Raven SkillForge技能系统深度解析：编写、安装并让AI技能自己进化

Raven SkillForge技能系统深度解析编写、安装并让AI技能自己进化【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/RavenRaven SkillForge技能系统是开源多智能体框架 Raven 的核心能力模块它让 AI Agent 能够发现、调用并持续积累技能Skill——一种可检索的可复用流程文档。本文将带你从零上手如何编写一个技能、如何从 Skill Hub 安装技能包、以及如何让 AI 通过记忆与基准评测实现技能自进化。一、SkillForge 是什么5分钟看懂架构很多人以为给 AI 加能力只能写插件或加 MCP 服务。Raven 提供了一个更轻量的选择技能Skill——一份可被检索到的操作说明可能附带脚本和参考文件但不引入新的运行时工具或无限制执行权限。SkillForge 是这些技能的调度中枢它同时检索三个来源来源说明代码位置 本地技能工作区与内置的SKILL.md文件LocalSkillSource 记忆后端EverOS 等记忆引擎召回的历史经验BackendSkillSource 远程 HubSkill Hub 上的可安装技能包HubSkillSource三个来源的结果通过加权 RRF倒数排名融合合并出最终 Top-K 排序某个来源网络抖动时会被自动隔离不会拖垮整条检索管线。这套机制的实现在 skill_forge/router.py 中路由器的并发扇出与失败隔离逻辑清晰易读。二、SkillForge 快速上手列出、查看与管理技能无需阅读源码三条命令即可摸清当前安装提供了哪些技能raven skill list # 列出 SkillForge 可见的全部技能 raven skill get image-gen --with-body # 查看某个技能的完整说明 raven skill block name # 将该技能加入黑名单全局禁用这些子命令定义在 cli/skill_commands.py 中。列表里会显示技能名称、来源workspace/builtin/everos/mirror、描述和安装时间——被拉黑的技能会以醒目的[blocked]标记。提示skill list只代表目录可见不代表技能已安装或所需工具齐备使用前记得核对技能正文与依赖。三、手把手编写技能一个 SKILL.md 就够了Raven 中的技能本质上是一个带元信息的 Markdown 文件零代码也能写。以官方的图像生成技能为例其完整内容在 image-gen/SKILL.md--- name: image-gen description: Generate images via Nano Banana on OpenRouter. Use when the user asks to draw, illustrate or render any kind of picture. metadata: {raven: {requires: {env: [OPENROUTER_API_KEY]}}} ---编写要点只有三条name 与 description——description是检索的命门要写清楚什么时候该用这个技能AI 靠它做匹配。metadata.requires—— 声明技能依赖的环境变量、工具缺依赖时系统能提前告知。正文写配方而非代码库—— 给出 Quick recipe快速步骤、请求格式、排错清单让模型照着做即可。技能不是玩具Raven 内置的 design-engine 技能包 就能产出专业的营销海报与品牌视觉。四、安装技能包从 Skill Hub 一键获取发现新技能后Hub 下载有一套独立的同意策略在配置文件中这样写{ skillForge: { discovery: pull, autoInstall: prompt } }autoInstall取值为auto默认自动安装、prompt交互终端请求同意、off跳过下载。安装成功后会在workspace/skills/hub/installs.jsonl留下审计日志装过什么、何时装的一查便知。安全方面Hub 下载引擎skill_hub/hub.py内置了防 zip 炸弹的成员白名单、包体上限、分阶段解压与锁机制——技能是文档加几个脚本这个上限就是它与恶意包的分界线。⚠️ 目录中的安全评分不是安全保证执行前请人工审查脚本内容。五、让 AI 技能自己进化从经验到技能的闭环自进化是 Raven 最常被问到的特性。它由三个层次构成且边界清晰1️⃣ 记忆沉淀经验自动回流默认的记忆后端插件EverOS会跨会话持久化用户偏好与 Agent 经验。当 SkillForge 检索时BackendSkillSource把记忆后端召回的历史案例直接作为技能候选重新注入——做过的任务会变成下次的提示来源。2️⃣ 检索策略pull 模式省 tokenskillForge.discovery默认为pull模型只在合适的轮次收到一份轻量名称/描述菜单需要时用find_skill搜索、read_skill拉取正文避免了 push 模式每轮重写上下文的开销。3️⃣ Evolver基准驱动的 Harness 进化真正的自我改进由独立的 Evolver 工具完成诊断失败任务 → 设计候选修改 → 廉价筛选 → 全量确认 → 有效修改保留为 Git 提交。注意这不是 Agent 在聊天中偷偷改写自身代码而是可复现、可回归的评测流程详见 Evolver 使用与实验。六、实战演示看 AI 自己找到技能并执行仓库自带一个端到端演示 demos/skill_retrieval/一行命令跑通完整链路bash demos/skill_retrieval/run_agent_demo.sh render a cyberpunk skyline at nightAgent 的思考过程会实时打印先看到本地技能目录 → 选中image-gen并读取 SKILL.md → 按Quick recipe写出 Python 脚本 → 用 exec 工具执行并产出 PNG。没有特殊代码路径SKILL.md 就是 AI 的唯一事实来源。常见问题Q技能列出来了但 AI 没用A检查它是否真的拉取了正文、所需工具是否齐全、是否被skill block拉黑以及选中的 Agent 是否挂载了该技能。Q任务完成后为什么没有自动生成新技能A记忆后端的经验回流不等于技能蒸馏。skillForge.extraction配置保留但不会自动启动本地技能蒸馏管线可显式编写本地技能或改用 Playbook 固化流程。Q技能会不会带来安全风险A安装审计 黑名单 下载限流三重防护但目录安全评分不作数脚本执行前务必人工审查。总结Raven SkillForge技能系统的设计哲学可以概括为一句话技能是最小扩展单元——一份 Markdown 让 AI 学会新本领三条命令管理生命周期记忆与 Evolver 让能力随使用而复利增长。无论是新手还是资深用户都可以从raven skill list开始10 分钟内体验从写技能到装技能再到进化技能的完整闭环。想深入更多细节建议阅读官方文档 skills-and-extensions.md含能力对照表与诊断清单以及 技能召回演示源码。【免费下载链接】RavenThe Harness of Harnesses: a trusted, persistent, self-evolving multi-agent ecosystem for all-domain collaboration.项目地址: https://gitcode.com/gh_mirrors/raven35/Raven创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考