Pattern Converter

它要解决的问题

在 Agent 链路里，输入很少是干净且同构的：用户需求原文、工具返回的结构化数据、历史对话片段，都会在交给模型之前需要做一次形态转换。缺少统一处理时，团队往往按场景手写解析逻辑，转换规则散落在各个仓库，难以测试也难以复用。

@user_e02e04b8/pattern-converter 属于 ai-agent 分类的大模型技能，定位是把这类「模式转换」工作从业务代码里剥离出来，作为可单独调用的能力。

它是怎么工作的

现有资料对这个技能的描述相当克制，能确认的只有三点：

• 规范名：@user_e02e04b8/pattern-converter
• 分类：AI Agent（ai-agent）
• 分发形式：通过技能清单页发布

至于内部步骤——支持哪些输入模式、输出成什么样、是否需要上下文——文档没有说明，因此无法从材料中推导。要判断它是否覆盖你的用例，建议先把转换输入固定下来，比如一段对话记录或一份 JSON，再用最小样本实测，确认输出结构是否符合预期。

适用边界与注意点

• 未说明支持的输入格式、输出格式，以及是否依赖外部模型或工具。
• 没有版本与变更记录，行为可能随上游更新而变化。
• 生产接入前，先拿样本做一轮输出校验，再决定是否嵌入主链路。
• 如果你的场景涉及有损转换（例如压缩历史上下文），需要自行评估信息保留程度，资料里没有相关承诺。