VibeSkills — 智能技能编排器
自动识别本地技能并智能编排工作流，让复杂任务不再需要手动作战。
证据显示：README 描述了需求确认、计划批准、执行记录和最终检查的流程，表明有用户确认环节；但未提供权限最小化、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的具体实现细节。扣分原因：缺少对权限、数据流、依赖安全、外部副作用、回滚和来源归属的明确证据。
证据显示：README 和 CI 工作流（vco-gates.yml）提供了自洽的流程描述和验证步骤，但未提供失败消息的具体示例或依赖可用性保障。扣分原因：失败消息和依赖可用性证据不足。
证据显示：README 描述了目标受众（使用本地 Skills 的 AI 应用用户）、适用场景（复杂任务）、能力边界（不自动调用所有 Skills）和环境适配（支持本地文件夹配置）。但触发精度（如 $vibe 或 /vibe 的具体语法）未详细说明。扣分原因：触发精度证据不足。
证据显示：README 提供了信息架构（文档索引）、安装说明（docs/install）、示例（ML 案例）、已知限制（token 开销）和许可证（Apache-2.0）。但命名稳定性、维护责任和版本变更日志的证据不足。扣分原因：命名稳定性、维护责任和版本变更日志证据不足。
证据显示：README 描述了输出可用性（交付物检查）、边际价值（减少规划负担）和成本效益（token 开销控制）。但成本效益的具体数据（如 token 用量）未提供。扣分原因：成本效益证据不足。
证据显示：README 和 CI 工作流提供了验证步骤和案例，但未明确区分事实与推断，且跨来源验证不足。扣分原因：事实与推断分离和跨来源验证证据不足。
- 发布者身份未验证，应视为未知，不要基于品牌信任。
- 静态审查无法验证实际执行、测试结果或安全性，需谨慎使用。
- README 中的案例和 CI 结果未在本次审查中独立验证，可能夸大。
这个 Agent 能做什么，适合哪些场景？
VibeSkills 是一个通用型技能编排器，它作为 AI 助手的补充层，自动扫描本地技能库，为复杂任务规划模块化工作流，并智能选择合适的本地技能。其核心机制是按照规划状态机分解任务，将不同技能分配到各个模块，避免框架与领域技能之间的调度冲突。项目源于 Superpower 和 GSD 等框架的设计理念，旨在降低用户的规划负担，提供端到端的交付体验。VibeSkills 支持 L 和 XL 两种工作流级别，分别适用于普通多步骤任务和需要并行处理的大型任务。内部通过 agent_skill_organization 和 module_assignments 等文件记录技能分配和执行状态，并通过 delivery-acceptance-report.json 进行最终验收。安装后可通过 $vibe 或 /vibe 命令调用。
VibeSkills 扫描本地技能文件夹（含 ~/.vibeskills/skill-roots.json 或工作区 .vibeskills/skill-roots.json 中配置的额外目录），提取技能名称和摘要，为任务的每个部分自动筛选候选技能。在规划阶段，它生成 agent_skill_organization 和 module-work-plan.json，记录每个模块负责的技能、预期输出和检查标准。执行阶段，它协调当前 Agent 按计划工作，记录实际的 module_assignments 和 module-execution.json。对于代码任务，它会使用 TDD 循环：先写失败测试、修改、再运行测试。完成后，它会运行一系列检查（如 required-files, dataset-contract, baseline-results 等），生成 delivery-acceptance-report.json 或 .md，并与原始计划对比。最终输出包括数据审计、统计报告、图表、幻灯片等交付物。他还支持技能库协同，可包含第三方技能，但不会自动调用所有技能。
- 数据科学家：需要执行可复现的机器学习实验，包括数据审计、统计审查、生成图表和科学报告。
- 项目经理：需要将复杂任务分解成模块化工作流，并自动分配本地技能，无需手工规划。
- 开发人员：在编码任务中使用 TDD 循环，通过失败测试驱动实现，并自动验证结果。
- 团队协作：希望共享和复用团队或第三方技能，而不受限于特定框架。
- 内容创作者：需要生成演讲幻灯片、双语总结等传播材料，并确保一致性。
这个 Agent 有哪些优点和局限？
- 自动技能编排：无需手动选择技能，它根据任务自动短名单，并分配到具体模块。
- 减少规划负担：将复杂任务模块化，用户无需向 AI 详细解释每个模块使用哪个技能。
- 支持并行处理：XL 工作流可同时运行最多两个不冲突的部分。
- 完整的执行记录：通过多种 JSON 文件记录计划、执行和验收，便于后续会话继续和审查。
- 学习成本：需要理解 L/XL 工作流级别、技能根配置等概念。
- 配置依赖：需要预先配置技能文件夹，并确保技能符合命名规范且 SKILL.md 可读。
- 上下文开销：当技能库较大或任务复杂时，可能消耗更多 tokens，尽管设计上已通过本地索引和短名单优化。
- 平台绑定：目前主要支持 Claude Code 和 Codex 等支持本地技能的框架，其他平台可能需要适配。
如何安装或部署这个 Agent？
安装步骤：1. 克隆仓库：git clone https://github.com/foryourhealth111-pixel/Vibe-Skills.git。2. 按照文档安装，推荐使用 PowerShell 执行安装脚本（具体命令见文档）。安装后运行 pwsh ./check.ps1 验证状态。需要预先配置本地技能文件夹，在 ~/.vibeskills/skill-roots.json 或工作区 .vibeskills/skill-roots.json 中列出。
如何使用这个 Agent？
使用步骤：1. 在任何支持本地技能的 AI 应用中，通过应用提供的入口调用 VibeSkills，使用 $vibe 或 /vibe 命令。2. 它会自动发现技能并规划任务，推荐工作流级别（L 或 XL）。3. 批准计划后，它执行任务并记录进度。4. 完成后查看交付验收报告，确认所有检查通过。详细使用示例见快速入门和机器学习实验案例。
这个 Agent 与同类方案有什么区别？
与 Superpower 和 GSD 等框架类似，但 VibeSkills 更注重自动技能编排和模块化分解，强调本地技能资源的充分利用。