菜单
从日志中识别重复操作模式，生成证据化 Candidate Skill 草稿与 EvolutionCat handoff
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | extract-skill |
| description | 从日志中识别重复操作模式，生成证据化 Candidate Skill 草稿与 EvolutionCat handoff |
| version | 1.0.0 |
| author | InspectorCat Team |
| user_invocable | true |
| invocable | both |
| argument-hint | <日志文件路径> |
| max-turns | 20 |
从 XiaoBa 使用日志中识别重复操作序列，只输出 Candidate Skill 草稿和证据化路由；不创建文件。
用户重复做的事情 = 应该自动化的 Skill。通过分析对话日志，识别：
evolution-cat 使用 role-local self-evolution 创建 Skill；InspectorCat 不自己写文件使用 analyze_log 工具（deep 模式）解析日志：
analyze_log({
log_source: "<用户提供的日志路径>",
analysis_depth: "deep"
})
获取 turns[] 数组，每个 turn 包含：
userMessage: 用户说了什么aiResponse: AI 回复了什么tools[]: 调用了哪些工具（name, params, result）分析 turns[] 数据，寻找：
工具序列模式：
意图模式：
判断标准：
在生成 Skill 草稿前，先判断这个模式属于哪一类：
只有第三类才进入新 Skill 提炼。
对每个识别到的模式，生成 Skill 定义草稿：
Skill 命名：
Skill 内容结构：
---
name: <skill-name>
description: <一句话描述>
user_invocable: true
---
# <Skill 标题>
## 触发条件
<从用户消息中提取的触发短语>
## 工作流程
1. <步骤1：基于工具序列>
2. <步骤2>
3. ...
## 参数
<从工具调用参数中提炼>
## 使用示例
<基于实际日志中的用户消息>
将识别到的模式和生成的 Skill 草稿展示给用户：
发现 2 个重复模式：
1. **远程日志查看**（出现 5 次）
- 操作序列：execute_shell(ssh) → execute_shell(cd) → read_file
- 建议 Skill 名：remote-log-viewer
2. **批量文件处理**（出现 3 次）
- 操作序列：glob → read_file(循环) → write_file
- 建议 Skill 名：batch-file-processor
是否把这些候选交给 EvolutionCat？可以选择：
- 全部形成 handoff
- 只交付某几个（告诉我编号）
- 修改草稿后再交付
如果没有满足条件的候选，要明确说明原因，例如：
用户确认后，为每个 Skill 输出结构化 handoff；普通会话由 Base 显式派给 evolution-cat，定时 DAG 由确定性 Route Gate 直接交付：
recommended_next_owner: evolution-cat
requested_skill: self-evolution
参数：
- 类型：skill
- 名称：<skill-name>
- 完整内容：<生成的 Skill 草稿>
EvolutionCat 的 role-local self-evolution 会负责创建目录、写入文件、验证。InspectorCat 不直接调用不可见的跨角色 Skill。
告知用户：
识别阶段：
📊 日志分析完成
总轮次：45
发现 3 个重复模式：
1. 【高频】远程日志查看（5 次）
序列：ssh连接 → 切换目录 → 读取文件
2. 【中频】批量文件处理（3 次）
序列：查找文件 → 循环读取 → 写入结果
3. 【低频】数据库查询导出（3 次）
序列：连接数据库 → 执行查询 → 导出CSV
handoff 阶段：
→ Candidate Skill handoff: remote-log-viewer
next_owner: evolution-cat
触发: "查看远程日志"、"ssh 看日志"
→ Candidate Skill handoff: batch-file-processor
next_owner: evolution-cat
触发: "批量处理文件"
evolution route 交给 EvolutionCat 创建隔离 Candidate根据 Inspector handoff 或 case artifact 的 assessment 与 handoff，完成 runtime 修复、skill 修复或 skill 新建，并产出结构化交接文件。
根据 Inspector Replay Case 与 Engineer evidence，在干净 session 中执行正式回放，并返回 DAG 唯一 Reviewer v1 合同。
EvolutionCat 从真实任务或 Inspector finding 中沉淀 memory / skill / role 候选能力；夜间 DAG 只生成一个隔离 candidate。
发布 Role 到官方 RoleHub：将 role 代码托管到独立 GitHub 仓库，并通过 fork 向 fightheyyy/XiaoBa-RoleHub 提交 registry.json 增量 PR。
发布 Skill 到官方 SkillHub：将 skill 代码托管到独立 GitHub 仓库，并通过 fork 向 fightheyyy/XiaoBa-SkillHub 提交 registry.json 增量 PR。
从日志诊断重复模式，输出给 EvolutionCat 的候选 Skill handoff