需要明确的结构

skills文件夹（存放技能说明书）

skills/ 文件系统（磁盘）
├── python-code-review/
│ └── SKILL.md
├── doc-generator/
│ └── SKILL.md
└── git-helper/
└── SKILL.md

SKILL_REGISTRY 技能注册表

“技能简称”：{“name”: “xxx”, “description”: " 描述 ", “content”: " 完整的SKILL.md 内容 "}

SKILL_REGISTRY ={
    "python-code-review": {
        "name": "python-code-review",
        "description": "检查 Python 代码风格和常见错误。",
        "content": "---\nname: python-code-review\ndescription: 检查 Python 代码风格和常见错误。\n---\n# Python Code Reviewer\n\n你是一个代码审查专家..."
    },
    "doc-generator": {
        "name": "doc-generator",
        "description": "生成项目文档",
        "content": "---\nname: doc-generator\ndescription: 生成项目文档\n---\n# Documentation Generator\n\n根据代码注释生成 Markdown 文档..."
    },
    "git-helper": {
        "name": "git-helper",          # 没有 frontmatter，降级使用目录名
        "description": "Git Helper",   # 降级使用第一行标题去掉 #
        "content": "# Git Helper\n\n帮助执行 git 命令..."
    }
}

SYSTEM prompt 系统提示词

# 统提示词是通过 build_system() 函数动态构建的
# 以下是示例
SYSTEM prompt ={
    You are a coding agent at /path/to/workspace. Skills available:
- **agent-builder**: Help user build custom AI agents with tool use and skills.
- **code-review**: Perform thorough code review for Python, JavaScript, and Go.
Use load_skill to get full details when needed.
}

两层设计

Layer 1：启动时-- 扫描 + 目录注入

【只注入名字name和描述description，token消耗在100左右】

程序启动

⬇️

①扫描skills每个子目录

②拿到每个SKILL.md

③解析name、description

④存入注册字典

⬇️

把skill目录（name、description）拼进system prompt

Layer 2：运行时-- 按需加载

【当LLM决定需要某个skill时】

LLM看到system中的skill目录

⬇️

LLM调用工具load-skill

⬇️

从注册表查找，返回完整SKILL.md的内容给LLM

⬇️

LLM拿到技能说明，执行任务