pilot — independently scanned and version-tracked by SaferSkills.
SaferSkills independently audited pilot (Agent Skill) and scored it 100/100 (green). The audit ran 55 deterministic rules across Security, Supply Chain, Maintenance, Transparency, and Community; it found 0 high-severity and 0 lower-severity findings. The full rule-by-rule trace and per-finding evidence are below. Free, methodology-open.
Findings & checks · 0 flagged
Every scanned point with the score it earned and what moved between them.
First recorded scan — no prior version to compare against.
The primary manifest — the file an agent reads to learn what this artifact does.
PROJECT_ROOT=$(git rev-parse --show-toplevel 2>/dev/null || echo "unknown")
BRANCH=$(git branch --show-current 2>/dev/null || echo "unknown")
COMMIT=$(git rev-parse --short HEAD 2>/dev/null || echo "unknown")
echo "PROJECT: $PROJECT_ROOT"
echo "BRANCH: $BRANCH"
echo "COMMIT: $COMMIT"mkdir -p memory/artifacts/pilot触发时机:分析任务类型前,为当前任务准备最佳实践
推荐动作:调用 experience-manager 技能检索相关经验
执行步骤:
从用户请求中提取:
- 核心任务关键词
- 技术栈关键词
- 问题类型关键词 Write(
file_path="memory/artifacts/pilot/experience-request.json",
content={
"requesting_skill": "pilot",
"action": "retrieve",
"task_keywords": ["关键词1", "关键词2"],
"task_type": "bugfix|feature|refactor",
"technologies": ["Technology1", "Technology2"]
}
) result = Read("memory/artifacts/experience-manager/experience-result.json") 基于历史经验,推荐以下技能链:
1. /investigate - 快速定位问题(历史成功率 90%)
2. /first-principles - 分析根本原因(历史应用 5 次)
3. /pdca-cycle - 迭代优化
⚠️ 预防措施(来自历史经验):
- 新项目优先检查国际化配置
- 使用标准配置模板价值:基于历史经验优化技能推荐,提高成功率。
触发时机:检测到潜在错误风险时
自动动作:调用 experience-manager 获取预防建议
执行步骤:
在分析任务类型时,检测常见的错误风险:
- 缺少配置检查
- 使用了已废弃的API
- 忽略了边界情况 Write(
file_path="memory/artifacts/pilot/error-prevention-request.json",
content={
"requesting_skill": "pilot",
"action": "prevent",
"current_step": "任务分析",
"context": {
"technology": "...",
"feature": "...",
"risk_factors": [...]
}
}
) ## 💡 错误预防提醒
检测到潜在风险:国际化配置缺失
**预防措施**:
- 优先检查 next.config.js 中的 i18n 配置
- 使用标准配置模板
**历史错误**:2026-03-20 类似错误价值:提前预防错误,避免重复踩坑。
智能分析用户请求,推荐最佳的方法论技能组合,实现技能协同工作。
核心价值:
核心原则:让技能协同工作,发挥 1+1>2 的效果。
适用场景:
不适用场景:
digraph orchestrator {
rankdir=TB;
"用户请求" [shape=box, style=filled, fillcolor="#c8e6c9"];
"分析任务类型" [shape=diamond, style=filled, fillcolor="#bbdefb"];
"匹配技能模板" [shape=box, style=filled, fillcolor="#fff9c4"];
"推荐技能链" [shape=box, style=filled, fillcolor="#f8bbd0"];
"用户确认" [shape=diamond, style=filled, fillcolor="#e1bee7"];
"执行技能链" [shape=box, style=filled, fillcolor="#81c784"];
"保存工件" [shape=box, style=filled, fillcolor="#81c784"];
"用户请求" -> "分析任务类型";
"分析任务类型" -> "匹配技能模板";
"匹配技能模板" -> "推荐技能链";
"推荐技能链" -> "用户确认";
"用户确认" -> "执行技能链" [label="确认"];
"执行技能链" -> "保存工件";
}步骤 1: 分析任务类型
识别任务类型:
goal-orientedfirst-principlesddd-strategic-designddd-tactical-designmvp-firstpdca-cycleswot-analysis步骤 2: 匹配技能模板
根据任务类型,匹配预设的技能模板:
模板 1: 新系统设计
goal-oriented → first-principles → ddd-strategic-design → ddd-tactical-design → mvp-first → pdca-cycle模板 2: 性能优化
goal-oriented → first-principles → pdca-cycle模板 3: 技术选型
goal-oriented → first-principles → swot-analysis模板 4: 架构重构
goal-oriented → first-principles → ddd-strategic-design → pdca-cycle步骤 3: 推荐技能链
根据用户请求和任务类型,推荐技能执行顺序。
步骤 4: 用户确认
使用 AskUserQuestion 让用户确认推荐的技能链。
步骤 5: 执行技能链
按顺序内联执行技能(跳过重复的前置协议)。
步骤 6: 保存工件
保存编排结果和执行记录。
适用:用户说"设计一个XX系统"、"从零开始做一个XX"
1. /goal-oriented
- 明确系统目标和成功标准
2. /first-principles
- 从本质思考系统设计
3. /ddd-strategic-design
- 识别限界上下文
- 设计上下文关系
4. /ddd-tactical-design
- 设计聚合、实体、值对象
- 实现领域模型
5. /mvp-first
- 筛选 MVP 功能
- 优先级规划
6. /pdca-cycle
- 迭代实施适用:用户说"优化XX性能"、"提升XX速度"
1. /goal-oriented
- 明确优化目标(响应时间 < 100ms)
2. /first-principles
- 找到性能瓶颈的本质原因
3. /pdca-cycle
- Plan: 制定优化方案
- Do: 实施优化
- Check: 验证性能提升
- Act: 标准化成功做法适用:用户说"选择XX技术"、"XX vs YY 哪个更好"
1. /goal-oriented
- 明确选型目标和约束条件
2. /first-principles
- 从本质分析需求
3. /swot-analysis
- 分析各方案的优劣势
- 生成决策建议适用:用户说"重构XX架构"、"优化系统结构"
1. /goal-oriented
- 明确重构目标
2. /first-principles
- 找到当前架构的根本问题
3. /ddd-strategic-design
- 重新设计限界上下文
- 优化上下文关系
4. /pdca-cycle
- 逐步迁移
- 持续验证适用:用户说"实现XX功能"、"添加XX"
1. /goal-oriented
- 明确功能目标
2. /mvp-first
- 确定核心功能
- 削减非必要特性
3. /pdca-cycle
- 迭代开发适用:用户说"XX出问题了"、"排查XX bug"
1. /goal-oriented
- 明确问题解决目标
2. /first-principles
- 找到问题的根本原因
3. /pdca-cycle
- 实施修复
- 验证解决方案当编排器执行技能链时:
skills/{skill-name}/SKILL.mdmemory/artifacts/{skill-name}/每个技能执行完成后,工件会被下一个技能读取:
# 当前技能读取前置技能的工件
PREV_ARTIFACT="memory/artifacts/{previous-skill}/latest.json"
if [ -f "$PREV_ARTIFACT" ]; then
# 提取上下文信息
# 在当前技能中使用
fi用户:"设计一个电商平台"
编排器分析:
- 任务类型:新系统设计
- 推荐模板:模板 1(完整流程)
推荐技能链:
1. /goal-oriented - 明确系统目标
2. /first-principles - 从本质思考电商
3. /ddd-strategic-design - 战略设计
4. /ddd-tactical-design - 战术设计
5. /mvp-first - MVP 规划
是否开始执行?
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能用户:"数据库查询太慢,帮我优化"
编排器分析:
- 任务类型:性能优化
- 推荐模板:模板 2(性能优化)
推荐技能链:
1. /goal-oriented - 明确优化目标(响应时间 < 100ms)
2. /first-principles - 找到慢查询的本质原因
3. /pdca-cycle - PDCA 循环优化
是否开始执行?
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能用户:"选择微服务框架,Spring Cloud 还是 Dubbo?"
编排器分析:
- 任务类型:技术选型
- 推荐模板:模板 3(技术选型)
推荐技能链:
1. /goal-oriented - 明确选型目标
2. /first-principles - 从本质分析需求
3. /swot-analysis - 分析各方案优劣势
是否开始执行?
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能保存编排结果到工件文件:
TIMESTAMP=$(date +%Y%m%d-%H%M%S)
ARTIFACT_FILE="memory/artifacts/pilot/result-$TIMESTAMP.json"
cat > "$ARTIFACT_FILE" <<EOF
{
"skill": "pilot",
"version": "1.0.0",
"timestamp": "$(date -u +%Y-%m-%dT%H:%M:%SZ)",
"project": "$PROJECT_ROOT",
"branch": "$BRANCH",
"commit": "$COMMIT",
"input": {
"user_request": "用户的原始请求"
},
"output": {
"task_type": "识别的任务类型",
"recommended_skills": [
"skill-1",
"skill-2"
],
"execution_result": "success"
}
}
EOF
echo "ARTIFACT SAVED: $ARTIFACT_FILE"
ln -sf "$ARTIFACT_FILE" memory/artifacts/pilot/latest.json如果存在目标文件,记录编排完成。
编排器完成后,技能链已执行完毕,通常无需推荐后续技能。
表现:为简单任务推荐复杂的技能链
正确做法:
表现:机械地推荐模板,不考虑用户的具体需求
正确做法:
表现:不给用户选择的机会,直接执行技能链
正确做法:
~30 seconds. Free. No account. Every finding cites a rule and a line of evidence.