面向数禾特定业务 |
| 数据工具 Skills | 通用数据处理工具（SQL、报告、可视化） |
| oh-my-claudecode 工具链 | OMC 生态的工作流 skill |
| 治理与规范 | 流程规范、质量控制类 skill |
在文件顶部添加新版本记录：
## [X.Y.Z] - YYYY-MM-DD
### Added（新增 skill 时）
- **<skill-name>** - 简短描述
- 特性 1
- 特性 2
### Changed（更新 skill 时）
- **<skill-name>** - 变更描述
### Removed（删除 skill 时）
- **<skill-name>** - 删除原因
版本号递增规则：
| 变更类型 | 版本递增 | 示例 |
|---|---|---|
| 新增 skill | MINOR (X.Y+1.0) | 1.4.0 → 1.5.0 |
| 更新 skill（非 breaking） | PATCH (X.Y.Z+1) | 1.4.0 → 1.4.1 |
| 更新 skill（breaking change） | MINOR (X.Y+1.0) | 1.4.0 → 1.5.0 |
| 删除 skill | MINOR (X.Y+1.0) | 1.4.0 → 1.5.0 |
package.json 根级别的 version 字段必须与 CHANGELOG.md 最新版本号一致。
README.md 头部的 Skills 总数必须更新：
**版本**: vX.Y.Z | **Skills 总数**: N 个（X 数禾定制 + Y 数据工具 + Z oh-my-claudecode + W 治理规范）
遵循 Conventional Commits：
<type>(<scope>): <description>
<body>
Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
type 取值：
| type | 场景 |
|---|---|
feat | 新增 skill |
fix | 修复 skill bug |
docs | 仅文档变更 |
refactor | 重构 skill 实现（不改功能） |
chore | 维护性变更（依赖更新、配置调整） |
scope 取值：skill 名称，如 feat(guanyuan-monitor): add threshold alerting
新增 skill 时：
git add skills/<skill-name>/
git add package.json
git add README.md
git add CHANGELOG.md
更新 skill 时：
git add skills/<skill-name>/ # 变更的文件
git add package.json # 如版本号变更
git add CHANGELOG.md # 变更记录
全部通过才能提交：
1. 确认需求 → 回答功能/依赖/场景三组问题
2. 创建目录 → skills/<name>/SKILL.md（必需）+ 实现文件（按需）
3. 安全检测 → /skill-vetter（有执行代码时必须）
4. 注册 → package.json 添加条目
5. 依赖检查 → /skill-lifecycle-manager deps check <name>
6. 文档 → README.md 添加表格行 + CHANGELOG.md 添加记录
7. 版本 → 递增 MINOR 版本号，三处同步
8. 提交 → feat(<name>): add <name> skill
1. 评估变更 → 是否 breaking change？是否需要版本递增？
2. 修改文件 → 更新 SKILL.md + 实现代码
3. 安全检测 → /skill-vetter（修改执行逻辑或添加依赖时）
4. 版本管理 → /skill-lifecycle-manager version bump <name> <major|minor|patch>
5. 依赖检查 → /skill-lifecycle-manager deps check <name>
6. 文档同步 → CHANGELOG.md 添加记录
7. 提交 → fix/feat(<name>): <description>
1. 性能分析 → /skill-auto-evolver analyze <name>
2. 创建优化分支 → git checkout -b feat/<name>-optimization
3. 实现优化 → 根据分析建议修改代码
4. A/B 测试 → /skill-auto-evolver experiment create <name> "<description>"
5. 监控 7-14 天 → /skill-auto-evolver experiment status <exp-id>
6. 应用或回滚 → apply/rollback 基于统计数据
7. 版本升级 → /skill-lifecycle-manager version bump <name> minor
8. 提交 → feat(<name>): optimize <description> (XX% faster)
| 指标 | 值 |
|---|---|
| 当前版本 | v1.6.0 |
| Skills 总数 | 40 |
| 数禾定制 | 3 (guanyuan-data-fetcher, guanyuan-monitor, rta-exclude-strategy) |
| 数据工具 | 4 (sql-optimizer, sql-runner, html-report-framework, monthly-report-html-generator) |
| OMC 工具链 | 30 |
| 治理规范 | 1 (skill-governance) |
| 生命周期管理 | 2 (skill-lifecycle-manager, skill-auto-evolver) |
| GitLab 地址 | gitlab.caijj.net/ouyangyi/claude-skills |
如果检测到以下情况，必须中止操作并提示用户：
当满足以下任一条件时，考虑使用 /skill-auto-evolver 进行性能分析和优化：
使用频率达到阈值
发现性能问题
定期优化
# 收集性能数据
/skill-auto-evolver analyze <skill-name>
# 输出示例：
# 📊 sql-runner 性能分析
# - 平均执行时间: 12.3 秒
# - 95分位延迟: 25.8 秒
# - 最慢执行: 45.2 秒（2024-01-15）
#
# 🎯 优化建议：
# 1. 添加查询结果缓存（预计减少 40% 执行时间）
# 2. 优化轮询频率（当前 5s，建议调整为 3s）
# 分析错误模式
/skill-auto-evolver errors <skill-name>
# 输出示例：
# ⚠️ guanyuan-data-fetcher 错误分析
# - 总调用: 127 次
# - 失败次数: 8 次（6.3%）
# - 主要错误类型:
# - API 超时: 5 次（62.5%）
# - 数据格式错误: 2 次（25%）
# - 权限不足: 1 次（12.5%）
#
# 🎯 优化建议：
# 1. 添加超时重试机制（指数退避）
# 2. 增强数据格式验证
# 监控资源消耗
/skill-auto-evolver resources <skill-name>
# 输出示例：
# 💾 monthly-report-html-generator 资源使用
# - 平均内存: 256 MB
# - 峰值内存: 512 MB
# - CPU 使用: 平均 45%
# - 磁盘 I/O: 23 MB 读取，145 MB 写入
#
# 🎯 优化建议：
# 1. 使用流式处理减少内存占用
# 2. 优化图表渲染算法（减少 CPU 使用）
对于重大优化，使用 A/B 测试验证效果：
# 创建 A/B 测试
/skill-auto-evolver experiment create <skill-name> <optimization-description>
# 示例：
/skill-auto-evolver experiment create sql-runner "add query result caching"
# 输出：
# ✓ 实验创建成功：exp-20260401-001
# - 对照组: sql-runner v1.2.3 (current)
# - 实验组: sql-runner v1.3.0-beta (with caching)
# - 流量分配: 50% / 50%
# - 监控指标: 执行时间、错误率、缓存命中率
# 查看实验结果
/skill-auto-evolver experiment status exp-20260401-001
# 输出示例：
# 📈 实验进展（7 天数据）
#
# 对照组（v1.2.3）:
# - 平均执行时间: 12.3s
# - 错误率: 3.2%
# - 样本量: 245 次
#
# 实验组（v1.3.0-beta）:
# - 平均执行时间: 7.8s ⬇️ 36.6%
# - 错误率: 2.8% ⬇️ 12.5%
# - 缓存命中率: 72%
# - 样本量: 238 次
#
# 统计显著性: p < 0.01 ✓
# 建议: 应用实验组版本到生产环境
# 应用优化（实验成功）
/skill-auto-evolver experiment apply exp-20260401-001
# 回滚优化（实验失败）
/skill-auto-evolver experiment rollback exp-20260401-001
# 1. 定期分析性能（每月一次）
/skill-auto-evolver analyze sql-runner
# 2. 根据建议创建优化分支
git checkout -b feat/sql-runner-optimization
# 3. 实现优化（添加缓存、减少轮询等）
# 编辑代码文件...
# 4. 创建 A/B 测试
/skill-auto-evolver experiment create sql-runner "query result caching"
# 5. 监控 7-14 天
/skill-auto-evolver experiment status exp-xxx
# 6. 根据数据决定是否应用
# 如果成功：
/skill-auto-evolver experiment apply exp-xxx
/skill-lifecycle-manager version bump sql-runner minor
git add . && git commit -m "feat: optimize sql-runner with caching (36% faster)"
# 如果失败：
/skill-auto-evolver experiment rollback exp-xxx
git checkout main && git branch -D feat/sql-runner-optimization
为高频 skills 设置自动监控：
# 启用自动性能监控
/skill-auto-evolver monitor enable <skill-name> --threshold "execution_time>30s OR error_rate>5%"
# 触发条件示例：
# - 执行时间超过 30 秒时发送告警
# - 错误率超过 5% 时自动创建分析报告
# - 每月自动生成性能趋势报告
从数据源自动生成月度运营数据 HTML 报告，支持 ECharts 图表、规则驱动结论、可折叠侧栏导航
Security-first vetting for OpenClaw skills. Use before installing any skill from ClawHub, GitHub, or other sources. Checks for red flags, permission scope, and suspicious patterns.
HTML 报告生成通用框架 - CSS 变量设计系统、专业组件库、ECharts 图表、Mermaid 流程图、动态居中布局、可折叠侧栏、规则驱动结论。当用户需要生成 HTML 报告、数据看板、SOP 文档、KPI dashboard 或任何自包含网页报告时使用。
Execute Jupyter notebooks end-to-end with SQL pre-validation, error diagnosis, and auto-fix loops. Use when "run notebook", "execute notebook", "test notebook", or "validate notebook execution".
Standardize Jupyter notebooks (.ipynb) for interactive data analysis workflows. Enforces a mandatory cell manifest (M1-M8 + archetype chapters) with tags ([CONFIG]/[SETUP]/[FUNC]/[RUN]/[VIZ]/[EXPORT]), structured markdown sections, and output prefixes ([OK]/[WARN]/[SKIP]). Use when the user wants to standardize, clean up, or create a notebook from scratch. Two archetypes: problem-driven (question-answer analysis) and monitoring (dimension-based periodic reporting).
SQL 分段验证、自我修复、结果导出与智能分析。流程：解析SQL → Dataphin MCP 验证元数据 → 自动修复 → 分段执行验证 → 导出 CSV → 智能分析（漏斗解读、异常识别、预判用户问题）。适用场景："跑一下这个SQL"、"验证这个查询"、"帮我执行并导出"、"分析一下结果"等。