自我进化主动型智能体

要解决的问题

把用户的原始问句直接当成搜索词丢给接口，是这类技能检索最常见的失效方式。SkillHub 的 GET /api/skills 走的是分词召回，一句自然语言往往命中不到任何结果；就算命中，未经筛选的列表也等于把噪音交给人来判断。这个技能要做的是把召回、排序、过滤、安装串成一条完整链路，让 Agent 自己走完从意图理解到落地安装的全过程。

核心能力与关键步骤

流程分为五步，必须完整走完，而不是搜一次就收工：

1. 理解场景：从自然语言中抽取任务意图、领域标签和中英文关键词，同义词与上位词扩展到 2~4 个。例如「帮我自动写周报发给老板」会映射到 office-efficiency，并展开为周报/工作汇报/日报/weekly report。
2. 多次搜索：对每个候选词调用 GET /api/skills?keyword=..&sortBy=score，可叠加 category 或 labels，合并结果后按 slug 去重。
3. 意图匹配排序：结合 name 与 description 判断契合度，过滤无关项，挑出 3~5 个最契合的；同档按下载与安装量降序。命中过多则收窄标签，为空则放宽到同义词或直接去掉 category。
4. 输出推荐：统一格式展示，每条必须附带匹配理由并请用户选择，同时不得出现任何命令行或代码块。
5. 一键安装：只在用户选定后进入，命令由 Agent 直接执行，装完只回一句确认。

领域侧共 12 个一级 category，如 office-efficiency、content-creation、dev-programming、ai-agent、data-analysis、it-ops-security 等。映射意图时按需打开 references/categories.md 做渐进式披露；接口参数、返回字段与备用安装方式集中在 references/api.md。

适用边界与注意点

• 接口无需鉴权，但只支持关键词分词召回，召回质量取决于第 1 步的关键词扩展质量，扩展词太少或太偏都会让整条链路失效。
• 推荐列表是给人看的，命令属于第 5 步且由 Agent 执行，两者不能混在同一个输出里。
• 安装能否真正落地依赖 skillhub CLI 是否就绪，环境缺失时需要先补齐。
• 检索结果受平台已有技能覆盖范围限制，平台上不存在的技能不会被这套流程凭空找到。