A production-grade meta-skill for Claude Code — the intelligent router between you and all other skills.
当你想完成一个复杂任务时（比如"分析销售数据并生成PPT"），Skill Orchestrator 会自动帮你：
- 理解你的意图
- 选择最合适的技能
- 规划执行步骤
- 评估风险和成本
- 执行并跟踪进度
flowchart LR
A["👤 用户请求"] --> B["📋 任务分解"]
B --> C["🎯 能力匹配"]
C --> D["⚖️ 风险评估"]
D --> E["📊 执行计划"]
E --> F["✅ 执行"]
F --> G["📝 回顾学习"]
style A fill:#e1f5fe
style F fill:#c8e6c9
style G fill:#fff3e0
┌─────────────────────────────────────────────────────────────────────┐
│ SKILL ORCHESTRATOR 完整流程 │
└─────────────────────────────────────────────────────────────────────┘
Step 1: 任务分解 (Task Decomposition)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
输入: "分析季度销售数据并生成PPT汇报"
分解结果:
┌─────────────────────────────────────────────┐
│ Goal: 分析季度销售数据并生成PPT汇报 │
│ Inputs: sales_q4.csv │
│ Outputs: 季度汇报.pptx │
│ Capabilities: [spreadsheet, pptx] │
└─────────────────────────────────────────────┘
Step 2: 能力匹配 (Capability Matching)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
置信度评分 (5因子模型):
┌─────────────────────────────────────────────┐
│ spreadsheet: 0.90 │
│ ├─ keywordScore: 0.95 │
│ ├─ semanticScore: 0.88 │
│ ├─ historicalScore: 0.85 │
│ ├─ coverageScore: 0.90 │
│ └─ recencyBoost: 0.80 │
│ │
│ pptx: 0.85 │
│ ├─ keywordScore: 0.90 │
│ ├─ semanticScore: 0.85 │
│ ├─ historicalScore: 0.82 │
│ ├─ coverageScore: 0.88 │
│ └─ recencyBoost: 0.75 │
└─────────────────────────────────────────────┘
Step 3: 风险评估 (Risk Assessment)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
风险维度评分:
┌─────────────────────────────────────────────┐
│ Risk Score = 0.38 (MEDIUM) │
│ │
│ ├─ risk_level: 0.50 (MEDIUM) × 0.30 │
│ ├─ reversibility: 0.50 (SEMI) × 0.20 │
│ ├─ cross_system: 0.30 (LOW) × 0.20 │
│ ├─ skill_count: 0.20 (2skills)× 0.15 │
│ └─ user_expertise: 0.50 (MEDIUM) × 0.15 │
└─────────────────────────────────────────────┘
→ 执行模式: SUGGEST (等待确认)
Step 4: 执行计划 (Execution Plan)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
┌─────────────────────────────────────────────┐
│ 依赖关系图 (Dependency Graph): │
│ │
│ ┌─────────┐ ┌─────────┐ │
│ │ Step 1 │ ───► │ Step 2 │ │
│ │xlsx:分析│ data │pptx:生成│ │
│ └─────────┘ └─────────┘ │
│ 数据流 依赖 │
│ │
│ 并行组: [Step 1] → [Step 2] │
└─────────────────────────────────────────────┘
Step 5: 执行与跟踪 (Execution & Progress)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
[████████████████████░░░░░░░░] 80%
Step 1: spreadsheet ✅
Step 2: pptx 🔄 进行中...
用户输入 → Goal + Inputs + Outputs + Capabilities
"帮我分析这个CSV然后做个PPT"
↓
┌────────────────────────────────────┐
│ Goal: 分析CSV并生成PPT │
│ Inputs: data.csv │
│ Outputs: 演示文稿.pptx │
│ Capabilities: [spreadsheet, pptx] │
└────────────────────────────────────┘
Confidence = keywordScore × 0.25
+ semanticScore × 0.25
+ historicalSuccess × 0.25
+ coverageScore × 0.15
+ recencyBoost × 0.10
| 因子 | 权重 | 说明 |
|---|---|---|
| keywordScore | 25% | 关键词匹配度 |
| semanticScore | 25% | 语义相似度 |
| historicalSuccess | 25% | 历史成功率 |
| coverageScore | 15% | 能力覆盖度 |
| recencyBoost | 10% | 最近使用加成 |
Risk Score = risk_level × 0.30
+ reversibility × 0.20
+ cross_system × 0.20
+ skill_count × 0.15
+ user_expertise × 0.15
| 风险等级 | 分数 | 示例操作 |
|---|---|---|
| LOW | 0.2 | 读取文件、API查询 |
| MEDIUM | 0.5 | 创建文件、API写入 |
| HIGH | 0.75 | 文件删除、配置修改 |
| CRITICAL | 1.0 | rm -rf、生产库写入 |
stateDiagram-v2
[*] --> 请求到来
请求到来 --> THINK: "how would you?"
请求到来 --> AUTO: risk ≤ 0.25
请求到来 --> SUGGEST: 0.25 < risk ≤ 0.50
请求到来 --> PLAN: risk > 0.50
请求到来 --> 缺失技能: 检测到gap
THINK --> 执行: 用户确认
SUGGEST --> 执行: "好"/"是"/"执行"
PLAN --> 执行: "确认"/"执行"
执行 --> 完成
完成 --> 学习偏好
state THINK {
[*] --> 显示推理
显示推理 --> [*]
}
state SUGGEST {
[*] --> 显示计划
显示计划 --> 等待确认
等待确认 --> [*]
}
state PLAN {
[*] --> 详细计划
详细计划 --> 风险说明
风险说明 --> 等待批准
等待批准 --> [*]
}
当多个技能都可以完成任务时，使用 5 维度评分：
Score = Precision × 0.30 + Coverage × 0.25 + Performance × 0.20
+ UserPreference × 0.15 + Recency × 0.10
| 分差 | 解决方案 |
|---|---|
| ≥ 0.30 | AUTO - 自动选择，告知用户 |
| 0.15-0.30 | HYBRID - 推荐，询问确认 |
| < 0.15 | MANUAL - 列出选项让用户选 |
使用 Kahn 算法进行拓扑排序，确定最优执行顺序：
原始任务: "分析CSV → 生成图表 → 制作PPT"
依赖分析:
┌─────────────────────────────────────────┐
│ Step 1: spreadsheet.analyze (无依赖) │
│ Step 2: canvas-design.create_chart (无依赖)│
│ Step 3: pptx.generate (依赖 Step 1, 2) │
└─────────────────────────────────────────┘
拓扑排序结果 (可并行部分并行):
┌─────────────────────────────────────────┐
│ 并行组 1: [Step 1, Step 2] │
│ 并行组 2: [Step 3] (等待组1完成) │
└─────────────────────────────────────────┘
执行顺序:
① Step 1 ─┬─► Step 3
② Step 2 ─┘
# 方式1: 克隆到 Claude skills 目录
git clone https://github.com/sl820/skill-orchestrator.git
mv skill-orchestrator ~/.claude/skills/skill-orchestrator
# 方式2: 作为独立工具使用
pip install skill-orchestratorfrom orchestrator import invoke
# 输入请求
result = invoke("分析销售数据并生成图表")
print(f"技能数: {len(result['skills'])}")
print(f"执行计划: {result['plan']['steps']}")输出:
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📋 执行计划 - 分析销售数据并生成图表
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
🎯 任务分解:
目标: 分析销售数据并生成图表
输入: sales.csv
输出: 图表.png
🔗 匹配技能:
✅ spreadsheet (置信度: 90%)
✅ canvas-design (置信度: 85%)
⚖️ 风险评估:
分数: 0.35 (MEDIUM)
可逆性: SEMI_REVERSIBLE
📊 执行计划:
步骤 1: spreadsheet → 分析CSV
步骤 2: canvas-design → 生成图表
💰 预估成本:
Token: ~2,500
时间: ~15秒
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
确认执行? (好/是/执行)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
result = invoke("从网页抓取数据，分析后生成PPT报告")执行流程:
┌──────────────────────────────────────────────────────────┐
│ 任务: 网页→分析→PPT │
├──────────────────────────────────────────────────────────┤
│ │
│ Step 1: web-access │
│ └─ 抓取目标URL数据 │
│ │ │
│ ▼ data │
│ Step 2: spreadsheet ──────┐ │
│ └─ 数据分析处理 │ union │
│ │ │ │
│ ▼ ▼ │
│ Step 3: pptx ◄────┴────────┘ │
│ └─ 生成汇报PPT │
│ │
│ ⏱️ 预计时间: 45秒 │
│ 💰 预计Token: 8,500 │
└──────────────────────────────────────────────────────────┘
skill-orchestrator/
│
├── 📁 orchestrator/ # 核心引擎
│ ├── __init__.py # 入口点 (invoke, main)
│ ├── models.py # 数据模型
│ ├── decomposition.py # 任务分解引擎
│ ├── mapping.py # 能力→技能映射
│ ├── scoring.py # 置信度评分
│ ├── conflict.py # 冲突解决
│ ├── risk.py # 风险评估
│ ├── dependency_graph.py # Kahn拓扑排序
│ ├── executor.py # 执行引擎
│ ├── retry.py # 重试策略
│ ├── failure.py # 失败处理
│ ├── control_flow.py # IF/RETRY控制流
│ ├── progress.py # 进度跟踪
│ ├── cost.py # 成本估算
│ ├── versioning.py # 版本追踪
│ ├── preferences.py # 偏好学习
│ ├── integration.py # 主协调器
│ └── post_execution.py # 执行回顾
│
├── 📁 scripts/
│ └── scan_skills.py # 技能扫描工具
│
└── 📁 evals/
└── evals.json # 评估数据
| 你的需求 | 匹配技能 | 置信度 | 备选技能 |
|---|---|---|---|
| 分析CSV/Excel数据 | xlsx |
90% | canvas-design |
| 创建PPT演示文稿 | pptx |
88% | canvas-design |
| 读写PDF文件 | pdf |
92% | docx |
| 创建Word文档 | docx |
85% | doc-coauthoring |
| 抓取网页内容 | web-access |
87% | - |
| 测试网页应用 | webapp-testing |
84% | web-access |
| 创建React组件 | web-artifacts-builder |
89% | frontend-design |
| 创建设计图 | canvas-design |
86% | pptx |
| 生成算法艺术 | algorithmic-art |
86% | canvas-design |
| 创建内部通讯 | internal-comms |
88% | docx |
| 构建MCP服务 | mcp-builder |
90% | - |
| 创建测试GIF | slack-gif-creator |
85% | algorithmic-art |
| ... | ... | ... | ... |
自动执行入口函数，处理完整流程。
result = invoke("分析CSV并生成图表")
# 返回结构
{
"skills": [...], # 已安装技能列表
"mcp_servers": [...], # MCP服务器
"plan": {
"task_goal": "...",
"mode": "SUGGEST",
"risk_level": "MEDIUM",
"risk_score": 0.35,
"steps": [...],
"gaps": [],
"parallel_groups": [...],
"estimated_cost": {...}
},
"error": None # 错误信息
}创建手动控制的协调器实例。
from orchestrator import create_orchestrator
orchestrator = create_orchestrator()
plan = orchestrator.plan("你的请求")
result = await orchestrator.execute(plan)# 置信度权重
CONFIDENCE_WEIGHTS = {
"keyword": 0.25,
"semantic": 0.25,
"historical": 0.25,
"coverage": 0.15,
"recency": 0.10,
}
# 风险权重
RISK_WEIGHTS = {
"risk_level": 0.30,
"reversibility": 0.20,
"cross_system": 0.20,
"skill_count": 0.15,
"user_expertise": 0.15,
}
# 执行模式阈值
EXECUTION_MODE_THRESHOLDS = {
"AUTO": 0.25,
"SUGGEST": 0.50,
"PLAN": 0.75,
}贡献代码、报告问题或提出功能建议！
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/amazing) - 提交更改 (
git commit -m 'Add amazing feature') - 推送到分支 (
git push origin feature/amazing) - 创建 Pull Request
MIT License - 详见 LICENSE 文件