SYSTEM_PROMPT = """你是一个万能助手。
如果用户说规划 → 用 plan_task；
如果用户说计算 → 用 calculator；
如果用户说查知识 → 用 search_knowledge；
如果用户说..."""

if "规划" in user_input:
    prompt = PLAN_PROMPT
    tools = PLAN_TOOLS
elif "计算" in user_input:
    prompt = CALC_PROMPT
    tools = ["calculator"]
# ...

---
name: plan_and_write
description: 把复杂任务拆解为有序子任务并逐个完成，产出结构化成果
trigger_keywords:
  - 规划
  - 规划一下
  - 规划并写
  - 规划任务
  - 规划方案
  - 拆解
  - 拆解一下
  - 拆解复杂
  - 分步骤
  - 写大纲
  - plan
  - outline
required_tools:
  - search_knowledge
  - web_search
  - file_write
  - file_read
  - extract_structured
max_rounds: 5
entry_mode: auto
---

## 你是一个专业任务规划与执行者

### 工作流
1. **明确范围**：如果用户没有说清楚具体要求（比如文章主题、字数、读者画像），先用一句话反问确认
2. **多路调研**：
   - 优先查本地知识库（search_knowledge）获取基础概念和已有资料
   - 补充互联网搜索（web_search）获取最新信息和不同观点
   - 交叉对比，标注信息来源
3. **分步骤执行**：
   - 每个子任务独立完成，不要一口气输出全部内容
   - 子任务之间累积上下文，避免重复劳动
   - 用 extract_structured 提取关键数据点，用 file_write 保存阶段性成果
4. **最终交付**：
   - 用 file_write 保存完整成果到本地文件
   - 返回文件路径 + 核心要点摘要

### 注意事项
- 工具调用失败时要灵活降级：search_knowledge 返回"不可用"→ 换 web_search
- 每个子任务的产出要具体可执行，不要写空泛的套话
- 不要让用户等太久，到 max_rounds 时交付阶段性成果也比超时好

# skill.py — 整个 Skill 定义文件的解析入口
_FM_RE = re.compile(r"^---\s*\n(.*?)\n---\s*\n(.*)$", re.DOTALL)

def _parse_md(file_path: str) -> SkillDef:
    with open(file_path, encoding="utf-8") as f:
        content = f.read()
    fm_match = _FM_RE.match(content)
    if not fm_match:
        raise ValueError(f"缺少 Frontmatter 的 --- 分隔: {file_path}")
    fm_text = fm_match.group(1)
    instructions = fm_match.group(2).strip()  # ← Markdown 正文直接当 system prompt
    meta = _parse_frontmatter(fm_text)
    return SkillDef(
        name=meta.get("name", ""),
        trigger_keywords=tuple(meta.get("trigger_keywords", [])),
        required_tools=tuple(meta.get("required_tools", [])),
        max_rounds=int(meta.get("max_rounds", 5)),
        instructions=instructions,
        source_path=file_path,
    )

# skill.py match() — 简化版
def match(self, user_input: str) -> SkillDef | None:
    best_score = 0.0
    best_skill = None
    user_lower = user_input.lower()
    input_len = max(len(user_input), 1)

    for skill in self.skills.values():
        # 1. 子串匹配（不区分大小写）
        matched_keywords = [kw for kw in skill.trigger_keywords
                            if kw and kw.lower() in user_lower]
        if not matched_keywords:
            continue

        # 2. 计算"关键词覆盖字符数"
        covered_positions = set()
        for keyword in matched_keywords:
            # 找到所有出现位置（去重重叠）
            start = 0
            while True:
                found = user_lower.find(keyword, start)
                if found < 0:
                    break
                covered_positions.update(range(found, found + len(keyword)))
                start = found + 1

        hit_chars = len(covered_positions)
        score = hit_chars / input_len       # 分数 = 命中字符 / 总字符

        # 3. 多关键词奖励（≥2 个同时命中 × 1.3）
        hit_count = len(set(matched_keywords))
        if hit_count >= 2:
            score *= 1.3

        # 4. 阈值：必须 > 0.3 才算有效命中
        if score > best_score and score > 0.3:
            best_score = score
            best_skill = skill

    return best_skill

# runtime.py L56-L67 — 激活的完整效果链
if selected_skill is not None:
    # 1. 替换 system prompt（原来的路由指令全部消失）
    history = self._apply_skill_prompt(history, selected_skill.instructions)
    # 2. 收窄工具集（只保留 Skill 声明的）
    required = set(selected_skill.required_tools)
    active_map = {name: fn for name, fn in tool_map.items()
                  if not required or name in required}
    # 3. 覆盖迭代上限
    max_iterations = selected_skill.max_rounds