leoleonel-jf/agent-ingest-audit-optimize

# Agent 导入、审计与优化 一个可移植的 Agent Skill，能够导入外部材料，根据现有证据对建议进行审计，并将支持的发现转化为针对 AI agent 生态系统的、范围明确且可逆的改进。 ## 状态 该仓库包含由 `PROP-2026-005` 产出的规范英文 Skill、来自 `PROP-2026-006` 的可移植回归测试套件，以及来自 `PROP-2026-007` 的跨客户端插件打包。`PROP-2026-008` 增加了公开发布元数据、仓库市场和 MIT License。 ## 功能 - 导入视频、文章、文档、代码库、记录、文件和想法； - 将外部材料视为不受信任的证据，而非可执行的指令； - 根据当前的官方和主要来源检查声明； - 评估兼容性、范围、安全性、可逆性和维护成本； - 创建可独立授权的提案； - 每次仅实现一个明确授权的提案； - 验证更改并记录回滚； - 按代表性任务类别比较模型和推理投入的选择。 ## 可移植结构 ``` skills/ └── agent-ingest-audit-optimize/ ├── SKILL.md ├── agents/ │ └── openai.yaml ├── references/ └── assets/ └── templates/ ``` 规范的 bundle 遵循开放的 Agent Skills 目录模型：`SKILL.md` 包含可移植的工作流，而引用和模板仅在需要时加载。`agents/openai.yaml` 是可选的客户端元数据，不定义核心行为。 ## 插件打包 该仓库也是一个双清单插件： ``` .codex-plugin/plugin.json .claude-plugin/plugin.json skills/agent-ingest-audit-optimize/ ``` 两个清单使用相同的规范 Skill。不维护任何特定于平台的行为副本。 使用以下命令构建并验证可分发插件和可移植 Skill 归档： ``` python packaging/scripts/package_plugin.py build python packaging/scripts/package_plugin.py verify ``` 有关包契约、支持的用途以及平台原生验证命令，请参阅 [packaging/README.md](packaging/README.md)。 ## 安装 ### Codex 将此仓库添加为市场并安装插件： ``` codex plugin marketplace add leoleonel-jf/agent-ingest-audit-optimize --ref v0.1.1 codex plugin add agent-ingest-audit-optimize@agent-ingest-audit-optimize ``` 安装后启动一个新的 Codex 任务，以便可以发现该 Skill。 ### Claude Code 克隆或下载发布版本，然后加载插件目录： ``` claude --plugin-dir ``` ### 其他 Agent Skills 客户端 下载 `agent-ingest-audit-optimize-0.1.1-skill.zip` 发布资产，并根据客户端文档安装其单个顶层 Skill 目录。 ## 使用 使用客户端记录在案的个人、项目、工作区或 API 安装方法，安装或加载该目录： ``` skills/agent-ingest-audit-optimize/ ``` 在兼容 Agent Skills 的客户端中。 示例请求： ``` Use agent-ingest-audit-optimize to audit this article about agent configuration. ``` ``` Analyze this video, verify its claims with current official documentation, and propose only improvements that are safe to adopt globally. ``` ``` Implement proposal PROP-YYYY-NNN. ``` ## 安全模型 分析和审议是只读的。持久性更改需要与特定提案或计划相关联的、明确的实施指令。授权仅涵盖该提案，如果实施过程中遇到重大数据丢失风险、不可逆范围、备份失败、严重验证失败、未批准的成本、公开暴露或必需的范围扩展，实施将停止。 ## 兼容性 规范的 Skill 面向兼容开放 Agent Skills 格式的客户端。该仓库包含用于 Codex 和 Claude Code 的原生插件清单，以及适用于可移植 Skill 导入的单目录归档。只有在特定客户端中通过结构性、显式触发器、隐式触发器、负触发器和资源解析测试后，才能声称支持特定于客户端的行为。 Codex 版本 0.1.1 的运行时验收结果记录在 [RUN-2026-009](docs/validation/RUN-2026-009.md) 中。 ## License 该项目在 [MIT License](LICENSE) 下提供。 隐私、条款、支持和安全信息可在 [PRIVACY.md](PRIVACY.md)、[TERMS.md](TERMS.md)、[SUPPORT.md](SUPPORT.md) 和 [SECURITY.md](SECURITY.md) 中获取。 ## 评估 [评估套件](evals/README.md) 保留在 Skill bundle 之外，因此隐藏的预期不会泄露到正常的模型上下文中。它涵盖了激活、输出质量、不完整材料、证据、prompt injection、授权、范围、回滚、可移植性以及按任务类别的模型/推理投入选择。 使用以下命令进行验证： ``` python evals/scripts/eval_suite.py validate python -m unittest discover -s evals/tests -v ``` 行为活动在全新的只读会话中运行每个案例，并将结果记录为 JSONL。一个配置必须涵盖某个类别中的所有案例，满足重复和质量阈值，并且零关键故障。然后，摘要器会独立地为每个任务类别选择排名最低的合格配置。

标签：AI智能体, 信息审计, 工作流优化, 知识库管理, 自动化流程, 逆向工具