前言：Skill 迭代中的两个核心焦虑

在沉淀了一套 Skill 体系：一个主 Skill 负责意图识别与能力路由，多个子 Skill 负责具体功能执行。随着迭代深入，我遇到了两个越来越突出的问题。

第一，能力裂化难以感知。 Skill 里充斥着复杂的自然语言描述，每次迭代都会调整这些描述。改动后会不会影响其他模块？影响面有多大？仅凭人工 Review 很难给出确定答案。我们缺少一套可复现的评测机制，把「感觉没问题」变成「数据证明没问题」。

第二，模型一致性难以保证。 Skill 开发者通常基于某个模型编写和验证，在这个模型上跑得通，不等于在其他模型上也能跑得通。推向市场后，用户会调用不同厂商、不同参数的模型；遇到能力较弱的模型，Skill 很可能无法完成预期能力。

因此，我们需要一套面向 LLM Agent Skill 的评测与优化框架，来防止能力裂化、保证跨模型一致性。

之前在 ATA 上看到这篇文章：让“Skill优化”从“玄学调参”变成“工程流水线”——SkVM 原理分析及评测。研究并实践后发现非常有价值，于是写文记录，欢迎一起学习交流，寻找保证 Skill 迭代质量的更优方案。

SkVM 是一个面向 LLM Agent Skill 的编译与运行时系统，目标是让 Skill 能够在不同模型与 Harness 之间迁移与复用。 GitHub：SJTU-IPADS/SkVM

接下来，我先以我自己开发的一套 Skill 为例，直观展示 SkVM 带来的帮助；再深入到原理层面，拆解它是如何工作的。

Read More

我知道它会来

我知道它来了

我知道它会和我纠缠一生

我怎么能杀死我呢

好了，我要成为我了

附：
Brave Heart

梦

昨晚做了一个梦，梦见大家族聚会，有在世的也有离世的，可惜我叫错了长辈的名字。穿过长廊，坐在大厅里，周围幕布拉开，一条长长的铁轨从远方一路过来又延伸到另一端的远方，一大块翠绿的平原将卧轨和远处的高山连接了起来，视野极度舒展，有马群、羚羊之类的动物在自由的奔跑，其中有一匹高大的淡黄色的骏马一跃而起，跳的非常高，非常有力，非常……叮叮当当的蒸汽火车一路行来，遮挡了动物们。我们决定起身，去山的另一头看看。爬过半山腰，尽管未见大海，但感受到了海的气息，进入一片市场，有海鲜，有泳具，然后就醒了。

自解

和家人一起是一种安全感，过程中拿出笨重的iPad贪婪的拍摄美景，为什么不用手机呢？也许远离手机让人变得安静吧。

几年好在外写Blog了，就从这个梦开始继续更新吧

什么是 icestark

icestark 是一个面向大型系统的微前端解决方案

不知道它的可以查看它的官方文档。

沙箱原理

Read More

monitorEventLoopDelay 是什么

perf_hooks.monitorEventLoopDelay([options])

• options: Object
  – resolution: The sampling rate in milliseconds. Must be greater than zero. Default: 10.
• Returns: Histogram

  Creates a Histogram object that samples and reports the event loop delay over time. The delays will be reported in nanoseconds.
  Using a timer to detect approximate event loop delay works because the execution of timers is tied specifically to the lifecycle of the libuv event loop. That is, a delay in the loop will cause a delay in the execution of the timer, and those delays are specifically what this API is intended to detect.

监控 EventLoop 运行情况是判断系统是否健康的重要指标之一，如果有大量的延迟，说明系统存在密集计算，降低了系统的吞吐。Node.js 在 v11 版本引入了monitorEventLoopDelay，而之前需要自己去实现。

Read More