ai-skill-optimizer（ai 技能优化器）

AI Skill optimize工作流（CTO × CISO standard）

executerole：Skill optimize者（CTO 性能工程 + CISO security加固） 版本：v1.0.0（CTO-001 性能optimize × CISO-001 security加固） compliance状态：✅ optimize前必须做影响analyze，🚨 security加固优先于性能optimize

核心principle

1. security第1：security加固优先于性能optimize，不得以牺牲security换取性能
2. 可量化：optimize必须有明确的metric改善（Token 节省、latency降低等）
3. 无回归：optimize后Function必须与optimize前完全1致
4. 渐进式：每次optimize聚焦1个维度，便于定位问题

Agent 调用接口（Inter-Agent Interface）

版本：v1.1.0（新增接口层） securityConstraint：接口本身零新增攻击面，所有输入参数均经过verify

接口身份

TASK 消息格式

{
  "skill": "ai-skill-optimizer",
  "version": "1.1.0",
  "task": "<task-type>",
  "params": { ... },
  "context": {
    "caller": "<caller-agent-id>",
    "priority": "<P0|P1|P2|P3>",
    "optimization-dimension": "<token|performance|security|quality|full>",
    "isolated": true
  }
}

可用 Task 类型

dimensions[] 可选值："token" \| "performance" \| "security" \| "quality"（默认全部）

| compare | skill-name | {baseline, current, delta} | optimize前后对比report |

Task 参数 Schema

baseline 参数

{
  "skill-name": "string (required, skill slug)",
  "caller":     "string (required, agent ID)"
}

返回示例：

{
  "status": "success",
  "result": {
    "skill-name": "pdf-processor",
    "version":    "1.0.0",
    "tokens":     {
      "skill-md":   4200,
      "references": 1850,
      "scripts":    320,
      "total":      6370
    },
    "performance": {
      "p95-latency-ms": 850,
      "avg-latency-ms": 420
    },
    "security": {
      "cvss-score":  5.3,
      "red-flags":   0,
      "stride-passes": 6
    },
    "quality": {
      "quality-gate-score": 7,
      "gates-passed": 5,
      "gates-failed": 2
    }
  }
}

security-harden 参数

{
  "skill-name":    "string (required)",
  "authorization": "string (required, must be CISO-001)",
  "hardening-target": "critical | high | medium (default: high)",
  "caller":        "string (required)"
}

输入verify：

# 伪代码
if params["skill-name"].contains("..") or "/" in params["skill-name"]:
    raise ValueError("Invalid skill-name: path traversal detected")
if params["authorization"] != "CISO-001":
    raise PermissionError("security-harden requires CISO-001 authorization")

返回值 Schema

{
  "status":   "success | error | pending | no-improvement-needed",
  "task":     "<task-type>",
  "result": {
    "skill-name":  "<name>",
    "version-before": "<version>",
    "version-after":  "<version>",
    "improvements":   [ ... ],
    "metrics": { ... }
  },
  "meta": {
    "reviewer":    "<agent-id>",
    "duration-ms": "<elapsed>",
    "savings": {
      "tokens":  "<N tokens saved>",
      "latency": "<N ms saved>",
      "cvss":    "<before → after>"
    }
  }
}

错误码

Agent 间调用示例

# CTO-001 请求全维度optimize
sessions_send(sessionKey="cto-isolated", message="
skill: ai-skill-optimizer
task: full-optimize
params:
  skill-name: pdf-processor
  dimensions: [token, performance]
  caller: CTO-001
context:
  priority: P1
  optimization-dimension: full
isolated: true
")

# CISO-001 请求security加固
sessions_send(sessionKey="ciso-isolated", message="
skill: ai-skill-optimizer
task: security-harden
params:
  skill-name: pdf-processor
  authorization: CISO-001
  hardening-target: critical
  caller: CISO-001
")

# CQO-001 请求质量enhance
sessions_send(sessionKey="cqo-isolated", message="
skill: ai-skill-optimizer
task: quality-improve
params:
  skill-name: pdf-processor
  target-quality: 9
  caller: CQO-001
")

# CQO-001 请求baseline测量（optimize前）
sessions_send(sessionKey="cqo-isolated", message="
skill: ai-skill-optimizer
task: baseline
params:
  skill-name: pdf-processor
  caller: CQO-001
")

securityConstraint（接口层）

🚨 接口security红线：
• skill-name 仅接受 [a-z0-9-] 字符，reject `..` 和 `/`（防path遍历注入）
• security-harden 必须 CISO-001 authorize，其他 Agent 无法绕过
• security-regression prohibit：加固后 CVSS 必须 ≤ 加固前
• 隔离execute：所有 agent 调用必须在 isolated 会话中运行
• 最小respond：返回结果仅包含metric差值，不暴露内部代码
• 回归protect：optimize后自动运行回归测试，失败则reject交付

与其他 Skill 的接口关系

optimize维度

优先级规则：P0（security）无条件execute，P1（Token）影响成本，P2（性能）影响体验，P3（可维护）长期价值

4步optimizeprocess

Step 1 — baseline测量（Baseline）

输出：optimize前的各项metricbaseline值

1.1 Token analyze

# 统计 SKILL.md Token 数（估算：1 Token ≈ 4 字符）
wc -c SKILL.md  # 字节数
grep -c "^" SKILL.md  # 行数

# 统计 references/ 总 Token 数
cat references/*.md | wc -c

Token 预算Goal（CTO 建议）：

1.2 性能baseline

## 性能baselinerecord

Skill：<name>
测试日期：<ISO date>
环境：<测试环境描述>

### execute时间
- 平均latency：<X>ms
- P95 latency：<X>ms
- P99 latency：<X>ms

### 资源使用
- 内存峰值：<X>MB
- CPU 使用率：<X>%

### security基线
- RED FLAGS：<count>
- CVSS 评分：<score>
- 攻击面assess：<description>

1.3 security基线

execute CISO securityreview（完整 Phase 4）：

• STRIDE 威胁建模
• CVSS 漏洞评分
• permission范围assess

Step 2 — optimizeanalyze（Analysis）

2.1 Token optimizeanalyze

Token optimize检查清单：

- [ ] SKILL.md 是否超过 500 行？ → 拆分到 references/
- [ ] 是否有重复的代码示例？ → 合并/外置
- [ ] 是否有冗长的解释？ → 精简为要点
- [ ] 是否有不必要的示例？ → 删除
- [ ] Frontmatter 是否过于复杂？ → 精简 metadata

2.2 性能optimizeanalyze

性能optimize检查清单：

- [ ] 脚本是否有不必要的导入？ → on-demand导入
- [ ] 是否有重复的文件读写？ → 批量操作
- [ ] 正则表达式是否低效？ → 预编译/非贪婪
- [ ] 是否有阻塞操作？ → 异步化
- [ ] 错误handle是否过于复杂？ → 简化逻辑

2.3 security加固analyze

攻击面assess矩阵：

security加固优先级：

Step 3 — implementoptimize（Implementation）

⚠️ 重要：在implement任何optimize之前，先在 isolated 会话中测量baseline（Step 1），保留baseline快照。

3.1 Token optimizeimplement

strategy A：渐进式披露重构 → 详见 references/optimization-patterns.md — 模式 A

• 将 > 50行的详细文档外置到 references/
• 主文件 SKILL.md 仅保留摘要 + 链接
• 预期节省：20-40%

strategy B：代码外置 → 详见 references/optimization-patterns.md — 模式 B

• 将 > 20行的代码块外置到 scripts/ 或 references/
• 主文件仅保留调用命令和Description
• 预期节省：30-50%

Token optimize检查清单：

- [ ] SKILL.md 是否超过 500 行？ → 拆分到 references/
- [ ] 是否有重复的代码示例？ → 合并/外置
- [ ] 是否有冗长的解释？ → 精简为要点
- [ ] 是否有不必要的示例？ → 删除
- [ ] Frontmatter 是否过于复杂？ → 精简 metadata

3.2 性能optimizeimplement

strategy A：懒加载 → 详见 references/optimization-patterns.md — 模式 C

• on-demand导入，避免start时加载全部模块

strategy B：缓存结果 → 详见 references/optimization-patterns.md — 模式 D

• 重复计算结果缓存，避免每次调用重新获取

strategy C：批量操作 → 详见 references/optimization-patterns.md — 模式 E

• 批量读写替代逐个操作

性能optimize检查清单：

- [ ] 脚本是否有不必要的导入？ → on-demand导入
- [ ] 是否有重复的文件读写？ → 批量操作
- [ ] 正则表达式是否低效？ → 预编译/非贪婪
- [ ] 是否有阻塞操作？ → 异步化
- [ ] 错误handle是否过于复杂？ → 简化逻辑

3.3 security加固implement

strategy A：移除硬编码 → 详见 references/optimization-patterns.md — 模式 F

• API 密钥/令牌改为环境变量读取

strategy B：输入verify强化 → 详见 references/optimization-patterns.md — 模式 G

• Skill 名称正则verify：^[a-z][a-z0-9-]{2,64}$
• path遍历检查：reject .. 和 /

strategy C：超时protect → 详见 references/optimization-patterns.md — 模式 H

• 添加操作超时restrict，防止 DoS

security加固检查清单：

- [ ] 是否有硬编码的密钥或令牌？ → 改为环境变量
- [ ] path参数是否有遍历检查？ → 添加verify
- [ ] 错误信息是否泛化？ → 移除内部path泄露
- [ ] 操作是否有超时restrict？ → 添加 timeout

3.4 回归protect（自动）

🚨 securityConstraint：任何optimize后若回归测试失败，必须自动rollback，不得交付退化版本。

optimize后若回归测试失败，execute以下step：

1. 自动rollback至 baseline 版本：

   git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/

1. record regression：将详情写入 references/optimization-log.md
2. notify caller：返回 E_REGRESSION，附 delta metric

Step 4 — verify与对比（Verify & Compare）

4.1 optimize后测量

## optimize后metric

### Token 节省
- optimize前：<X> tokens
- optimize后：<Y> tokens
- 节省：<Z>% ✅

### 性能改善
- P95 latency：
  - optimize前：<X>ms
  - optimize后：<Y>ms
  - 改善：<Z>% ✅

### security加固
- CVSS 评分：
  - optimize前：<X.Y>
  - optimize后：<Y.Z>
  - 改善：✅
- RED FLAGS：
  - optimize前：<count>
  - optimize后：<count>

4.2 Function回归测试

## 回归测试

- [ ] 所有原有Function仍然正常工作
- [ ] trigger关键词仍然有效
- [ ] 错误handle与optimize前1致
- [ ] 输出格式与optimize前1致

4.3 securityverify

⚠️ security加固后必须重新review

• [ ] CISO securityreview通过（CVSS < 7.0）
• [ ] STRIDE 威胁建模无新增risk
• [ ] permission范围已最小化
• [ ] 无新引入的依赖

4.4 publish

# 打包
clawhub package ./<skill-name> --output ./dist

# publish
clawhub publish ./<skill-name> \
  --slug <skill-name> \
  --name "<Skill Name>" \
  --version X.Y.Z \
  --changelog "optimize：Token 节省 X%，P95 latency降低 Y%，security加固"

optimizerecord模板

save至 references/optimization-log.md：

# Skill optimizerecord

## Skill 信息
- 名称：<name>
- optimize前版本：<version>
- optimize后版本：<version>
- optimize日期：<ISO date>

## optimize摘要

### Token optimize
- optimize前：<X> tokens
- optimize后：<Y> tokens
- 节省：<Z>%

### 性能optimize
| metric | optimize前 | optimize后 | 改善 |
|------|--------|--------|------|
| P95 latency | Xms | Yms | Z% |

### security加固
- CVSS 改善：<X.Y> → <Y.Z>
- 主要加固项：
  - <item 1>
  - <item 2>

## 详细变更

### 变更 #1：<标题>
**类型**：[Token/性能/security/代码]
**optimize前**：<描述>
**optimize后**：<描述>
**代码**：
\`\`\`
<diff>
\`\`\`

## verify结果

| 测试项 | 结果 |
|--------|------|
| 回归测试 | ✅ |
| Token 测量 | ✅ |
| 性能测试 | ✅ |
| securityreview | ✅ |

## publish信息
- 版本：<version>
- publish日期：<date>
- changelog：<text>

快速参考

trigger命令

常见错误

1. 跳过baseline测量：未测量就optimize，无法verify效果
2. security为性能让路：discoversecurity问题时必须优先修复
3. 过度optimize：Token 节省 < 5% 无实际价值
4. 破坏Function：optimize后Function异常，必须rollback
5. 不recordoptimize：历史optimize未record，无法trace

版本历史（Changelog）

rollbackstrategy（Rollback）

如optimize后回归测试失败，execute以下steprecover：

# 自动rollback至 baseline 版本
git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/

# verifyrollback成功
git log --oneline -3

rollbacktrigger条件：

• 回归测试失败（E_REGRESSION）
• CVSS 评分恶化（security-regression）
• optimize后 TSR < 85%（Function严重退化）

rollback后操作：

1. record regression 详情至 references/optimization-log.md
2. notify caller：返回 E_REGRESSION，附 delta metric
3. analyze退化原因，修复后重新optimize