Skill 装得再多也组不起来？OpenSquilla 把编排收成可回放协议

本地已经写过不止一篇 Agent Skills 文：addyosmani/agent-skills 讲的是把工程习惯打成斜杠命令；agent-skills-complete-guide 讲的是 SKILL.md 怎么渐进式加载、怎么避免上下文爆炸；antigravity-awesome-skills 和 claude-code-skills 讲的是目录怎么挑、仓库怎么装。这些文回答的是同一类问题——单个技能怎么写、怎么发现、怎么装进 Claude Code / Cursor。

本文换一层。源微信页触发了验证码拦截，正文以 OpenSquilla 官方仓库（Apache-2.0，稳定版 0.5.4，约 6.6k Star）、MetaSkill 用户指南、编排写作规范 以及源文作者苍何在 WeSight 里接引擎的演示为准，不臆造未公开能力。它要解决的不是「再写一份 SKILL.md」，而是：原子技能已经堆到几十、几百个之后，谁来检索、筛选、按依赖拼成可审计、可回放的工作流。 这一层官方叫 MetaSkill。

一、Skills 文教你写卡片，OpenSquilla 管的是怎么组牌

把 Skill 当成扑克牌：渐进式披露解决的是「别一次把整副牌塞进上下文」；目录仓库解决的是「牌从哪来」；MetaSkill 解决的是「这一把该出哪几张、谁先谁后、失败谁顶上」。官方类比写得很直：Makefile 并不替换 shell 命令，它只规定命令怎么组合。MetaSkill 也不替换 Skill 或工具，它告诉运行时：这一类高价值工作该怎么理解、怎么拆步、怎么检查、怎么交付。

源文作者的痛点很具体：公众号写完要同步小红书，得重写标题、改文案、做封面，一套半小时。写死 n8n / Dify 节点图太僵；每次让 Agent 从零 trial-and-error 又贵又不稳定。他在 WeSight 里切到 OpenSquilla 引擎，只丢一句「把这篇公众号转成种草向小红书图文」加链接。运行时没有直接开写，而是先在技能面板里检索到三个原子能力：wechat-article-extractor、xiaohongshu-text-skill、xiaohongshu-cover-generator，再按依赖排成 DAG——先解析出 Markdown，再改写文案，最后出图。源文称全程大约 40 秒，工作流不是人事先拖好的节点，是现场组出来的。

这和我们本地已有的 Skills 文完全不抢题。那些文停在「卡片规范」；这篇停在「组牌协议」。技能社区一旦更新，硬编码脚本往往先废；MetaSkill 的承诺是：新解析器出现时，编排层可以把它纳入候选，而不必重写整条业务流程图。源文把这叫做「自进化」——工程上更准确的说法是：组合层可替换、运行记录可回放、重复协作可沉淀成提案。 真正改 SKILL.md 正文、打分、git 棘轮回滚的，是另一类项目（例如 darwin-skill）；OpenSquilla 走的是 Harness 层：路由 + 编排 + 审计。

二、MetaSkill 是任务协议，不是又一个「超级 Prompt」

OpenSquilla 自己是微内核 Agent 运行时：同一套回合循环同时服务 Web UI、CLI 和聊天频道；本地路由把简单回合丢给便宜模型，复杂回合再升级；技能与 MCP 按需加载。0.5.4 的产品叙事里，Harness 优化和 MetaSkill 是一条线，而不是两个互不相关的卖点。论文 Agentic Routing: The Harness-Native Data Flywheel 讲的是路由如何把日常流量变成数据飞轮；MetaSkill 则把「重复的高价值协作」收成可启动的协议。

一份 MetaSkill 仍然是 SKILL.md，但 frontmatter 必须带 kind: meta 和 composition。运行时由模型选择工作流（或你用 /meta <name> 显式点名），真正执行时由编排器强制：依赖顺序、模板渲染、风险元数据、递归守卫、工具门禁、暂停等人审、最终文本选取。模型可以「点菜」，不能在执行期把 DAG 改成环、也不能把未声明的高风险工具偷偷塞进去。

---
name: short-stable-name
kind: meta
description: One sentence that tells the model when this workflow applies.
triggers:
  - short phrase users naturally type
meta_priority: 50
always: false
final_text_mode: auto
metadata:
  opensquilla:
    risk: low
    capabilities: []
composition:
  steps: []
---

默认启动模型是手动。Web 聊天和 CLI 网关 TUI 支持 /meta 列出工作流、/meta meta-paper-write 启动；频道表面通常只能列出，不能从随口一句话跑起来。若要把旧行为找回来，才在配置里打开自动触发：

[meta_skill]
auto_trigger = true

官方明确警告：自动触发只适合你故意让模型在普通对话里挑选工作流的场景。粘贴旧聊天记录、技能清单或测试材料时，历史文本里的触发词可能被当成当前意图。稳妥写法是先声明「以下是引用上下文，不要运行任何 skill」。全局也可以直接关掉模型可见的 MetaSkill：

[meta_skill]
enabled = false

关掉之后，库存和历史 run 仍可查，但 prompt 不再注入、meta_invoke 不再暴露，显式调用也会被拒。这和「把所有技能 description 都塞进系统提示」是相反的设计：编排层默认要人点名，而不是默默在后台自作主张。

三、内置目录很小：质量优先，不靠堆「元技能」充数

稳定捆绑的 MetaSkill 官方故意收得很窄。用户指南当前保留的高价值任务类大致是：

meta-kid-project-planner 已退役：定义还留着，只为升级后还能检查、恢复、回放进行中的 run，不再出现在 /meta，也不能新开或自动触发。官方态度很清楚：不成熟、重复、或只是给单个 Skill 套一层皮的 MetaSkill，不该留在捆绑目录里。

一次高质量请求要带四样东西：结果（要拿到什么）、上下文（材料、实体、时间、约束）、标准（怎样算好）、边界（不许发明、不许自动发布、哪些必须确认）。论文工作流的推荐口令类似：

/meta meta-paper-write

Outcome: produce a compact research paper and PDF.
Context: retrieval-augmented generation for customer-support knowledge bases.
Decision standard: source-grounded, concise, and explicit about missing experimental evidence.
Expected output: manuscript structure, verified citation plan, LaTeX, and PDF.
Constraints: keep unverified results as placeholders.
Do not: invent sources, measurements, or comparisons.

WebUI 顶部会有一条进度丝带：当前步骤高亮，成功 ✓、跳过 ↷、失败 ✗、on_failure 替换 ⇄。断线重连后网关会重放 announce → state → completed，丝带能回到最新状态。这就是「可审计」的产品形态：你看到的不是一段黑盒长回复，而是每一步的输入、输出和状态。

启动前还有一层 preflight。新 run 会在创建隐藏工作流状态、发出付费请求之前做就绪检查。缺本地工具链时，Web 聊天弹出安装卡片：写明能力、来源、版本、许可证和下载体积，等你确认才从代码所有的目录下载，校验大小和 SHA-256，解压到用户态 state/toolchains/v1，再跑真实能力冒烟。失败或取消不会偷偷降级成「假装已经写好了 PDF」。论文链路在 macOS 上固定下载大约 226 MB，Linux 165–172 MB，Windows 265 MB；短剧链路的 FFmpeg 包大约 76–87 MB。安装不改你的 shell PATH。

四、安装、盘点、回放：先把运行时握在手里

推荐终端安装走 uv，装的是发布 wheel，不需要系统 Python。0.5.4 的命令如下（国内若镜像失败，改用 GitHub Release 上的同名 wheel）：

curl -LsSf https://astral.sh/uv/install.sh | sh
. "$HOME/.local/bin/env"

uv tool install --python 3.12 \
  "opensquilla[recommended] @ https://github.com/TokenRhythm/opensquilla/releases/download/v0.5.4/opensquilla-0.5.4-py3-none-any.whl"

opensquilla onboard
opensquilla gateway run

recommended extra 会带上 SquillaRouter（ONNX Runtime、LightGBM、NumPy、tokenizers）。macOS 终端安装若报 libomp.dylib 缺失，需要 brew install libomp；Windows 可能要单独装 VC++ 运行库。路由器起不来时，OpenSquilla 仍可用直连单模型继续跑，只是 Harness 那层智能路由暂时旁路。桌面用户可直接下 OpenSquilla-0.5.4-mac-arm64.dmg / OpenSquilla-0.5.4-win-x64.exe。家庭服务器或 NAS 有预构建多架构镜像，文档给出的针定标签是 ghcr.io/tokenrhythm/opensquilla:v0.5.4，默认网关端口 18791，容器内管理 Web UI 要求 token 认证。

装好之后，先当运维把库存摸清，再谈「自组织」：

opensquilla skills list
opensquilla skills search meta
opensquilla skills inspect <meta-skill-name>

opensquilla skills meta runs list
opensquilla skills meta runs show <run-id>
opensquilla skills meta runs steps <run-id>
opensquilla skills meta runs failures --since 24h
opensquilla skills meta runs replay <run-id> --dry-run

inspect 看的是编译后的步骤形状，适合在依赖别人工作流之前先核对 DAG。replay --dry-run 只预览回放形态，不真正跑付费步骤。提案侧则是另一组命令：

opensquilla skills meta proposals list
opensquilla skills meta proposals show <proposal-id>
opensquilla skills meta proposals accept <proposal-id>

本地托管技能落在 ~/.opensquilla/skills/<skill-name>/SKILL.md；仓库捆绑技能在 src/opensquilla/skills/bundled/。接受提案后，运行时把它提升进托管目录并刷新加载器。配套练习目录 practice/ 放了一份教学用「公众号 → 小红书」MetaSkill 草稿，对应源文演示的三步 DAG，方便对照 YAML，而不是把 WeSight 面板截图当官方捆绑技能。

本文环境未拉起完整 gateway（wheel 体积和路由器模型资产较大），CLI 盘点命令以官方文档为准。你本机 opensquilla skills search meta 至少应能看到 meta-paper-write、meta-skill-creator 这类名字；若列表为空，先查 kind: meta 是否被解析、技能目录是否被加载、以及 meta_skill.enabled 是否被关掉。

五、自己写 composition：步骤类型、并行和失败替换

写作规范把步骤分成有限几种，禁止把 MetaSkill 做成「任意递归的超级 Agent」。常见 kind：

• agent：挂一个普通 Skill 的子 Agent 回合，适合需要推理和综合的步骤。
• llm_chat：单次有界生成，不进工具循环，适合意图归一、短起草、审计。
• llm_classify：闭集单值分类，适合分流。
• user_input：暂停，按 clarify schema 收人填的结构化字段。
• tool_call：确定性直接调工具，必须 tool_allowlist，能改状态就要标高风险。
• skill_exec：跑带 entrypoint 的子进程 Skill，适合文档转换这类确定性 CLI。

无 depends_on 的步骤可以并行。下面这份官方示例把代码审查和测试审查并行，再合并：

composition:
  steps:
    - id: inspect_code
      kind: agent
      skill: code-reviewer
      with:
        request: "{{ inputs.user_message | xml_escape | truncate(512) }}"

    - id: inspect_tests
      kind: agent
      skill: test-engineer
      with:
        request: "{{ inputs.user_message | xml_escape | truncate(512) }}"

    - id: merge
      kind: agent
      skill: summarize
      depends_on: [inspect_code, inspect_tests]
      with:
        text: |
          Code review:
          {{ outputs.inspect_code | truncate(2000) }}

          Test review:
          {{ outputs.inspect_tests | truncate(2000) }}

图必须是 DAG：只能依赖同一份 composition 里声明过的 id，不能再嵌套另一份 MetaSkill。route 让后续 agent / skill_exec 按前序输出选 Skill；on_failure 只能指定一个替补步骤，替补自己不能再带依赖或再套 on_failure。final_text_mode 决定用户最终看到什么：auto 由编排器综述，raw 用最后非替补步骤原文，step:<id> 钉死某一个交付物。

模板按 Jinja 处理，用户输入和前序输出一律当不可信。规范要求先 xml_escape 或 slugify，再 truncate；禁止把 {{ inputs.user_message }} 或 {{ outputs.some_step }} 原样灌进下游。风险写在 metadata.opensquilla.risk（low / medium / high）和 capabilities（filesystem-write、network-write、credential-use、shell 等）。子技能缺风险元数据时，无人值守自动启用会按更保守的一侧处理。

源文那条「公众号转小红书」若用协议写下来，形状接近：解析（skill_exec 或 agent）→ 改写（agent）→ 出图（skill_exec，标 artifact-write）。真正的业务逻辑仍在三个原子 Skill 里；MetaSkill 只声明步骤、依赖和输入输出映射。社区里如果出现更好的解析器，替换发生在原子层，编排文件可以不动——这是源文「自进化」叙事里，唯一能和官方协议对上的工程含义。

六、所谓自进化，落点是提案，不是后台偷偷改生产技能

源文最容易被读成「Agent 自己改 Skill、自己替换解析器、自己上线」。官方 meta-skill-creator 的描述更冷：它只在用户明确要求创建/组合/提出一份编排多个现有技能的新元技能时使用；不用于普通独立 Skill、概念问答、粘贴技能清单、讨论已有 MetaSkill。默认模式是 preview，持久化必须说清楚。

捆绑工作流自己就是一份 kind: meta 的 DAG。开头几步很能说明产品哲学：clarify_intent 只根据当前请求判断 ROUTE: normal-skill | meta-skill，禁止去翻工作区、历史或记忆来「脑补」你想创建工作流；边界不清就走 user_input 表单，补齐目标、输出形态、触发词，避免生成过宽的触发面。后续还有触发词冲突检查、lint、冒烟/运行时闸门、预览，最后才可选地写入提案。接受提案是另一条人审命令，不是 creator 跑完就直接进生产加载器。

MetaSkill 把高价值工作变成可复用、可审计、可改进的协作协议。它并不取消审查、判断和问责。

这条官方免责声明值得当产品边界来读。输出是决策支持和草稿，不是法律/医疗/财务/学术终稿；发布、安装、付款、签字、改生产系统，必须有明确授权。依赖搜索、文档解析、LLM 判断或第三方工具时，结果会受来源质量、模型限制、工具是否在线、上下文是否完整影响。你要审事实、引用、假设和不可核实的断言。

所以「自进化」在 OpenSquilla 里更像三条受控回路，而不是无人看管的变异：

1. 运行时组合：面对新目标，检索已装原子技能，按协议拼 DAG（源文 WeSight 演示属于这一层）。

2. 协议沉淀：重复出现的多技能协作，经 meta-skill-creator 变成提案，人审后才提升为托管 MetaSkill。

3. Harness 路由：简单任务走便宜模型，复杂任务升级，缓存命中直接复用；源文提到 DeepSeek 系列按复杂度分流，和官方「本地路由器 + 多提供商」方向一致，具体模型名以你当前 0.5.4 配置为准，不要把演示截图里的型号当成 API 契约。

若你要的是「对单份 SKILL.md 打分、只保留涨分的 git commit」，那是 darwin-skill / SkillOpt 那条线，不要和 MetaSkill 混为一谈。两者可以前后衔接：先用 creator 组出可运行协议，再用进化器打磨原子 Skill 的正文质量。

七、排坑清单：组合灾难、误触发、以及它现在仍不稳的地方

源文借用 OpenSquilla 的说法，把技能从几十涨到上千之后「不知道哪几个能拼起来」叫做组合灾难。这不是修辞。约束如果只存在于某个人脑子里，或写死在一份三年没人敢动的脚本里，社区一更新你的流程图就废。MetaSkill 把约束外置到 YAML：依赖、路由、失败替换、风险、模板过滤器。代价是你必须维护这份 YAML，并且接受「MetaSkill 不能再组合 MetaSkill」这条硬限制——复杂系统要拆成原子 Skill + 一层编排，而不是元技能套元技能。

实践中最容易踩的坑：

1. 以为一句话就会自动跑工作流。 0.4/0.5 产品线默认要 /meta <name>。没开 auto_trigger 时，自然语言只是在聊天，不会替你挑协议。

2. 把历史记录当当前意图。 粘贴旧对话前加「只分析、不创建、不运行」。

3. 模板不过滤。 未截断的用户输入灌进子 Agent，等于把注入面交给下游 Skill。

4. 风险标低了。 出图、写文件、调外部 API 至少是 medium 加对应 capability；shell / 改生产是 high。

5. 用 MetaSkill 包一层单技能。 官方明确这是差候选，会污染 /meta 列表。

6. 把演示质量当成 SLA。 源文也承认复杂工作流编排还不够稳、依赖判断会不准。官方同样说：声称创建了文件但产物不存在、把工具失败藏成成功、忽略「不要发送/不要发布」，都应视为坏 run，该停、该换、该重跑。

适合做成 MetaSkill 的任务：重复发生、天然多步、输入相似但细节变、输出形态稳定、需要审计或确认。不适合的：一次性事实查询、单工具调用、没有稳定交付标准的头脑风暴、高风险动作却没有人审卡点。

和本地已有 Skills 文的分工可以写进团队约定：新来的同学先读架构文，学会写合格的原子 SKILL.md；技能荒的时候去目录文挑仓库；只有当「这件事每次都要串三个以上技能，且需要回放」时，才打开 OpenSquilla 写 kind: meta。 不要把所有 Prompt 都升级成 MetaSkill，那会制造第二种组合灾难——元技能目录本身不可读。

八、小结：下一层红利在 Harness，不在再造一张技能卡片

Agent 生态正在同时膨胀三样东西：模型、MCP、Skill。前两样决定「单步聪不聪明」；第三样决定「会不会干某一类活」。OpenSquilla 赌的是第四样：组织这些活的协议是否可检查。 源文用公众号转小红书证明「现场组 DAG」做得到；官方文档用 /meta、run 历史、提案门禁和风险元数据，把这件事从 Demo 收成可运维的产品。

如果你已经会写 SKILL.md，下一步不是再收藏一个 awesome 列表，而是问三个问题：这条流程本周会不会再跑一遍？失败了要不要知道卡在哪一步？社区换了一个更好的原子技能时，你的编排还能否不动？三个问题都是「要」，就把目标写成 MetaSkill，用 inspect 看编译结果，用 replay --dry-run 核对形状，用 creator 只产出提案而不是直接写进生产目录。

仓库与文档：

• GitHub：github.com/opensquilla/opensquilla
• 用户指南：docs/features/meta-skill-user-guide.md
• 写作规范：docs/authoring/meta-skills.md
• 教学草稿：practice/wechat-to-xhs.SKILL.md

模型会继续变强，卡片也会继续变多。真正拉开差距的，往往是你有没有一层不肯装糊涂的编排协议。