Agent Skills
返回列表
🤖

会话初始化

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/init。

技能介绍

解决的具体问题

在多代理协作场景中，开发者常面临三大痛点：一是任务描述、代理数量、评估标准等参数分散在不同配置文件中，手动整合耗时易错；二是新会话初始化时缺乏统一目录结构，导致文件管理混乱；三是评估指标与基线对比逻辑耦合在代码中，难以灵活调整。init 技能通过标准化流程将这三个环节整合为单一命令，消除重复性配置工作。

技能如何工作

核心能力

  • 目录初始化：自动创建 .agenthub/ 目录及 sessions/{session-id}/ 子目录，确保文件结构符合 AgentHub 协议
  • 会话元数据生成：通过 UUID 生成唯一会话 ID，并将任务参数、代理数量等配置写入 config.yaml
  • 评估标准配置：支持两种模式——当提供 eval command 时提取 metric name 与 direction 用于量化评估；未提供时则进入 LLM 判断模式

关键步骤

  1. 参数解析：检测命令行参数，存在则直接传递给 init 脚本；不存在则启动交互式收集流程
  2. 交互式参数收集：按顺序引导用户输入任务描述（必填）、代理数量（默认 3）、评估命令（可选）、指标名称（评估命令存在时必填）、指标方向（指标存在时必填）、基础分支（默认当前分支）
  3. 基线捕获（可选）：若提供 --eval 参数，则在当前目录运行评估命令，提取指标值并追加到 config.yaml 的 baseline: 字段
  4. 状态输出：显示会话 ID、基线指标（若捕获）及后续操作指引

适用边界与注意点

  • 评估命令容错：当基线捕获阶段评估命令执行失败时，技能仅发出警告而不中断流程，因基线数据为可选项
  • 参数依赖关系：metric name 与 direction 仅在提供 eval command 时要求输入，LLM 判断模式无需此配置
  • 会话隔离：每个会话生成独立 ID，支持多会话并行运行，但需通过 /hub:spawn {session-id} 显式指定目标会话
  • 分支管理：基础分支参数默认使用当前分支，创建分支时需确保本地存在该分支，否则可能引发合并冲突

使用场景

  • 在启动多代理并行研究任务前，需要统一创建会话目录并配置 LLM 判断模式的评估标准，此时使用该技能初始化环境。
  • 当团队需要针对代码生成结果运行自定义测试脚本以量化评估代理表现时，可通过该技能配置评估命令并捕获基线指标。
  • 在已有多个历史协作会话的代码库中，需要为新一轮实验指定特定的基础分支并设置代理数量，此时调用此技能创建新会话。
  • 准备运行一批内容生成代理并需要记录初始任务描述与代理数量等元数据时，使用该技能自动生成配置文件。

适合人员

  • AI 应用开发者：需要频繁启动多代理实验并对比不同评估指标的基线变化。
  • 机器学习工程师：希望将自定义测试脚本集成到代理协作流程中以实现自动化效果验证。
  • 开源项目维护者：在代码库中管理多个并行代理任务的目录结构和分支隔离。