VibeSkills：从技能仓库到AI操作系统的智能路由与治理运行时

1. 项目概述：从技能集合到AI操作系统

如果你和我一样，在过去一年里深度使用过Claude Code、Cursor或者Windsurf这类AI编程工具，那你一定经历过这样的场景：面对一个复杂的项目需求，你满怀期待地输入指令，希望AI能调用你精心安装的几十个“技能”（Skills）来协同工作。但结果往往是，AI要么完全忘记了这些技能的存在，要么在错误的时机调用了错误的工具，留下一堆混乱的代码和未完成的任务。你看着仓库里那几百个“沉睡”的技能，不禁怀疑：这真的是效率提升吗？还是另一种形式的认知负担？

这正是VibeSkills诞生的背景。它不是一个简单的技能仓库，而是一个完整的AI操作系统。你可以把它理解为你AI工作流的“中央处理器”和“调度中心”。它解决了当前AI技能生态中最核心的痛点：如何让数百个技能在正确的时机、以正确的方式被调用，并确保整个工作流是可靠、可追溯且高效的。

VibeSkills的核心是VCO（Vibe Code Orchestrator）运行时引擎。它通过一套智能路由和治理运行时机制，将超过340个涵盖需求分析、架构设计、编码、调试、测试、数据科学乃至科研的专项技能，组织成一个有序协作的系统。你不再需要记忆“当我需要做X时，应该手动触发Y技能”。你只需要告诉系统你想要什么（/vibe），剩下的——需求澄清、方案规划、技能调度、多智能体执行、结果验证——全部由系统自动完成。

提示：VibeSkills的设计哲学是“框架引导，而非用户记忆”。它通过强制性的治理流程（澄清→规划→执行→验证）来约束AI的“野性”，确保输出质量，同时通过智能路由解放用户，让你专注于问题本身，而非工具管理。

2. 核心设计理念：智能路由与治理运行时

2.1 传统技能系统的困境与VibeSkills的解法

在深入技术细节前，我们先看看传统技能系统为什么会让用户感到挫败。下表清晰地对比了痛点与解决方案：

VibeSkills的智能路由，其核心逻辑并非让所有340+技能同时“待命竞争”。相反，它引入了一个主协调器的概念。绝大多数复杂任务都通过统一的入口（vibe）进入，由这个协调器负责整个治理流程。其他专项技能（如tdd-guide、code-review）只有在特定的阶段或明确界定的工作单元中真正需要时，才会被路由调用。

这种设计带来了几个关键优势：

1. 避免冲突：相似的技能不会同时被激活。路由系统会根据当前任务阶段、领域和执行强度，优先选择一个主要路径。
2. 保持流程稳定：无论调用多少技能，核心工作流Clarify → Plan → Execute → Verify保持不变。更多可用技能不会导致流程松散。
3. 职责分离：vibe作为协调器，负责全局流程把控；专项技能作为“专家顾问”，只在被请求时提供深度能力。

2.2 治理运行时：从“野性执行”到“受控协作”

治理运行时是VibeSkills确保输出质量的核心机制。它不是一个可选功能，而是嵌入在每一次vibe调用中的强制性流程。这个流程通常包含四个阶段：

1. 澄清（Clarify）：系统会与你交互，明确任务的真实意图、边界条件和成功标准。它会提出关键问题，避免歧义。这个阶段的结果是一个“冻结的需求”，意味着后续步骤不能擅自更改范围。
2. 规划（Plan）：基于澄清后的需求，系统会生成一个可执行的计划。这个计划会分解任务，可能涉及多个步骤或并行的工作单元，并预先分配所需的技能。
3. 执行（Execute）：系统按照规划，调用相应的技能（可能是单个技能，也可能是多个智能体协作）来完成任务。在执行过程中，治理规则会持续监控，防止危险操作。
4. 验证（Verify）：任务完成后，系统不会直接说“完成了”。它会生成一个“证明包”，其中可能包含测试结果、输出日志、代码审查摘要等证据，来证明任务确实被正确完成。

这个流程通过几个公开的包装器入口点来暴露，但最终都指向同一个权威的运行时：

• vibe: 运行完整的治理流程（澄清→规划→执行→验证）。
• vibe-want: 仅运行到需求澄清并冻结后停止。
• vibe-how: 运行到需求澄清和规划冻结后停止。
• vibe-do: 运行完整的治理流程，但不跳过需求和规划阶段（这是一个常见的误解，它并非“只执行”）。

注意：公开的复杂度覆盖仅有--l和--xl参数。像vibe-l、vibe-xl这样的别名是故意不支持的，这是为了保持入口点的清晰和权威性，避免混乱。

2.3 执行等级：M/L/XL的智能选择

VibeSkills会根据任务的复杂程度，自动选择或允许用户指定执行等级：

即使在XL等级的多智能体工作中，也并非“自由混战”。系统会首先确定主路由，然后在同一治理协调器的监督下，为每个有界的工作单元分配合适的技能。这通过根通道/子通道模型实现：一个“根”协调器负责总体协调和结果汇总，多个“子”工作智能体并行处理独立单元，从而避免并行智能体间的输出冲突。

3. 核心组件深度解析

3.1 内存系统：跨越会话的上下文连续性

智能路由解决了“用哪个技能”的问题，而内存系统则解决了“下次会话是否需要从头开始”的问题。VibeSkills的内存设计非常务实，旨在解决三个实际问题：

1. 在同一工作空间内恢复已确认的项目上下文。
2. 在任务中断或交接后，保持长任务的可恢复性。
3. 保存决策、交接笔记和相关证据，而无需将完整历史记录塞进每一个提示词。

它不是一个“保存一切”的无限记忆库。默认情况下，内存是分层和分域的：

实操心得：内存系统的边界感在实际使用中，最让人安心的是它的“边界感”。项目A的记忆不会泄漏到项目B，即使它们位于同一个后端根目录下。同时，并非所有内容都会被自动持久化。例如，向Serena（项目内存）写入持久化的项目决策时，通常需要明确的确认。这防止了AI在未经你同意的情况下，随意“记住”一些可能错误或临时的决定。检索时，系统也只会返回与当前任务相关的、有界的“记忆胶囊”，而不是倾倒整个记忆库，这极大地提升了提示词的效率和相关性。

3.2 技能生态与能力地图

VibeSkills集成了340多个技能，但这并非简单的堆砌。这些技能被有机地组织成一个覆盖从想法到交付全链条的“超级能力网络”。下表展示了其核心能力版图：

为什么相似的技能可以共存？这是新手常见的一个疑问。答案在于阶段专精和领域特化。例如，brainstorming和speckit-clarify可能都用于需求阶段，但前者更偏向发散性创意，后者更偏向结构化定义。systematic-debugging和error-resolver都用于调试，但前者是一套完整的调试方法论，后者可能更针对特定错误类型的快速解决。路由系统会根据当前任务的具体阶段和上下文，选择最合适的那一个，而不是让它们同时激活竞争。

4. 安装、配置与上手实战

4.1 安装路径选择与一键安装

VibeSkills支持主流的AI编码环境，包括Claude Code、Codex、Cursor、Windsurf、OpenClaw、OpenCode等。对于绝大多数用户，推荐使用提示词一键安装，这是最快捷、出错率最低的方式。

标准安装流程：

1. 确定你的AI应用：确认你使用的是Codex、Claude Code、Cursor还是其他。
2. 访问安装指南：打开项目主文档中的 Prompt-based install 页面。
3. 复制并执行提示词：找到对应你应用和版本的安装提示词，完整地复制它。
4. 在你的AI应用中粘贴并运行：将提示词粘贴到你的AI聊天框中并发送。AI会引导你完成后续的确认和安装步骤。
5. 选择安装模式：通常你会被询问安装full（完整版）还是minimal（最小版）。除非你有明确理由，否则选择full。完整版包含了所有推荐技能和配置，能提供开箱即用的最佳体验。

fullvsminimal的抉择：

• full（推荐）：安装完整的VibeSkills生态系统，包括运行时、所有核心技能、默认配置和治理规则。这是为大多数用户设计的“电池包含”体验。
• minimal：仅安装VCO运行时框架和最基本的治理核心。你需要手动添加所需的技能。这适合高级用户，或者那些希望从零开始构建自定义技能集的用户。

4.2 安装后的目录结构与文件解析

安装完成后，了解关键文件和目录的位置有助于 troubleshooting 和高级定制。

核心路径：

• 公共运行时入口：<你的项目根目录>/skills/vibe。这是你调用/vibe命令时实际执行的脚本。
• 内部技能包：<你的项目根目录>/skills/vibe/bundled/skills/*。这里存放了所有预捆绑的技能模块。
• 宿主侧配置（Host-sidecar）：位于项目根目录下的.vibeskills/文件夹内。
  • host-settings.json: 宿主特定的设置。
  • host-closure.json: 安装闭包信息。
  • install-ledger.json: 安装记录。
  • bin/*: 一些辅助二进制工具。
• 工作空间侧配置（Workspace-sidecar）：同样位于项目根目录下的.vibeskills/文件夹内，但包含工作空间特定的内容。
  • project.json: 当前项目的配置和状态。
  • docs/requirements/*,docs/plans/*: 存放由系统生成的需求文档和计划文档。
  • outputs/runtime/vibe-sessions/*: 运行时会话日志和输出。

不同宿主的具体配置文件路径：

• Codex:~/.codex/settings.json
• Claude Code:~/.claude/settings.json
• Cursor:~/.cursor/settings.json
• OpenCode:~/.config/opencode/opencode.json
• Windsurf / OpenClaw: 配置主要存在于上述的host-settings.json中。

注意事项：安装过程可能会修改你宿主应用的配置文件以注册技能路径。建议在安装前备份你的配置文件（如settings.json）。虽然安装脚本通常很安全，但备份是一个好习惯。

4.3 快速开始：你的第一个Vibe任务

安装完成后，让我们通过一个简单的例子来感受VibeSkills的工作流。假设我们有一个Python项目，想添加一个函数来计算斐波那契数列，并确保它有良好的测试和文档。

步骤 1：发起Vibe任务在你的AI聊天框中，输入：

/vibe 为我的Python项目添加一个计算斐波那契数列的函数，需要包含类型注解、文档字符串和单元测试。

或者，如果你想更精确地控制复杂度，可以指定等级：

/vibe --l 为我的Python项目添加一个计算斐波那契数列的函数，需要包含类型注解、文档字符串和单元测试。

步骤 2：观察治理流程

1. 澄清阶段：AI会与你交互，可能会问：

   • “函数名你希望是什么？比如fibonacci？”
   • “需要处理负数输入吗？如果需要，期望的返回行为是什么？”
   • “单元测试需要覆盖哪些边界情况？（例如，n=0, n=1, 大数性能）”
   • “代码应该放在项目中的哪个文件或模块里？” 你需要回答这些问题来“冻结”需求。这个阶段确保了双方对任务的理解一致。

2. 规划阶段：AI会生成一个执行计划，可能包括：

   • 创建或定位目标文件（如math_utils.py）。
   • 编写fibonacci函数。
   • 在test_math_utils.py中编写对应的单元测试。
   • 运行测试以确保通过。
   • 可能还会建议更新项目的__init__.py或README.md。 你会看到这个计划，并可以确认或提出修改。

3. 执行阶段：系统开始按计划执行。你会看到AI在自动调用不同的技能：

   • 可能先调用aios-architect来确认代码结构。
   • 然后调用某个代码生成技能来编写函数。
   • 接着调用tdd-guide或直接编写测试的技能。
   • 最后调用code-review进行快速审查。 所有这些调用对你都是透明的，你看到的是一个连贯的、受控的执行过程。

4. 验证阶段：任务完成后，AI不会简单地说“完成了”。它会提供一个“证明包”：

   • 展示新编写的函数代码。
   • 展示新编写的测试代码。
   • 展示测试运行通过的结果（例如pytest的输出）。
   • 可能会提示你运行一次测试以进行最终确认。 这提供了完成工作的切实证据。

步骤 3：体验智能路由和内存

• 尝试在同一个项目里，开启一个新的AI会话，然后说：“我想优化一下刚才那个斐波那契函数的性能，考虑使用缓存。”
• 你会发现，AI可能不需要你重新解释“刚才那个函数”是什么。项目内存（Serena）帮助它恢复了上下文，它知道你在指哪个项目、哪个文件、哪个函数。
• 当你提出优化需求时，路由系统可能会自动引入performance-analysis或memoization相关的技能来协助，而不是使用通用的代码修改技能。

5. 高级使用技巧与最佳实践

5.1 如何高效利用智能路由

智能路由的核心是理解你的意图。为了获得最佳效果，你可以通过以下方式与它协作：

1. 从目标出发，而非工具：不要思考“我需要用XX技能”，而是描述你想要达到的结果。例如，说“我想分析这个CSV文件的数据分布并生成可视化图表”，而不是“调用pandas和matplotlib”。路由系统会为你选择>