Skip to content

v2.0.0

Choose a tag to compare

@alchaincyf alchaincyf released this 10 Nov 00:18

这一版改了什么

女娲的目标从「造出来像不像」改成「比不装 Skill 的模型多出什么」。

先写先验快照:调研之前,先把模型不查资料就知道的内容写下来。调研只找三种东西:推翻它的、比它深的、它没有的。

产物分三层:350 行以内的 SKILL.md、案例库 references/casebook.md、原话库 references/voice.md。新增招式(遇到某类问题他具体怎么做)、常见误读、边界三格,每个 Skill 自带七条运行纪律,比如「材料里没有,不等于他没说过」「原话和推演分开说」。

验证改成盲测:独立 agent 用同一组任务题,带 Skill 和不带 Skill 各答一遍,评审不知道哪份是哪份;再加封存题和边界题。结果写进 FIDELITY.md,输了也照写。

两种走法:能力强的模型按每一步的过关条件放手做,轻量模型照 references/ 里的手册一步步走。女娲自己的 SKILL.md 从 696 行压到约 240 行。

升级旧 Skill:对 v1.x 造出来的 Skill 说「升级XX」,调研底稿还在就不用重新调研。

质检脚本重写:scripts/quality_check.py 改为检查结构和证据,参数可以是 Skill 目录或 SKILL.md,v1 Skill 按旧标准查,每条问题带改法;中文路径和 Windows 终端下输出统一为 UTF-8。

我们自己的对照

同一个人物(张一鸣)、同三道题,独立评审联网核实后盲评,满分 60:不装 Skill 26,v1 的 Skill 32,v2 由轻量模型升级 43,v2 由强模型升级 51。样本只有一个人物三道题,仅供参考。

注意

  • 生成的 Skill 结构变了,所以是大版本。v1 的 Skill 照常能用,不必马上升级。
  • examples/ 里的示例目前仍是 v1 格式。

怎么更新

在安装目录里执行 git pull --ff-only;用 npx skills 安装的重新装一次。