dsh-skills-anywhere

跨工具发现与加载技能。 将本地目录和已配置 Git 源中的 Agent Skills 汇入统一目录，通过 DeepSeek Harness（dsh）实时提供器 或本地 stdio MCP 服务器按需访问。

English | 中文

迁移技能前，先检查附件

检查安装目录中缺失的本地链接，再比较目录变更并通过 MCP 加载。 浏览器目录检查 · 三个真实固定版本样例。

npx [email protected] check path/to/SKILL.md --resources --json

加上 --fail-on-resource-issues 开启 CI 门禁。此功能检查本地 Markdown 链接目标， 不检查正文中的依赖，也不执行技能。范围与教程。

首次复核，无需克隆仓库 — 检查一个缺失的技能附件，补齐后复核 CI 门禁。

从你的工作流开始

快速开始

需要 Node.js 22.19+ 或 24+。CLI 和本地 MCP 服务器可独立使用；Git 源另需 Git。

先查看已发现的技能：

npx dsh-skills-anywhere list

接入 MCP 客户端时，使用本地服务器配置。使用 DeepSeek Harness 时，安装到所用 profile：

dsh plugin --profile web add dsh-skills-anywhere

启动 dsh 后通过 skill 工具或 /技能名 加载。需要添加 Git 源时运行 npx dsh-skills-anywhere add anthropics/skills。 安装详情包括发布包、源码安装和 dsh 版本要求。

在 CI 中检查技能。 任何保存 SKILL.md 的仓库都可以使用本项目的 GitHub Action（0.14.0 起）。 被拒绝的文件、字段修复和隐藏字符会显示为拉取请求注释，并生成作业摘要与 JSON 报告：

      - uses: actions/checkout@3d3c42e5aac5ba805825da76410c181273ba90b1 # v7.0.1
      - uses: noteflowai/[email protected]
        with:
          fail-on-repair: true
          fail-on-hidden-characters: true

输入、输出与检查范围。无需模型密钥，也无需安装 DeepSeek Harness。

先在浏览器体验

首页直接显示一个资源检查样例。选择自己的技能目录后，可用 Save result image 保存含计数与检查范围的结果图；图片不含文件名，JSON 报告保留复核所需路径。

检查自己的 SKILL.md。 Hugging Face 演示可在浏览器中并排检查严格模式与宽容模式， 查看字段修复、调用设置并下载检查报告。文件不会上传；检查范围是本项目的解析行为， 报告列出识别到的外部来源地址、完整提交号形式与作者工具声明； 引用内容、脚本行为及客户端兼容性需要单独验证。

体验 Hugging Face 交互演示：在示例工作区中查看技能来源、处理重名、调整目录预算，并搜索未列出的技能。无需安装或模型 API。演示原理。

查看技能指令、比较目录清单或分享目录视图。键盘导航保留选中行与目录设置， 用于本地复核的文件始终在浏览器中处理。

目录如何汇总

不同客户端使用的项目级、用户级和插件目录存在差异。Skills Anywhere 原地发现 已配置来源中的 SKILL.md，通过 dsh 或已连接本地服务器的 MCP 客户端提供统一目录。 目录定义描述发现路径；已测试的协议连接单独记录在兼容矩阵中。

在 dsh 里，它在内置的 ctx.skills 注册表上多注册一个提供器，模型原有的 skill 工具和 /name 调用方式不变，只是能看到更多技能：

• 预定义的 Agent 目录。 包括 Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot、Windsurf、Kiro、Goose、Cline、Kimi CLI、Letta Code 等项目级和用户级路径，具体见目录注册表。通过 MCP 时还包括共享的 .agents/skills 约定，因此自身不读取该目录的客户端（例如 Claude Code）也能看到安装在那里的技能。
• Claude Code 插件市场。 嵌套在 ~/.claude/plugins/marketplaces/*/plugins/*/skills/* 里的技能，包括 Anthropic 官方市场。
• 已配置的 Git 源。 指定技能仓库、子目录、分支、标签或提交；提供器维护本地检出，并在 lock 文件中记录实际提交。
• 原地读取本地文件。 每次加载重新读取已有技能，无需复制到各客户端目录。Git 源使用下文说明的托管缓存。

目录预算控制进入模型会话目录的技能摘要数量，默认最多 50 个。 其他允许调用的技能仍可通过 find_skills 搜索并按需加载，/name 调用方式不变。

这套技能池在 dsh 之外也能用：dsh-skills-anywhere mcp 通过工具和 skill:// 资源供已配置的 MCP 客户端发现和加载。 具体工作流取决于客户端对工具调用、资源和技能指令的支持。

提供器会去重软链接和字节相同的条目，支持文档中列明的 frontmatter 修复， 并对 discord/configure、telegram/configure 等重名条目添加前缀。 CLI 展示实际发布的目录、跳过的条目及每项变更的原因。

校验记录的技能选择

当分类器、LLM 或人工为某个任务选定技能时，route 会对照本机已安装的技能校验这个选择。 route prepare 用与 find_skills 相同的关键词搜索对所有已发现的技能排序，先去掉 open_skill 会拒绝的技能，再保留前 8 个，生成类型化的选择请求 （skills-anywhere-route-request-1）。保留选项 _none 表示“没有合适的技能”， 它永远不会是合法的技能名。每个候选都记录来源、SKILL.md 路径和内容哈希。决策方写出响应后， route apply 把它当作不可信数据读取，并只报告一种结果。整个过程不加载、不执行技能，也不访问网络。

dsh-skills-anywhere route prepare "fill pdf forms" --json > req.json
# 由决策方写出 resp.json，例如：
# {"choice": "pdf-forms", "confidence": 0.86, "model": "example"}
dsh-skills-anywhere route apply --request req.json --response resp.json --min-confidence 0.7

--min-confidence 取值无效，或在其他命令上使用 --request/--response/--min-confidence， 同样以退出码 2 结束。默认值 0.7 只是未经校准的占位值，请根据自己决策方在保留测试集上的结果选择阈值。 --json 输出 skills-anywhere-route-result-1，包含结果、选择、置信度、阈值和 model（仅作来源记录）； 响应中的其他字段会被忽略。请求文件包含本机的绝对路径。

检查技能交付

成功的 MCP open_skill 调用返回加载回执，关联已交付的指令正文、原始 SKILL.md 与可选目录摘要。调用方可将回执关联到工具 span，再与任务结果一起检查。 回执记录交付事实；指令遵循与权限执行需要分别检查。 数据契约 · EvalArc 评估工作台。

示例：复核机器人记录

通过 MCP 加载 Microduck 帧复盘技能，让 Agent 先调用 Robot Reel 校验原始 关节记录，再整理有依据的结论。 交互技能示例 （选择 04 Review robot evidence）· 本地操作说明 · 可复用技能。 网页展示技能内容；只读校验由你所用 Agent 的执行工具完成，无需重新仿真或 GPU。

审核后加载同一份文件

MCP open_skill 返回原始文件的 SHA-256。传入 check --json 或之前一次 打开结果中的 expected_sha256，文件变化时会在返回指令前拒绝加载。 作者刚设置的禁用标志立即生效，不受目录缓存影响。 固定文件版本的使用说明。

MCP 协议支持： 本地 stdio 命令支持旧版初始化与 2026-07-28 协议握手； 四种 SDK 配置和安装后的 npm 包均通过真实子进程验证。 兼容范围与嵌入迁移说明。具体客户端工作流的验证范围见该矩阵。

审核技能目录里的全部文件。 bundle /path/to/skill --json 生成目录清单， 可比较脚本／资源的新增、删除和内容变化，再通过 MCP expected_bundle_sha256 按审核指纹加载。 首页对比区展示“说明没变、脚本已变”， 也支持在本地浏览器比较自己的两份清单。流程与边界。 指纹覆盖该目录内记录的路径与文件内容。外部依赖和执行权限需要另行审核； 文件在加载后仍可能变化。

安装详情与目录示例

已发布到 npm，附有构建来源（provenance）； 每个 GitHub release 也提供相同的 tarball。

以下为目录发现的输出示例，路径与数量取决于本地安装和已配置来源：

$ npx dsh-skills-anywhere list
NAME                 FROM                                                    PATH
discord-access       claude plugin discord @ claude-plugins-official         ~/.claude/plugins/marketplaces/.../discord/skills/access/SKILL.md
frontend-design      claude plugin frontend-design @ claude-plugins-official ~/.claude/plugins/marketplaces/.../frontend-design/skills/frontend-design/SKILL.md
skill-creator        claude plugin skill-creator @ claude-plugins-official   ~/.claude/plugins/marketplaces/.../skill-creator/skills/skill-creator/SKILL.md
...
31 skills, 6 renamed — run `dsh-skills-anywhere doctor` for details

dsh plugin --profile web add github:noteflowai/dsh-skills-anywhere

# $DSH_HOME/profiles/web/pnpm-workspace.yaml
allowBuilds:
  'dsh-skills-anywhere@https://codeload.github.com/noteflowai/dsh-skills-anywhere/tar.gz/<sha>': true

会发现哪些技能

在 dsh 注册表里，同名技能按较小的 rank 优先。内置目录保留原值： .dsh/skills 为 100、.agents/skills 为 200、~/.dsh/skills 为 400、 ~/.agents/skills 为 500。不同来源按这些数值共同排序，例如 rank 250 的 Agent 项目级条目优先于 rank 400 的 dsh 用户级条目。 在 dsh 内，内置 .agents/skills 与 .dsh/skills 目录不会被重复扫描。 独立运行的 MCP 服务器旁边没有内置提供器，因此它也会以相同的 rank（200 与 500）提供共享的 .agents/skills 与 ~/.agents/skills（Codex、Amp、Goose、Zed 与 Letta Code 的默认位置）。 嵌入 createSkillsAnywhereServer 时可传入 sharedDirs: false 或排除 agents id。

运行 npx dsh-skills-anywhere agents 查看完整 Agent 表以及本机存在哪些目录。

技能格式

提供器读取包含 SKILL.md 的目录及 dsh 的平铺 <name>.md 文件， 采用 Agent Skills 格式。 解析 name、description、disable-model-invocation 与 user-invocable， 并保留 license、compatibility、allowed-tools 和 metadata。

compatibility 与 allowed-tools 是作者声明，运行环境要求和工具权限由客户端管理。 argument-hint、context 等未知字段保留在 metadata.frontmatter 中； 保留字段不代表实现了原客户端的对应行为。scripts/、references/、assets/ 通过技能资源目录提供给调用方使用。

默认的宽松模式下：缺少 name 时回退到目录名，非法 name 归一化为 kebab-case，缺少 description 时取正文第一段。每次修复都会记录并由 doctor 展示。设置 lenient: false 可与内置提供器的严格行为保持一致。

git 源

npx dsh-skills-anywhere add anthropics/skills                      # 默认分支
npx dsh-skills-anywhere add anthropics/[email protected]               # 标签或分支
npx dsh-skills-anywhere add vercel-labs/agent-skills/skills        # 子目录
npx dsh-skills-anywhere add https://github.com/o/r/tree/main/dir   # GitHub tree URL
npx dsh-skills-anywhere add [email protected]:group/skills.git        # 任意 git URL
npx dsh-skills-anywhere add ./local/skills-repo --project          # 本地仓库，项目级
npx dsh-skills-anywhere add o/r --ref 3f2a9c1 --rank 300           # 锁定提交，设置优先级

源来自三个地方，按顺序合并：插件配置 config.sources、用户文件 ~/.dsh/skills-anywhere/sources.json、项目文件 <project>/.dsh/skills-anywhere.json（提交到仓库即可与团队共享）。CLI 负责编辑后两者。

每个仓库在 ~/.dsh/skills-anywhere/cache/<host>/<owner>/<repo> 维护本地检出； 指定分支、标签或提交时使用 <repo>@<ref>。后台同步在启动时、 每隔 syncIntervalMs（默认 6 小时）以及来源配置变化时运行， 实际提交写入 ~/.dsh/skills-anywhere/lock.json。 发现过程读取已有缓存。刷新失败时保留已有检出；从未同步成功的源没有可用缓存技能。 成功更新后使目录缓存失效，发现过程无需等待网络同步。

目录预算与 find_skills / open_skill 工具

dsh 会把每个模型可调用技能的名称和描述放进会话，每次请求都带上。加上插件市场和几个 git 源，这就是几百行上下文。因此提供器会对技能排序，只把前 catalog.limit 个（默认 50）标记为模型可调用；其余技能以关闭模型调用的方式发布，不进目录，但你仍可用 /name 加载。

由 dsh-skills-anywhere/tools 行注册的两个工具让模型也能触达被隐藏的部分：

• find_skills(query, limit?) 按关键词搜索全部技能（名称、描述、whenToUse、来源），无论是否在目录中，并标明哪些已列出。
• open_skill(name) 按精确名称加载任意技能，包括被预算隐藏的。frontmatter 里写了 disable-model-invocation: true 的技能仍会被拒绝，与内置 skill 工具行为一致。

- id: skills-anywhere
  config:
    catalog:
      limit: 30                       # 0 = 不限制（旧行为）
      pin: [frontend-design]          # 始终列出
      hide: [example-skill]           # 从不列出，但仍可搜索、可 /name 调用
- id: skills-anywhere-tools
  config:
    findLimit: 10

作者禁用的技能不占预算。哪些技能保留在目录中遵循下文的优先级顺序：项目级优先于用户级，再优先于市场与 git 源。工具行依赖工具运行时（ctx.tools）；在没有它的 profile 中该行保持挂起，提供器独立工作。

CLI

提交前检查技能。 运行 npx -y [email protected] check skills/example/SKILL.md --fail-on-repair，使用与在线体验相同的解析器， 批量检查明确指定的文件，输出带文件摘要的 JSON 报告和 CI 退出码。 默认严格解析，--lenient 接受提供者的修复，--fail-on-repair 要求没有修复。 报告还会列出不可见字符和改变文字方向的字符（hiddenCharacters），--fail-on-hidden-characters 可据此拒绝文件。 不会扫描其他目录、同步仓库或执行技能。在 GitHub Actions 中，uses: noteflowai/dsh-skills-anywhere 会选取所有受 Git 跟踪的 SKILL.md 并标注结果。命令、GitHub Action 与检查范围。

dsh-skills-anywhere list [--all] [--json]     提供器发布的技能（--all 显示被隐藏的重复项）
dsh-skills-anywhere agents [--json]           Agent 目录定义及本机存在的路径
dsh-skills-anywhere sources [--json]          已配置的 git 源及已同步的提交
dsh-skills-anywhere add <source> [--ref] [--path] [--rank] [--project]
dsh-skills-anywhere remove <source> [--project]
dsh-skills-anywhere sync [--force] [--json]   立即克隆或刷新全部源
dsh-skills-anywhere doctor [--json]           被修复、跳过、重命名、去重的技能及原因
dsh-skills-anywhere mcp                       通过 stdio MCP 向已配置客户端提供技能

所有命令支持 --cwd <dir> 指定项目。CLI 与插件走同一套代码，无需 dsh 运行。

作为 MCP 服务器使用

dsh-skills-anywhere mcp 启动本地 stdio Model Context Protocol 服务器， 通过以下工具提供相同的已配置来源、去重与命名规则。 在兼容客户端的 MCP 配置中注册该服务器即可连接：

技能同时以 skill://<名称> 资源提供，并为支持资源引用的客户端提供自动补全。 MCP 工具与资源入口会排除 frontmatter 设置了 disable-model-invocation: true 的技能。服务器可独立于 dsh 运行。

下面提供客户端配置示例。自动连接检查覆盖兼容矩阵 列出的四种 SDK 配置及安装后的发布包；具体应用行为取决于客户端版本及其对工具和资源的支持。

Claude Code（作为插件安装；本仓库同时也是一个插件市场）

claude plugin marketplace add noteflowai/dsh-skills-anywhere
claude plugin install dsh-skills-anywhere@noteflowai

也可以只注册裸服务器：claude mcp add skills-anywhere -- npx -y dsh-skills-anywhere mcp。两种方式都需要重启一次 Claude Code 才会连接。

Cursor（.cursor/mcp.json 或 ~/.cursor/mcp.json）

{ "mcpServers": { "skills-anywhere": { "command": "npx", "args": ["-y", "dsh-skills-anywhere", "mcp"] } } }

Codex（~/.codex/config.toml）

[mcp_servers.skills-anywhere]
command = "npx"
args = ["-y", "dsh-skills-anywhere", "mcp"]

MCP 目录标识为 io.github.noteflowai/dsh-skills-anywhere。仓库也提供 Agent Plugin 清单（plugin.json 与 mcp.json）， 供支持该格式的客户端使用；请按所用客户端的流程安装。

如果客户端在项目目录之外启动服务器，加上 --cwd <dir>。已配置的 Git 源会在启动时后台同步。 嵌入自己的程序时，import { createSkillsAnywhereServer } from 'dsh-skills-anywhere/mcp' 返回 McpServer 和提供器，传输层接入方式见嵌入与迁移指南。

在 dsh web 界面里浏览和开关技能

在 dsh web 中打开 设置 → 插件 → 插件配置，Skills Anywhere 卡片会列出提供器找到的全部技能，按所在位置分组（Agent 目录、Claude Code 插件、git 源），并标出目录状态——已列出给模型、未列出（被预算或你挡在目录外）或作者禁用——以及重名时被改成的名字。每一行提供 置顶（始终列出）、隐藏（不进模型目录，但 /名称 和 find_skills 仍可达）和 排除（从提供器中彻底去掉）；目录预算可以就地修改，筛选框按名称、描述和来源搜索。

修改会作为 skills-anywhere 命名空间写入 profile 的 dsh 设置文档，叠加在 cordis.patch.yml 的 catalog 和 excludeSkills 之上，模型目录立即跟随变化：无需重启，无需手改文件。卡片只在挂载了 dsh 设置服务和 web 服务器的 profile 中出现（自带的 web profile 满足）；其他场合提供器的行为与组合配置完全一致。

配置

在 profile 的 cordis.patch.yml 中覆盖该行。patch 会替换整个 config 块，因此需要写全所有你关心的键：

- id: skills-anywhere
  config:
    agents: true
    excludeAgents: [openclaw]
    claudePlugins: true
    sources:
      - anthropics/skills
      - { repo: vercel-labs/agent-skills, path: skills, ref: main, rank: 650 }
    excludeSkills: [example-skill]

dsh-skills-anywhere/tools 行接受 findLimit（默认 10）、findMaxLimit（50），以及 find / open 布尔值以便只注册其中一个工具。

优先级与去重规则

1. 按 rank 顺序扫描根目录；同一 rank 内按 Agent 表顺序，再按路径。
2. 指向同一文件（软链接）的条目折叠为第一个；同名且正文字节相同的条目折叠为第一个。两者都在 doctor 中显示为隐藏的重复项。
3. 仍然同名但内容不同的条目全部保留。如果其中有你自己的（来自 Agent 目录），它保持原名，其余加上插件、仓库或 Agent 前缀（如 telegram-configure）；如果全部来自市场或 git 源，则全部加前缀，得到 discord-access、telegram-access 而不是一个没有意义的 access。doctor 会列出重命名。
4. 随后 dsh 注册表按 rank 把本提供器的候选与内置候选合并。

集成示例与实测结果

通过示例将交付回执与另行计算的任务检查关联起来。 报告保留技能指令、工具结果与每一份交付程序，便于复核完整过程。

复核独立来源 SWE 任务： 另一组固定实验在 Astropy、pytest、SymPy 三个公开任务上保留四条件共 36 次尝试。 直接加载与 MCP 预加载交付相同指令，无关内容组也匹配初始提示长度。 没有尝试获得原生验收：31 次有可判读报告，5 次因上游基础设施标记而保留为不确定； 8 次产生非空补丁。中文方法与离线记录 分别呈现工具失败、原始评分标签和不完整用量。

携带前序会话的固定技能版本继续工作： 另一组独立保存的六次尝试均由工作流通过 MCP 预加载相同的历史技能。 六次加载均成功，记忆组合计成功检索六次；六份程序均未修改，完整任务验收为 0/6。 报告将原始版本指纹、交付回执、检索内容与任务检查逐项关联。

运行期行为报告与 隔离技能组合示例分别展示最终文件验收、服务提交和授权检查。 报告保留 32 个原生脚本对照及全部 12 次模型尝试；模型没有完成所需服务提交。 中文方法 提供复现步骤和结果的解释范围。

这些小规模公开任务研究用于评估特定工作流；普遍的技能或记忆效果收益需要另行验证。 研究说明集中提供复现方法、技能组合对照与各批次记录。

安全说明

• 插件只读取技能文件，绝不写入你的 Agent 目录。
• git 源会在插件启动和刷新周期在本机运行 git。对不完全信任的源请锁定提交，并检查 lock.json。
• 加载技能会把指令加入 Agent 上下文。使用前应检查指令及引用脚本；执行权限由客户端控制，加载成功不保证模型遵循指令。
• 技能通过 Node 文件系统 API 读取，而非 dsh 沙箱化的 ctx.fs；内置提供器读取自带根目录时也是如此。

开发

pnpm install
pnpm run check        # 类型检查 + lint + 测试 + 构建
pnpm pack             # 生成 tarball，供 `dsh plugin --profile <name> add ./dsh-skills-anywhere-*.tgz`

测试直接跑在真实的 @deepseek-ai/dsh-skill 注册表和临时目录里的真实 git 仓库上。

参与贡献

欢迎 issue 与 PR。在 src/agents.ts 中添加发现路径时， 请注明来源并验证目录发现行为。客户端接入需要单独检查协议与工作流。 详见贡献指南。

社区收录：Awesome DeepSeek Harness · Awesome Gemini CLI。 发布历史与核验记录。

许可证

MIT © Note Flow AI