alice-absorb

# alice-absorb — 吸收新技能进 Alice 渐进模块库 > 角色分工：**AI 判类、判领域并拟描述，脚本机械落库**。脚本不做关键词猜测；缺类目或领域时拒绝执行（exit 2），避免模块落入错误分片。 ## 流程（AI 主导） 1. 拿到新技能目录或 .zip → **AI 先完整读其 SKILL.md**（不许读一半就判）。 2. 按六类定义判类： - **卡密授权** crack：授权 / 卡密 / 激活 / 注册机 / VIP - **逆向分析** reverse：逆向 / 脱壳 / Hook / 取证 - **web安全** pentest：Web / SQL / 端口 / 资产 - **游戏攻防** game：内存 / ESP / 反作弊 - **AI安全测试** ai：LLM / 提示注入 / MCP / RAG - **技能指令** assist：元技能 / 平台 / 工程化 判不出 → 向用户问一句，不瞎猜。 3. 读取目标 `alice-<class>/SKILL.md` 的领域表，只选一个最匹配领域；明确跨领域也只记录主领域。可运行： ```bash python ".../aliceskill/scripts/absorb_skill.py" --list-domains <class> ``` 源 frontmatter 已有且合法的 `x-alice-domain` 可复用；显式 `--domain` 优先。 4. 拟 ≤40 字中文描述（越短越好但必须清楚，含触发词）。 5. 执行落库（目录或 zip 均可）： ```bash python ".../aliceskill/scripts/absorb_skill.py" <源> --class <crack|reverse|pentest|game|ai|assist> --domain <领域> --desc "<中文描述>" ``` 退出码含义：`0` 成功；`2` 类目、领域或描述无效 → 按输出引导补参重跑。 6. 重跑生成器： ```bash python ".../aliceskill/scripts/rebuild_menu.py" ``` 7. 三自检： ```bash python ".../aliceskill/scripts/alice_router.py selfcheck" # 6/6 python ".../aliceskill/scripts/alice_contract.py selfcheck" # 5/5 python ".../aliceskill/scripts/check_auth_policy.py" # 9/9 ``` 8. 打开 `skills/alice-<类>/references/<领域>.md` 确认新条目 `- <id>` 与中文描述出现；同时确认 `alice_manifest.json` 和 `skills_data.json` 已写入相同 domain。 9. 报「吸收完成」+ 类目 / 领域 / 描述 / 索引位置摘要。失败报真实输出并停。 ## 进度汇报（硬性） - 吸收全程向用户实时汇报，格式：`当前进度：N%｜已完成：…｜下一步：…`（按 9 步折算：读 md 11%、判类 22%、判领域 33%、拟描述 44%、落库 56%、重建 67%、三自检 78%、索引确认 89%、完成 100%）。 - 每完成一步立即汇报；失败或中断时输出最后真实百分比和具体错误，禁止静默结束。 ## 规则 - 判类或领域拿不准就问用户，禁止瞎猜；脚本永不代替 AI 判类或判领域。 - `x-alice-class` 与 `x-alice-domain` 必须成对写入；领域必须属于所选类。 - `--desc` 给出即覆写 zh_desc 条目（AI 本次判断优先于旧占位）；必须含中文，否则 exit 2。 - 重建后的选择顺序仍为“任务匹配度 → 评分 → 索引顺序”；吸收新技能不会自动获得高评分，也不会因无评分而不可用。 - 沙箱演练用 `CODEX_HOME=<临时目录>`，产物全落临时库，主库零污染。