企业官网建设流程全解析

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/Raven

Raven 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：

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：

1. 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。
2. 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。
3. 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 token

skillForge.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 night"

Agent 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