Back to skills
extension
Category: AI Agent CapabilitiesNo API key required

技能雷达

支持城市查询、美食查询、景点查询、行业查询、人物查询、事件查询、图书查询、电影查询、历史查询、文化查询……地名、类目、行业、人物、事件,凡是你能想到的主题,都能一键查询。让你的 AI 助手拥有全网技能雷达,指哪查哪,即问即得,一站式完成所有主题查询。技能雷达(Skill Radar)—— 通用 AI 技能查询与编排工具。输入任意主题,自动扩展搜索关键词,在 AI 技能库、GitHub 开源库与全网平台中检索相关技能,按热度与 Star 数智能排序,输出 Top10 技能榜单并编排执行,最终生成结构化调研报告。 Skill Radar — universal AI skill search & orchestration tool. Input any topic, auto-expand keywords, search across AI skill libraries, GitHub repos and the web, rank by stars & popularity, output Top 10 skill lists, orchestrate execution, and generate structured research reports. City search, food search, attraction search, industry search, people search, event search, book search, movie search, history search, culture search — any topic you can imagine, one-click query. Give your AI assistant a full-web skill radar: ask anything, get answers instantly.

personAuthor: staysharp1hubModelScope

技能雷达(Skill Radar)— 通用 Skill 查询编排器

核心价值

把"从各种开源库 / skill 市场搜 skill → 给排名 → 按排名分工执行 → 整合"固化成一个通用入口:

输入:任意问题(如"成都美食"、"AI 写作工具"、"帮我调研露营装备")
输出:① Top10 skill 排名清单 → ② results/{需求}/ 分工执行结果 → ③ 00-整合报告.md

与 food-explorer 的关系:food-explorer 是美食领域专用实例(保留独立);本 skill 是主题无关的通用编排入口。

工作流(8 步)

S0 快速模式(可选:结果与时间平衡)

不想等全量执行时,用分层交付:T0 秒级出结论 → T1 预算内执行 → T2 深挖补全(先给能给的,再补齐剩下的):

  1. T0 秒级出结论(知识库/24h 缓存命中即答,<2 秒):
    python3 scripts/search_skills.py --topic "露营" --fast --top 10
    
    • 知识库 query-knowledge.json 有该主题实测结论 → 直接输出结论摘要 + 查池候选清单,零配额
    • 24h 内查过同主题(query-cache.json)→ 直接复用上次 Top 清单
    • 未命中 → 自动降级完整模式(提示语)
  2. T1 预算内执行(实时搜索与平台查询限时,默认 --budget 90 秒):
    • 平台查询类 skill 按成本分执行:c1 免密钥 API(OSM/arXiv/Polymarket/网页读取,几秒出结果)→ c2 需密钥 API(百度系/X/YouTube/热榜)→ c3 浏览器/CDP(bb-browser,最慢)
    • 每完成一个 skill 立即增量更新 results/{需求}/00-整合报告.md,用户随时可看,不用等全部跑完
    • 超出预算的 skill 在报告标记"待深挖",不阻塞交付
  3. T2 深挖补全(可选):预算外的 skill 继续执行,报告持续更新;T1 结果已够用时可提前收工

时间预算用 --budget <秒> 随时调整;报告阶段状态见 templates/report_template.md

S0 平台查询优先(任何需求第一步)

任何需求,先找"平台查询类 skill"(能查国内外各大平台的),国内平台优先、国外辅助,先用它们直接查需求内容给答案,再走主题 skill 搜索补深度:

  1. 列出平台查询类 skill(注册表已打 platform 标记,国内优先 + 成本升序):
    python3 scripts/search_skills.py --platform --top 20
    
    • 输出格式 [cn|c1]:region + cost 成本分(1=免密钥 API / 2=需密钥 / 3=浏览器,越小越快)
    • 执行时优先跑 c1 → c2 → c3,预算不足时先砍 c3
  2. 选择策略(规则写死,国内优先)
    • 第一批·国内平台:bb-browser site 系统(小红书/抖音/B站/微博/知乎/百度/头条/快手/贴吧)、githubm 热榜(微博/头条/知乎/抖音/B站/百度/贴吧/快手/小红书 9 大平台)、百度系(搜索/百科/地图/天气)、企查查、生活查询(快递/12306/股市/限行/汇率…)
    • 第二批·国外平台:X、YouTube、arXiv、Reddit、OSM、Polymarket、Notion(辅助补深度)
  3. 用选中平台 skill 直接查需求内容 → 结果作为答案主体(落盘 results/{需求}/00-平台查询/
  4. 之后再走 S3 主题 skill 搜索(补深度产出)

注册表维护:平台标记由 update_registry.py --tag-platforms 维护(本地已装 skill 自动打标,规则变化自动修正)

S1 意图解析

  1. 从用户输入提取主题词(支持任意领域:美食/旅游/工具/调研/写作…)
  2. 读取 references/query-knowledge.jsontopics 数组匹配主题
  3. 命中 → 取该主题的 keywords_cn/keywords_en;未命中 → 模型现场生成 6-10 个主题词,并提示用户可回写知识库(自进化)

S2 关键词生成(沿用实测结论)

① 英文核心词(≤2 词/组,GitHub 索引最好)→ "chengdu food"、"ai writing"
② 中文单关键词(不带多余修饰)           → "美食"、"写作"
③ 中英叠加(备用)                       → "成都 美食"
④ 场景词(WebSearch 用)                 → "成都 美食 探店"

总组数 6-10 组(匿名限速 10 次/分钟)。英文词优先。

S3 多源搜索排名

  1. GitHub API 主源(stars 权威),按主题模式跑:
    # 美食主题(强过滤,与 food-explorer 行为一致)
    python3 scripts/search_skills.py --region "成都美食" --top 10 --output /tmp/skills-{req}.json
    # 任意主题(弱过滤:命中 skill 特征词即可;--strong-words 可启用主题强过滤)
    python3 scripts/search_skills.py --topic "AI 写作" --top 10 --output /tmp/skills-{req}.json
    python3 scripts/search_skills.py --topic "AI 写作" --strong-words "writing,写作,writer" --top 10
    # 自定义噪音词表
    python3 scripts/search_skills.py --topic "AI 写作" --noise-file my_noise.json --top 10
    
    • 脚本自动:依次查询 → 合并去重 → 噪音过滤 → stars 降序
    • 403 限速自动等待 60 秒重试;连续多轮用 --sleep 60
    • 调词表后重过滤不用重请求:--refilter /tmp/skills-{req}.json
  2. skill 注册表(skill-registry.json)优先查池:已入池主题直接秒出,零配额:
    # 查池优先:命中 ≥top 则不再实时搜索(省配额);不足则实时补差
    python3 scripts/search_skills.py --topic "AI 写作" --strong-words "writing" --use-registry
    # 只查池,不实时搜索
    python3 scripts/search_skills.py --topic "爱情电影" --registry-only
    # 实时搜索限时(秒),超时截断剩余查询组(快速模式用)
    python3 scripts/search_skills.py --topic "AI 写作" --budget 90 --top 10
    
    • 被动入池(默认开):每次实时搜索后,新发现的 skill 自动写入注册表(--no-write-registry 关闭)
    • 注册表维护(手动跑):python3 scripts/update_registry.py --init(种子导入)→ --refresh --limit 100(stars 刷新+健康检查)→ --stats(统计)→ --export csv(导出)
  3. 本地已装 skill 库补齐:开源不足 10 个时,用本地库补位(标注"本地已装,可直接执行")
  4. WebSearch 补充:搜"主题 + skill/工具"获取开源库外的条目

S4 人工核查

  • 描述/仓库名与主题无关 → 剔除(多义词、README 误命中)
  • 0 星但描述高度对口 → 保留进备选
  • 不足 10 条 → 用本地库/WebSearch 补足并标注来源

S5 排名先行(固定交付物 #1)

先把 Top10 排名清单给用户看(含 ⭐/一句话说明/来源/可执行性),确认后再进入执行。

S6 分工执行(先国内、后国外)

  1. 创建执行框架(一键):

    python3 scripts/build_framework.py "需求名" \
      --skills "skill1,skill2,...,skill10" \
      --desc "skill1:职责1;skill2:职责2;..." \
      --base-dir results
    

    → 自动建 results/{需求}/00-技能清单/ + 01-{skill1}/...10-{skill10}/ + 分工表 README

  2. 执行顺序(两批,规则写死)

    | 批次 | 范围 | 说明 | |------|------|------| | 第一批·国内 | 本地已装 skill(bb-browser、githubm 热榜等)+ 国内开源库(yzfly/awesome-skills-zh、chubbyskills 等) | 先跑国内平台数据(小红书/微博/B站/抖音),先啃反爬硬骨头;结果未出不影响后续 | | 第二批·国外 | GitHub 开源 skill(recipe-generator 等) | 后跑,补充深度产出 |

    • 目录编号按排名(01..10),但执行顺序按"国内批 → 国外批",整合报告按排名展示
  3. 逐个 skill 执行

    • 开源 skill:真实 git clone → 读 SKILL.md → 按其工作流执行;不能执行的(缺 API key/登录/地域受限)如实出评估报告,给出兜底方案
    • 本地 skill:直接调用真实执行(bb-browser 直搜、热榜 API 等)
    • 每个结果落盘到自己的文件夹
  4. 整合报告:按 templates/report_template.md 生成 results/{需求}/00-整合报告.md

    • 增量更新:每完成一个 skill 立即追加(T1 预算内),不用等全部跑完;阶段状态行标注 T0/T1/T2
    • 执行概况表(✅ 已执行 / ⚠️ 受限 / ❌ 不可用 / 🔄 待深挖)
    • 跨 skill 核心结论(多 skill 交叉验证清单)
    • 采集/工具类 skill 可用性实测结论(阻塞点 + 修复成本)
    • 数据可信度与限制

S7 经验回写

  • 执行中发现的不可用 skill、密钥依赖、流程改进 → 写回本 SKILL.md
  • 新主题关键词 → 回写 references/query-knowledge.json

注意事项

  • API 配额:GitHub 匿名限速 10 次/分钟,组别 ≤10 组;403 等待 60 秒或配 GITHUB_TOKEN(30 次/分钟)
  • 中文索引差:优先英文关键词;中文用单词
  • 反爬:国内平台采集类 skill 易被反爬击穿,实跑须核对产物(防静默失败)
  • 合规:只做信息检索与排名,不下载/复制仓库内容;采集类 skill 须遵守平台 ToS,仅限个人学习研究
  • 知识库扩展:编辑 references/query-knowledge.jsontopics 数组(自进化),无需改 skill