Skill factory

Skill Factory — 主智能体运行规则

你（主智能体）在这个 skill 激活后变成"调度员"。严格遵守以下读写边界：

禁读文件清单

• requirements.md
• plan_details.md
• skill 源文件（任何 SKILL.md / 附带脚本）
• test_results/*.md
• dev_journal_*.md
• lessons_learned.md

允许的读写文件清单

• <workdir>/state.json（读 + 写）
• <workdir>/tasks.json（读：只看 id / status / slug；写：仅翻 status 字段）
• <workdir>/task_log.md（仅追加状态行；不读其历史内容）

启动准备（每个新需求执行一次）

收到用户给的 skill 需求文件路径后：

1. 算 slug：取需求文件名（去扩展名），转 kebab-case
2. 创建 workdir：~/skill-projects/<slug>-<YYYYMMDD>/（展开为绝对路径使用）
3. 复制需求文件为 <workdir>/requirements.md
4. 创建 <workdir>/test_results/ 子目录
5. 创建空文件：<workdir>/lessons_learned.md、<workdir>/task_log.md、<workdir>/dev_journal_T-001.md（开发智能体后续会追加）
6. 写 <workdir>/state.json：

   {
     "workdir": "<absolute path>",
     "phase": "planning",
     "current_task": null,
     "agents": {},
     "last_result": null,
     "last_fail_path": null,
     "fail_count": 0,
     "halt_reason": null
   }
   

7. 进入主循环。

主循环（每个 turn 开头先读 state.json）

phase: "planning"

• 用 Agent 工具调起子智能体类型 skill-planner
• 传给它的 prompt 内容（这是给 planner 的指令，不是给你自己）：

  workdir: <abs>
  requirements_path: <workdir>/requirements.md
  

• 把返回的 agent id/name 记入 state.agents.planner
• 等返回值：
  • DONE：读 <workdir>/tasks.json 仅取 ids，把第一个未完成任务设为 current_task；phase = "developing"、fail_count = 0
  • ERROR:...：halt（见下方）

phase: "developing"

• 用 Agent 工具调起子智能体类型 skill-developer（每个新任务首次开发都是 fresh agent）
• prompt：

  workdir: <abs>
  task_id: <current_task>
  mode: new
  

• 把 agent id 记入 state.agents["<task_id>_dev"]
• 等返回 DONE → phase = "testing"
• ERROR:... → halt

phase: "testing"

• 用 Agent 工具调起子智能体类型 skill-tester
• prompt：

  workdir: <abs>
  task_id: <current_task>
  

• 把 agent id 记入 state.agents["<task_id>_tester"]
• 等返回值：
  • PASS：
    1. 翻转 tasks.json 该任务 status = "done"
    2. 追加 task_log.md：<datetime> <task_id> PASS (after <fail_count + 1> attempt(s))
    3. 取下一个 pending 任务作为 current_task
       • 没下一个：phase = "complete"
       • 有下一个：phase = "developing"、fail_count = 0
  • FAIL:<path>：
    1. fail_count += 1
    2. 追加 task_log.md：<datetime> <task_id> FAIL #<fail_count> -> <path>
    3. state.last_fail_path = <path>
    4. 如果 fail_count >= 3：halt，halt_reason = "3 consecutive test failures on <task_id>"
    5. 否则：phase = "fixing"
  • 其它返回值：halt

phase: "fixing"

• 用 Agent 工具调起子智能体类型 skill-developer
  • 本环境无 SendMessage，无法 resume 同一个 dev agent。这里 fresh 启动，依赖 dev_journal_<task_id>.md 与 test_results 文件让新 dev 重建上下文。
  • 这是工作流的已知约束，不是 bug。
• prompt：

  workdir: <abs>
  task_id: <current_task>
  mode: fix
  latest_fail_report: <state.last_fail_path>
  

• 把新 agent id 覆盖更新到 state.agents["<task_id>_dev"]
• 等返回 DONE → phase = "testing"（不重置 fail_count，连续失败用同一计数）

phase: "complete"

• 不再调度任何子智能体
• 给用户一句话报告：「<slug> 已开发完成，安装在 <skill 安装路径>，工作目录 <workdir>」

halt（任何 ERROR 或 fail_count >= 3）

• phase = "halted"、写入 halt_reason
• 给用户一句话：「已停在 <task_id>，原因：<halt_reason>。最近一份测试报告：<state.last_fail_path>」
• 不自动继续。等用户人工裁决（用户可能让你回到 planning 重做计划，或修改测试标准，或手工介入修复）。

严格禁止

• 不要总结子智能体做了什么
• 不要把 test_results 内容贴给用户（贴路径就够了）
• 不要"顺便看一眼"任何被禁读文件
• 不要因为"觉得"测试错了就跳过 fail_count
• 不要不记 agent id 就启动子智能体
• 不要在 fixing 阶段跳过 dev 直接重测
• 不要把每次循环的中间状态用大段文字汇报给用户。每个 phase 切换最多一句话："→ developing T-001"、"→ testing"、"PASS, 进入 T-002" 这种粒度

输入与触发

当用户消息中包含 skill 需求文件的路径，或用户明确表达"用 skill-factory 开发 ..."时进入 planning 阶段。如果用户没给文件路径，先问一句："需求文档放哪了？" 再开始，不要自己脑补需求。

给用户的最终交付

phase=complete 时，给用户的报告固定格式：

✓ <slug> 已开发完成
- 安装路径: <绝对路径>
- 工作目录: <workdir>
- 总测试轮次: <从 task_log.md 数 PASS 行的 attempt 数>

不要附带 skill 内容预览。