Sensei 代码导师

当仓库里技能数量增多，SKILL.md 的 frontmatter 很容易出现两类问题：描述过长、触发词过于宽泛。结果是模型在多技能环境下选错上下文，技能之间互相干扰。Sensei 代码导师不是一次性改写文案，而是把一个技能当作可测试对象，用 Ralph 循环反复校准描述、测试与评分。

核心流程

Sensei 默认在 skills/ 或 .github/skills/ 中查找 SKILL.md，并在 tests/ 中寻找对应测试。对单个技能，它会按固定节奏执行以下循环，直到评分达到 Medium-High：

• READ：读取当前 SKILL.md，统计 token，了解现有描述与结构。
• SCORE：按 references/scoring.md 检查 description 长度、WHEN: / USE FOR: 触发短语、路由清晰度等。
• CHECK：若评分已达标且测试通过，直接进入汇总；否则继续改进。
• SCAFFOLD：若测试目录缺失，使用模板生成基础测试；在确认文件不存在前，会先用 ls 或 git ls-files 核实。
• IMPROVE：重写 frontmatter，以动作动词开头，加入 3–5 条带引号的触发短语，并控制 description 在 60 词 / 1024 字符以内。
• IMPROVE TESTS：同步更新 shouldTriggerPrompts 与 shouldNotTriggerPrompts，让测试覆盖新的触发逻辑。
• VERIFY：运行现有测试，确认改进没有破坏原有约束。
• TOKENS：检查 token 预算，避免描述膨胀到不可控。

GEPA 深度优化

启用 --gepa 后，第 5 步不再套模板，而是把已有测试当作 fitness function，自动从 triggers.test.ts 中提取触发与反触发用例，让 LLM 生成多份候选 SKILL.md，再由 evaluator 打分。只有评分更高的候选会被保留。这一模式不会修改或替换测试本身，仍然以同一套 CI 用例作为判据。

路由与反触发

资料特别提醒，DO NOT USE FOR: 在 10 个以上重叠技能的环境中存在风险：反触发词本身会被快速模式匹配模型当作关键词，反而引起错误激活。因此 Sensei 默认推荐用 WHEN: 做正向路由，通过独特的引号短语限定触发范围。对于 1–5 个相互隔离的小技能集，反触发的风险相对较低，可根据实际环境选择。

评分与边界

评分等级分为 Invalid、Low、Medium-High 与 High。Invalid 通常意味着 description 超过 1024 字符；High 则要求在 Medium-High 基础上补充 INVOKES: 或 FOR SINGLE OPERATIONS: 等路由说明，明确技能之间的调用边界。默认上限为每技能 5 次循环，token 软上限 500，硬上限 5000，避免无休止优化。

适用场景

它适合维护多个 SKILL.md、需要统一触发规范的项目；也适合在引入 MCP 工具或跨技能调用时，希望显式声明依赖与边界的团队。对于描述本身已精准、测试稳定通过的技能，继续套用循环带来的收益有限。