15.1 Skills 執行機制
Skills 執行機制概述
Skills 的執行機制是理解其工作原理的核心。本節將深入探討 Skills 如何被呼叫、解析和執行，以及整個執行流程中的關鍵環節。
執行流程概覽
Skills 的執行流程可以分為以下幾個主要階段：
graph
A[用户请求] --> B[主代理接收]
B --> C{选择 Skill}
C --> D[加载 Skill 定义]
D --> E[解析参数和上下文]
E --> F[执行 Skill 逻辑]
F --> G[调用工具]
G --> H[处理结果]
H --> I[返回输出]
I --> J[主代理整合]
J --> K[呈现给用户]
## 1\. Skill 调用
### 调用方式
#### 1.1 直接调用使用者直接指定要使用的 Skill：
bash
# 命令行调用
claude --skill code-review --file src/main.py
# 交互式调用
/skill code-review
#### 1.2 自动选择主代理根據任務自動選擇合適的 Skill：
markdown
## 自动选择流程
### 用户请求
"帮我审查这段代码的质量"
### 主代理分析
1. 理解用户意图
2. 搜索相关 Skills
3. 匹配最合适的 Skill
4. 执行并返回结果
#### 1.3 嵌套调用一個 Skill 呼叫另一個 Skill：
yaml
markdown
## 嵌套调用示例
### Skill: 部署应用
#### 执行步骤
1. 调用代码审查 Skill
2. 调用测试运行 Skill
3. 调用部署 Skill
4. 生成部署报告
### 参数传递
markdown
## 参数传递方式
### 命令行参数
```bash
claude --skill code-gen --language python --framework flask
### 交互式输入
markdown> 请提供以下信息：
> - 编程语言：Python
> - 框架：Flask
> - 功能描述：用户认证系统
配置文件
yaml
```yaml
skills:
code-gen:
language: python
framework: flask
### 上下文推断
markdown## 从上下文推断
- 从文件扩展名推断语言
- 从项目配置推断框架
- 从代码风格推断风格偏好
- 从历史记录推断用户偏好
2. Skill 加载
加载过程
2.1 定位 Skill
markdown
## Skill 定位流程
### 搜索顺序
1. 项目本地 Skills
2. 用户自定义 Skills
3. 系统内置 Skills
4. 插件提供的 Skills
2.2 读取定义
markdown
## Skill 定义结构
### 元数据
```yaml
name: code-review
version: 1.2.0
description: 自動審查程式碼質量
author: Claude Code Team
### 輸入規範
yamlinputs:
file:
type: string
required: true
description: 要审查的文件路径
strict:
type: boolean
required: false
default: false
description: 是否严格模式
执行逻辑
markdown
## 执行步骤
1. 读取代码文件
2. 分析代码结构
3. 检查代码质量
4. 生成审查报告
2.3 验证定义
markdown
## 定义验证
### 验证项
- 必需字段是否存在
- 参数类型是否正确
- 默认值是否有效
- 引用是否存在
- 语法是否正确
### 验证失败处理
- 返回错误信息
- 提供修复建议
- 阻止 Skill 执行
缓存机制
markdown
## Skill 缓存
### 缓存内容
- Skill 定义
- 解析结果
- 依赖关系
### 缓存策略
- 内存缓存（会话级别）
- 磁盘缓存（持久化）
- 版本控制（基于 Skill 版本）
### 缓存失效
- Skill 定义更新
- 依赖变更
- 手动清除
## 3. 上下文解析
### 上下文类型
#### 3.1 项目上下文
## 3. 上下文管理
### 3.1 项目上下文
```markdown
## 專案上下文
### 包含信息
- 项目结构
- 文件列表
- 依赖关系
- 配置文件
- 技术栈
### 获取方式
- 读取项目配置
- 扫描文件系统
- 分析依赖文件
- 检测技术栈
3.2 代码上下文
markdown
## 代码上下文
### 包含信息
- 代码结构
- 函数定义
- 类定义
- 导入关系
- 调用关系
### 获取方式
- 解析源代码
- 构建抽象语法树
- 分析符号表
- 追踪依赖关系
#### 3.3 用户上下文
markdown## 用户上下文
### 包含信息
- 用户偏好
- 历史操作
- 常用命令
- 学习进度
### 获取方式
- 读取用户配置
- 查看历史记录
- 分析使用模式
- 记录用户反馈
上下文收集
markdown
## 上下文收集策略
### 按需收集
- 只收集需要的上下文
- 避免不必要的开销
- 动态调整收集范围
### 增量收集
- 基于已有上下文
- 只收集变更部分
- 减少重复工作
### 并行收集
- 同时收集多个上下文
- 提高收集效率
- 合理分配资源
### 上下文限制
markdown ## 上下文限制
### 大小限制
- 上下文窗口大小
- Token 限制
- 内存限制
### 处理策略
- 优先级排序
- 摘要压缩
- 分批处理
- 流式处理
## 4\. Skill 执行
### 执行模式
#### 4.1 同步执行
markdown ## 同步执行
### 特点
- 阻塞等待结果
- 适用于快速任务
- 简单的错误处理
### 示例
```python
result = execute_skill("code-review", file="src/main.py")
print(result)
bash#### 4.2 异步执行
```markdown
## 非同步執行
### 特点
- 非阻塞执行
- 适用于耗时任务
- 复杂的错误处理
### 示例
```python
task = execute_skill_async("code-review", file="src/main.py")
# 繼續其他工作
result = await task.get_result()
bash#### 4.3 流式执行
```markdown
## 流式執行
### 特点
- 实时返回结果
- 适用于大输出任务
- 更好的用户体验
### 示例
```python
for chunk in execute_skill_stream("code-review", file="src/main.py"):
print(chunk, end='')
bash### 执行步骤
#### 4.4 步骤分解
```markdown
## Skill: 程式碼審查
### 执行步骤
1. **准备阶段**
- 验证输入参数
- 加载代码文件
- 初始化审查规则
2. **分析阶段**
- 解析代码结构
- 分析代码质量
- 检查安全问题
3. **评估阶段**
- 评估代码复杂度
- 验证最佳实践
- 计算质量分数
4. **生成阶段**
- 生成问题列表
- 提供改进建议
- 创建审查报告
5. **验证阶段**
- 验证报告完整性
- 检查建议可行性
- 确保输出格式正确
### 错误处理
#### 4.5 错误类型
markdownyaml
## 错误类型
### 输入错误
- 参数缺失
> - 参数类型错误
> - 参数值无效
### 执行错误
> - 文件不存在
> - 权限不足
> - 资源不足
### 逻辑错误
> - 无法解析代码
> - 分析失败
> - 生成失败
#### 4.6 错误处理策略
~~~markdown
markdown
## 错误处理策略
### 立即失败
- 遇到错误立即停止
- 返回错误信息
- 不继续执行
### 跳过继续
- 记录错误
- 跳过当前步骤
- 继续执行
### 重试机制
- 自动重试
- 指数退避
- 最大重试次数
### 降级处理
- 使用备用方案
- 简化执行逻辑
- 返回部分结果
## 5. 工具调用
### 工具调用机制
#### 5.1 工具选择
```markdown
## 工具選擇
### 選擇依據
> - 任務需求
> - 可用工具
> - 工具能力
> - 效能考慮
### 選擇策略
> - 最佳匹配
> - 優先順序排序
> - 負載均衡
> - 快取利用
#### 5.2 工具呼叫
~~~markdown
markdown
## 工具呼叫流程
### 呼叫準備
1. 準備工具引數
2. 驗證引數有效性
3. 設定呼叫選項
### 執行呼叫
1. 傳送呼叫請求
2. 等待工具響應
3. 處理響應資料
### 結果處理
1. 解析響應資料
2. 驗證結果有效性
3. 傳遞給下一步
### 工具呼叫模式
#### 5.3 順序呼叫
```markdown
## 顺序调用
### 示例
~~~python
```python
# 讀取檔案
content = read_file("src/main.py")
# 分析程式碼
analysis = analyze_code(content)
# 生成報告
report = generate_report(analysis)
### 特點
> - 簡單直觀
> - 易於理解
> - 適合線性流程
#### 5.4 條件呼叫
~~~
``markdown
# 检查文件是否存在
if file_exists("src/main.py"):
# 如果存在，读取并分析
content = read_file("src/main.py")
analysis = analyze_code(content)
else:
# 如果不存在，创建新文件
create_file("src/main.py", template)
### 特点
> - 灵活性高
> - 适应性强
> - 处理分支逻辑
#### 5.5 循环调用
~~~
``markdown
# 获取所有 Python 文件
files = glob("**/*.py")
# 对每个文件执行分析
for file in files:
content = read_file(file)
analysis = analyze_code(content)
save_analysis(file, analysis)
### 特点
> - 批量处理
> - 高效执行
> - 适合重复任务
#### 5.6 并行调用
~~~
``markdown
# 并行读取多个文件
tasks = [
read_file_async("src/main.py"),
read_file_async("src/utils.py"),
read_file_async("src/api.py")
]
# 等待所有任务完成
results = await asyncio.gather(*tasks)
### 特点
> - 高性能
> - 节省时间
> - 适合独立任务
## 6. 结果处理
### 结果类型
#### 6.1 结构化结果
~~~
``markdown
{
"issues": [
{
"type": "security",
"severity": "high",
"message": "SQL injection vulnerability",
"location": "src/main.py:42",
"suggestion": "Use parameterized queries"
}
],
"summary": {
"total_issues": 5,
"critical": 1,
"high": 2,
"medium": 2
}
}
### 特点
> - 易于解析
> - 结构清晰
> - 适合程序处理
#### 6.2 文本结果
~~~
``markdown
## 代码审查报告
### 结构化数据
~~~json
## 結果修正
### 修正策略
> - 自動修正
> - 提示使用者
> - 記錄問題
> - 重試執行
### 修正示例
~~~python
```python
# 自动修正格式问题
result = format_result(raw_result)
# 提示用户确认
if not confirm_result(result):
result = retry_execution()
```## 7. 輸出返回
### 輸出格式
#### 7.1 控制檯輸出
## 控制檯輸出
### 特點
- 實時顯示
- 互動友好
- 適合開發除錯
### 示例
正在執行程式碼審查... ✓ 分析程式碼結構 ✓ 檢查安全問題 ✓ 評估程式碼質量
審查完成！發現 5 個問題。bash
#### 7.2 文件输出
## 文件输出
### 特点
- 持久化存储
- 可追溯
- 适合报告归档
### 示例
~~~`bash
`bash
claude --skill code-review --file src/main.py --output report.md
```> >
~~~
#### 7.3 API 输出
## API 输出
### 特点
- 结构化数据
- 易于集成
- 适合自动化
### 示例
~~~`json
`json
{
"skill": "code-review",
"status": "success",
"result": {...}
}
```> > ~~~
### 輸出最佳化
#### 7.4 效能最佳化
## 輸出效能最佳化
### 最佳化策略
- 流式輸出
- 增量更新
- 壓縮輸出
- 快取結果
### 示例
~~~`python
`python
# 流式輸出大結果
for chunk in stream_result(result):
yield chunk
```> >
~~~
#### 7.5 用户体验优化
## 用户体验优化
### 优化策略
- 进度显示
- 实时反馈
- 高亮显示
- 交互式输出
### 示例
~~~
``> > 正在执行代码审查... [████████░░] 80%
✓ 分析代码结构
✓ 检查安全问题
→ 评估代码质量...
~~~## 8. 执行监控
### 监控指标
#### 8.1 性能指标
## 性能指标
### 指标类型
- 执行时间
- 内存使用
- CPU 使用
- I/O 操作
### 监控方式
- 实时监控
- 定期采样
- 事件触发
- 阈值告警
#### 8.2 质量指标
markdown
```markdown
## 質量指標
### 指標型別
- 成功率
- 錯誤率
- 重試次數
- 使用者滿意度
### 監控方式
- 統計分析
- 趨勢跟蹤
- 異常檢測
- 反饋收集
```### 日志记录
#### 8.3 日志级别
## 日志级别
### DEBUG
详细的调试信息
- 每个步骤的详细信息
- 中间结果
- 变量值
### INFO
一般信息
- 执行开始/结束
- 主要步骤
- 关键决策
### WARNING
警告信息
- 潜在问题
- 非最佳实践
- 性能警告
### ERROR
错误信息
- 错误详情
- 堆栈跟踪
- 恢复建议
```
#### 8.4 日誌格式
~~~markdown
```markdown
## 日志格式
### 标准格式
```> [2024-01-15 10:30:45] [INFO] [skill:code-review] 開始執行程式碼審查
[2024-01-15 10:30:46] [DEBUG] [skill:code-review] 讀取檔案: src/main.py
[2024-01-15 10:30:47] [INFO] [skill:code-review] 分析完成，發現 5 個問題
### 結構化格式
~~~`json
`json
{
"timestamp": "2024-01-15T10:30:45Z",
"level": "INFO",
"skill": "code-review",
"message": "開始執行程式碼審查"
}
```> >
## 总结Skills 的執行機制是一個複雜而精密的系統，涉及多個環節和元件。理解這些機制有助於：
1. **最佳化效能** ：識別和最佳化效能瓶頸
2. **提高可靠性** ：增強錯誤處理和恢復能力
3. **改善體驗** ：提供更好的使用者互動體驗
4. **擴充套件功能** ：基於執行機制開發新功能
在下一節中，我們將探討 Skills 的上下文管理機制，瞭解如何高效地管理和利用上下文資訊。