88 個 Agent 技能與 476 支腳本的資產清冊
在 AI Agent 與自動化工作區中，真正的治理瓶頸往往不是「寫不出新工具」，而是當工具數量突破 50 個、甚至累積到 88 個技能與 476 支腳本時，工程師會開始面臨「記不住有什麼短指令、重寫重複功能的腳本、分不清哪些工具會改動資料庫」的黑盒危機。這套能力註冊表（Capability Registry）正是為了解決自動化資產失控而生。
系統透過 /check-wf 靜態掃描所有 SKILL.md，1 秒內自動編譯為單檔免伺服器的可搜尋目錄與獨立詳情頁。以下數據來自 2026-08-30 15:27 的快照。
指派任務前必須回答的三個問題
在協作環境中，隨意把未經驗證的工具丟給 Agent 執行是危險的。儀表板將「做什麼（用途與短指令）」、「改什麼（檔案改動權限）」與「測過沒（Eval 覆蓋與成熟度）」集中在卡片上，在指派任務前就能快速做出技術決策，無須逐一深入原始碼查閱。
職責邊界清晰度
透過多維標籤與用途摘要，確認該技能是專用腳本還是通用模組，避免多個 Agent 重複搶奪同類任務。
改動邊界與安全性
直接標示 Write-access 權限。純唯讀分析可放心並行執行，具寫入權限工具則必須符合嚴格的安全防呆規範。
測試與成熟度分級
公開 84 個具備 Eval 案例的成熟工具；4 個仍缺測試的技能會標註警告，要求執行時必須有人工在場監督。
從 1 個雛形到 34 個成熟工具：成熟度分級背後的維護策略
SKILL 職責分類
category count- 通用（17 個）處理檔案整理、標籤清理、批次更名與日常工作區維護等橫向支援。
- 研究（31 個）爬梳外部即時資訊、醫療 IT 商情、GitHub 趨勢與技術文獻萃取，是日常主力。
- 生成（23 個）將零散素材結構化轉譯為 Markdown 筆記、週報草稿、專欄文章與社群分享。
- 工作流（7 個）串接多項批次指令與自動化排程，構成可自主執行的定時管線。
- 轉換 / 協調 / 操作（10 個）負責跨格式轉換（Word/Excel/PDF）、流程調度與 Agent 協同操作入口。
成熟度金字塔
review signal- 雛形（1 個）處於概念驗證（PoC）階段，僅有文件定義，採用前須手動驗收輸入與失敗處理。
- 成形（51 個）佔比最大；多案專用腳本只要合約固定即投入生產，具備基本輸入檢查與錯誤捕獲。
- 成熟（34 個）核心常用工具，具備完整測試覆蓋、異常回滾機制與多輪 Refactoring 軌跡。
- 完整（2 個）經過長期生產驗證的高階自動化模組，具備全方位日誌、指標監控與安全閘門。
目錄中的架構分層：核心狀態機與邊緣葉節點
在 88 個技能中，工具並非平起平坐。能力註冊表將工具劃分為不同安全階層：少數具有全庫改寫能力的「核心狀態機引擎」受到最嚴格的依賴審查；而多數研究與轉換腳本則作為輕量「邊緣葉節點」，可靈活抽換與擴充。
Brain-Ops（日間互動寫入）
常駐知識讀寫核心。在與 Agent 互動中遵循 read -> enrich -> write 嚴格規範，優先更新舊事實，防止重複發明筆記。
Daily Dream Cycle（夜間批次入庫）
夜間非同步管線。分批掃描暫存區與剪藏，執行 Brain-First 預檢後才將素材移入 raw/ 並重建索引與引用連結。
Dream Fusion（存量衝突收斂）
存量重構引擎。當同一主題出現知識漂移或矛盾時，產出收斂提案，以 Compiled Truth、Timeline 與證據鏈完整保留出處。
靜態掃描暴露的 4 類工作區架構病灶與重構
在建立能力註冊表前，工作區累積了大量未經規範的腳本。透過 check-wf 靜態比對 88 個 SKILL.md 與 476 支實體腳本，我們系統性抓出了四類架構缺陷，並完成全面重構：
掃描暴露的系統性架構問題
audit findings- Prompt 與 Harness 緊密耦合早期腳本把長篇 Prompt 寫死在 Python/PowerShell 裡面，導致 Agent 無法獨立閱讀與修改 Prompt 合約。
- 腳本入口缺乏跨平台規範476 支腳本中混雜部分 Windows-only PowerShell 腳本，導致跨平台 Agent 執行時遭遇環境中斷。
- 測試覆蓋盲區與缺乏 Eval早期部分 SOP 僅有口語描述，缺乏可重複驗證的測試案例（Eval cases），難以防範 Prompt 漂移。
- 寫入權限與改動邊界宣告不明部分技能未在 YAML 明確宣告 Write-access，導致排程執行時無法預知是否會對筆記庫產生實體修改。
已落地的重構與治理方案
applied architecture refactoring- Prompt 獨立收納至 prompts/拆分 Prompt 與 Harness。Harness 回歸純粹的排程與資料傳遞，Prompt 成為獨立可測試的資產。
- 統一推行 Python-first 入口跨平台核心一律以 Python 3 實作；既有 PowerShell 僅降級為相容性 Wrapper，消除跨環境中斷風險。
- 強制納入 Eval 與 Trigger 測試建立了 389 個 Eval 與 563 個 Trigger 測試案例，覆蓋率提升至 95.5%，消弭自動化回歸風險。
- YAML Frontmatter 嚴格宣告邊界強制在
SKILL.md標註 Write-access 與安全閘門，將 32 個具改寫權限的技能納入最高防禦等級。
以 95.5% 的 Eval 覆蓋率築起安全防線
讓 Agent 自主執行任務的底氣來自可重複驗證的測試案例。能力註冊表將 Eval 覆蓋率直接納入評級指標，讓工程師清楚知道哪些工具已經千錘百煉，哪些工具在執行時仍需人工盯梢。
零伺服器、毫秒級載入：三個關鍵工程取捨
/check-wf 巡檢都呼叫 LLM 重新解析 88 個技能，不僅成本極高且每次結果不穩定。系統採用確定性 Python 腳本解析 YAML Frontmatter 與目錄特徵，1 秒內即可精準完成全庫盤點。rg 或 Prompt 高速查找；而視覺化 HTML Dashboard 則為人類工程師提供直觀的多維篩選、標籤聚合與成熟度地圖。
當工具庫累積至數十甚至上百個時，能力註冊表讓每個技能的用途、成熟度、腳本入口與改寫邊界清晰可查；搭配 Skill Work Log 的呼叫紀錄，更可進一步識別哪些工具值得持續維護，哪些工具已可安全除役。
探索 Obsidian 系列其他作品
這套工作區分為兩大主軸：左側「知識生命週期」掌管外部訊號採集、每日增量入庫與存量衝突融合；右側「治理與觀測」提供能力目錄檢索、Vault 健康巡檢與執行日誌稽核。
知識生命週期
Morning Briefing 接外部訊號，Dream Cycle 處理每日增量；遇到重複或衝突時交由 Dream Fusion 收斂。
治理與觀測
Skill Inventory 盤點可用工具，Vault Health 掃描維護風險，Work Log 記錄實際呼叫與修改軌跡。