melody-skills-openai-core

基于 openai 的 Node.js 版 Agent Skill 框架，实现渐进式披露（Progressive Disclosure）架构。

特性

• 三层渐进式披露

  • Layer 1（元数据）：始终加载，用于技能发现与匹配
  • Layer 2（指令）：按需加载，技能被选中时加载
  • Layer 3（资源）：按条件加载 References 与 Scripts

• SKILL.md 格式：基于 Markdown + YAML frontmatter 的技能定义

• 智能 Reference 加载：explicit / implicit / always 三种模式，可配合 LLM 选择

• 自动发现：从 references/ 目录自动发现参考文档

• 脚本执行：支持通过 [INVOKE:name] 触发脚本（Node 本地执行）

• OpenAI 兼容：使用 OpenAI API（或兼容接口）

• 自动技能调用：根据用户查询匹配并注入对应技能

安装

npm install @melody-core/skills-openai

快速开始

使用 SkillAgent（推荐）

const { createAgent } = require('@melody-core/skills-openai');

async function main() {
  const agent = await createAgent({
    skillPaths: ['./skills'],
    apiKey: process.env.OPENAI_API_KEY,
    model: 'gpt-4',
  });

  const response = await agent.chat('帮我总结会议');
  console.log(response.content);
  console.log('使用的技能:', response.skillUsed);
}

main();

使用 SkillManager（底层 API）

const path = require('path');
const { SkillManager } = require('@melody-core/skills-openai');

async function main() {
  const manager = new SkillManager({
    skillPaths: [path.resolve('./skills')],
  });

  await manager.discover();
  const matched = manager.match('summarize meeting');

  if (matched.length > 0) {
    await manager.loadInstruction(matched[0].metadata.name);
    console.log(matched[0].instruction?.content);
  }
}

main();

技能目录结构

my-skill/
├── SKILL.md           # 技能定义（必需）
├── references/        # 参考文档
│   └── handbook.md
└── scripts/          # 可执行脚本
    └── upload.js

SKILL.md 格式

---
name: meeting-summary
description: 用结构化格式总结会议
version: 1.0.0
triggers:
  - "summarize meeting"
  - "会议总结"

references:
  - path: references/finance-handbook.md
    condition: "当内容涉及财务或预算时"
    mode: explicit
  - path: references/safety-policy.md
    mode: always

scripts:
  - name: upload
    path: scripts/upload.js
    description: 将总结上传到云存储
---

# 会议总结技能

你是一名专业的会议助手...

Reference 加载模式

模式	行为
explicit	带条件，由 LLM 判断是否满足条件后加载
implicit	无条件，由 LLM 决定是否对当前查询有用（默认）
always	始终加载（如安全规范、规格说明）

环境变量

export OPENAI_API_KEY=your-api-key
export OPENAI_BASE_URL=https://api.openai.com/v1  # 可选
export OPENAI_MODEL=gpt-4  # 可选

API 概览

• createAgent(options)：创建并初始化 SkillAgent
• SkillAgent：自动根据查询选择技能并对话
  • initialize()：发现技能
  • chat(content, options)：发送消息并得到 AgentResponse
  • selectSkill(name) / deselectSkill()：手动选择/取消技能
  • reset()：清空对话上下文
• SkillManager：技能发现、加载、匹配、执行脚本
  • discover()：发现所有技能（仅 Layer 1）
  • match(query, limit)：匹配技能
  • loadInstruction(name)：加载指令（Layer 2）
  • loadReference(skillName, refPath)：加载参考（Layer 3）
  • executeScript(skillName, scriptName, options)：执行脚本
• OpenAICompatClient：OpenAI 兼容的 LLM 客户端

与 Python 版 OpenSkills 的对应关系

OpenSkills (Python)	melody-skills-openai-core (Node)
create_agent()	createAgent()
SkillAgent	SkillAgent
SkillManager	SkillManager
OpenAICompatClient	OpenAICompatClient
AgentResponse	AgentResponse
SKILL.md / references/	相同目录与 frontmatter 约定

当前 Node 版未实现：沙箱执行（AIO Sandbox）、流式 chat_stream、Reference 摘要与召回等高级特性，可按需在后续迭代中补齐。

示例

仓库内提供示例技能与运行脚本：

# 先构建
npm run build
# 设置 API Key 后运行
export OPENAI_API_KEY=your-api-key
node examples/demo.js "帮我总结会议：今天讨论了 Q1 目标..."

示例技能目录：examples/skills/meeting-summary/（SKILL.md + references/ + scripts/）。

License

Apache-2.0