技能介绍

解决什么问题

团队里的 AI Agent 各自维护一套沟通偏好，时间一长就会出现三类典型问题：新成员加入后从零积累，对外语气参差不齐；某次调整把偏好改坏了，却找不到可以回滚的历史节点；换了一台设备或一个 Agent 平台，之前积累的偏好无法迁移。沟通偏好工具箱 Pro 要解决的正是这些多用户、多设备、多 Agent 场景下的偏好治理问题。

核心能力

它在免费版已有的显式反馈学习、三段式确认、紧凑存储与透明引用基础上，新增了六项企业级能力：

团队基线共享：由管理员定义团队共享偏好，新成员自动继承，个人偏好可在基线之上覆盖，优先级为 个人偏好 > 团队基线 > 默认
版本历史与回滚：所有变更完整记录，支持 history list 查看并回滚到任意历史版本
跨设备同步：基于 Git 或对象存储实时同步，仅传输变更部分，冲突默认采用 latest-wins 策略
偏好分析报告：量化沟通模式特征，生成包含趋势曲线、Top 关键词、分类分布与稳定性指标的 HTML 报告
场景化切换：通过 scene-rules.yaml 定义基于关键词、时间、上下文的复合规则，自动切换偏好集
跨 Agent 迁移：导出为标准 JSON Schema，支持 Claude Code、Cursor、Codex 等平台互操作

工作方式

偏好以 Markdown 文件形式存储，操作围绕三类入口展开：用 input_params 执行创建、查询、导出等操作；用 config_options 做运行时修改、重置与导入；用 output_format 控制导出、保存与格式转换。所有调用返回结构化响应，包含状态码、结果数据与运行日志。

典型流程是：初始化 team/、history/、scenes/、sync/、reports/ 目录结构，创建团队基线，配置场景规则，最后启用同步。性能上做了三层优化——高频偏好走内存缓存，偏好应用与场景识别并行执行，批量操作每 100 条设置检查点。

适用边界

这个工具不是实时流数据处理方案，也不适合小规模数据的手动分析或非结构化文本的情感分析。它依赖 LLM 环境运行，无 LLM 则不可用；复杂业务判断仍需结合人工经验。跨设备同步需要 Git 2.20+ 或对象存储凭据；分析报告功能依赖 Python 3.8+。安全方面，所有 API 密钥必须放在环境变量中，禁止硬编码；命令执行受安全白名单限制，不拼接用户输入。