Evo Skill

EvoSkill

EvoSkill 是一个从真实对话中自动提炼、存储、召回并持续演化技能的长期记忆框架。它既可以作为终端聊天工具使用，也可以嵌入自己的 agent 或应用里。

适合两类场景：

• 把对话中反复出现的知识、流程、代码模式沉淀为可复用技能
• 为 AI 助手补一层“长期记忆”，让它在后续对话里自动召回你的技能库

特性

• 从多轮对话中提炼技能，并保存为人类可读的 SKILL.md
• learner 模式面向 CS 学习场景，可为技能生成可运行的 Python 脚本
• 检索链路包含 query rewrite、embedding 检索、capability pre-recall 和 LLM selection
• 自动做去重、合并、版本升级，并在保存后异步审查技能质量
• 支持 OpenAI 兼容接口、Anthropic、本地 bge-m3 和测试用 hashing embedding
• 可选使用 llm、codex、claude-code 作为聊天执行后端
• 支持导入/导出 anthropics/skills 风格的技能目录

快速开始

要求：Python 3.10+

下面默认使用 `python main.py ...`。如果你执行了 editable install，也可以把命令替换成 `evoskill ...`。

1. 安装依赖

python -m venv .venv
source .venv/bin/activate
python -m pip install -U pip
python -m pip install -e .

如果你想用本地 `bge-m3` 作为 embedding，再额外安装一个可选依赖：

python -m pip install -e ".[flagembedding]"
# 或
python -m pip install -e ".[sentence-transformers]"

说明：

• EvoSkill 调用模型接口时不依赖官方 Python SDK，核心网络请求基于标准库实现
• 项目本身仍然依赖 jinja2 和 pydantic

2. 配置环境变量

cp .env.example .env

最小可用配置如下：

LLM_PROVIDER=openai
LLM_API_KEY=sk-xxxxxxxxxxxxxxxx
LLM_BASE_URL=https://api.openai.com
LLM_MODEL=gpt-4o-mini

EMBEDDING_PROVIDER=openai
EMBEDDING_API_KEY=sk-xxxxxxxxxxxxxxxx
EMBEDDING_BASE_URL=https://api.openai.com
EMBEDDING_MODEL=text-embedding-3-small

EXTRACTOR_MODE=learner

如果只想快速本地试跑，也可以把 embedding 改成：

EMBEDDING_PROVIDER=hashing

它适合测试，不适合正式检索。

3. 启动

python main.py chat

进入交互模式后，先试几个基础命令：

/help
/skills
/extract_now

常用命令

CLI

命令	说明
python main.py chat	启动交互式聊天
python main.py list	列出当前用户的技能
python main.py delete	删除指定技能
python main.py export skills.json	导出当前用户技能为 JSON
python main.py compose ""	根据已保存的技能脚本组合解决方案

Chat 内命令

命令	说明
/help	查看帮助
/skills	查看当前用户技能
/compose	在聊天里直接调用技能脚本组合方案
/extract_now [hint]	立即从当前对话历史触发一次提炼
/clear	清空当前对话历史
`