你有没有过这种感觉——兴致冲冲装了一堆 AI 技能真到用的时候还是抓瞎改个 bug 该调哪个写篇技术文该走哪条路想让它「跑起来一个循环」又该喊谁我前阵子就栽在这事上。我把自己的技能库拆成了 20 个tri-xxx本以为分门别类就清爽了结果测试路由的时候发现用户说「帮我起个知识库 loop」系统永远把它丢给通用执行那个 skill而真正干这活的tri-loop从头到尾没被叫醒过。一个死 skill比没有还坑。这篇是这个系列的总览。我不打算逐个 skill 展开那是后面 20 篇的事只想先给你一张地图让你知道这 20 个东西大致怎么分层、谁听谁的、以及你该从哪篇开始读。先说核心tri-intent 是大脑其它都是手脚整个tri-xxx体系里tri-intent是唯一的「主动编排者」。你扔给它一句话它干四件事识别意图大类问 / 做 / 聊 / 元操作→ 下钻到精确意图码I01–I21、M01–M05→ 标维度 → 吐一张快照snapshot.md交接给下游。下游那 19 个 skill 几乎全是被动的收到快照才动不自己猜意图。这套「先路由、后执行」的设计是我踩过「一个 skill 又当裁判又当运动员结果两头都做不好」的坑之后硬分出来的。意图码长这样举几个你天天会碰到的I06–I10内容生成 / 改写 / 翻译 / 总结 / 分析 → 交给tri-contentI11写代码 →tri-codingI12修 bug →tri-fixI13出方案 →tri-planI14真去执行 →tri-actionI15出图出视频 →tri-mmI16头脑风暴 →tri-bsI21蒸馏成一个新 skill →tri-god还有咨询类的I01–I05归tri-ask表达陪伴I17–I20归tri-express元操作M01–M05归tri-meta。# tri-intent 产出的快照节选下游 skill 就靠它接力intent:L2_核心意图:I14L3_子意图:loop/domain 创建dimensions:D1_任务领域:知识库D4_输出期望:domain README 测试运行记录任务要点:起一个每周跑的 research loop下游路由建议:tri-loop那段下游路由建议就是命门。我前面说的「loop 死了」的事故根因就是路由表里I14只写了默认tri-action压根没提 loop 子类该走tri-loop。这个洞我已经填上了——后面讲 tri-loop 的那篇会细讲。四个横向层它们不该被路由但无处不在有 4 个 skill 比较特殊tri-cache缓存、tri-evolve自主进化学习、tri-translate翻译转换、tri-true消除幻觉。它们不是「用户意图的目的地」而是横切能力——靠 hook 或上层委派触发不进tri-intent的路由表。举个最典型的tri-evolve是唯一带「自主定时批量学习」组件的 skill它会在后台自己嚼文档、沉淀经验不需要你喊它。而tri-true像一道四道防线专门在你输出要落地前兜底纠错。把它们硬塞进路由表反而是错的——它们是胶水不是终点。一张分层地图把 20 个 skill 按「用户感知」摊开大致是这么几层咨询 / 内容层tri-ask问答建议、tri-content写改译总结析编码三层tri-coding写、tri-fix修、tri-review审规划 / 执行层tri-plan出方案、tri-action真去干、tri-workflow工作流编排工作流 / 知识库层tri-loop把知识库循环跑起来创意 / 多模态层tri-mm图/表/视频/PPT、tri-music爆款音乐全案表达 / 元操作层tri-express陪伴表态、tri-meta对话自我修正造物层tri-god把方法论蒸馏成新 skill横向层tri-cachetri-evolvetri-translatetri-true总路由tri-intent你看tri-intent在最上面发令下游各层专心把一件事做透。这就是「大脑 手脚」的分工。这个系列怎么读后面 20 篇每个tri-xxx一篇本文是总览不计入我按「从整体到局部、从路由到执行」的顺序写。每篇都带可运行的代码示例以及文末的 skillhub 安装命令。目录先放这你可以挑着看tri-intent总路由是怎么把一句话拆成 27 个落点的深度解读建议先读tri-ask回答「该怎么办」类问题的踩坑实录tri-content80% 的人不知道的改写 / 翻译隐藏用法tri-coding两种写代码姿势的真实耗时对比tri-fix一个让我搜了 2 小时 Stack Overflow 的 bugtri-review我为什么弃用通用代码审查、换专用 skilltri-plan一下午把需求拆成任务清单的流水账tri-action官方说用 A我实测用 B 反而更稳tri-workflow手写流水线 vs 专用编排的数据说话tri-mm生图 / 图表 / PPT 一套搞定的冷门参数tri-music爆款神曲背后那套 6 维 Hook 公式tri-bs头脑风暴踩过的三个坑tri-god把一个工作流蒸馏成可复用 skill 的全过程tri-meta让 AI 自我纠错的元操作实战tri-express把 AI 当搭子聊天的真实节奏tri-loop修好那个「永远叫不醒」的知识库循环tri-cache为什么我的 Agent 第二次就变聪明了tri-evolve官方说 skill 写完就完了我偏让它每晚自己学tri-translate机翻把排版毁了跨格式等价救回来tri-trueAI 张嘴就编四道防线我全测了一遍我做的 App 叫雷达鸭刚好就是用这套 ArkTS Uni-app 的链路跑的应用市场能搜到——不过那是另一个故事了。个人介绍老三10 年软件开发经验软件设计师、人工智能应用工程师专注鸿蒙应用开发ArkTS北向与 Web 前端平时探索 AI 自动化不定期在 CSDN 分享鸿蒙 / AI 方向的技术文章。本文遵循 MIT 协议转载请注明出处。请根据 https://skillhub.cn/install/skillhub.md安装 tri-intent。
你有没有过这种感觉——兴致冲冲装了一堆 AI 技能真到用的时候还是抓瞎改个 bug 该调哪个写篇技术文该走哪条路想让它「跑起来一个循环」又该喊谁我前阵子就栽在这事上。我把自己的技能库拆成了 20 个tri-xxx本以为分门别类就清爽了结果测试路由的时候发现用户说「帮我起个知识库 loop」系统永远把它丢给通用执行那个 skill而真正干这活的tri-loop从头到尾没被叫醒过。一个死 skill比没有还坑。这篇是这个系列的总览。我不打算逐个 skill 展开那是后面 20 篇的事只想先给你一张地图让你知道这 20 个东西大致怎么分层、谁听谁的、以及你该从哪篇开始读。先说核心tri-intent 是大脑其它都是手脚整个tri-xxx体系里tri-intent是唯一的「主动编排者」。你扔给它一句话它干四件事识别意图大类问 / 做 / 聊 / 元操作→ 下钻到精确意图码I01–I21、M01–M05→ 标维度 → 吐一张快照snapshot.md交接给下游。下游那 19 个 skill 几乎全是被动的收到快照才动不自己猜意图。这套「先路由、后执行」的设计是我踩过「一个 skill 又当裁判又当运动员结果两头都做不好」的坑之后硬分出来的。意图码长这样举几个你天天会碰到的I06–I10内容生成 / 改写 / 翻译 / 总结 / 分析 → 交给tri-contentI11写代码 →tri-codingI12修 bug →tri-fixI13出方案 →tri-planI14真去执行 →tri-actionI15出图出视频 →tri-mmI16头脑风暴 →tri-bsI21蒸馏成一个新 skill →tri-god还有咨询类的I01–I05归tri-ask表达陪伴I17–I20归tri-express元操作M01–M05归tri-meta。# tri-intent 产出的快照节选下游 skill 就靠它接力intent:L2_核心意图:I14L3_子意图:loop/domain 创建dimensions:D1_任务领域:知识库D4_输出期望:domain README 测试运行记录任务要点:起一个每周跑的 research loop下游路由建议:tri-loop那段下游路由建议就是命门。我前面说的「loop 死了」的事故根因就是路由表里I14只写了默认tri-action压根没提 loop 子类该走tri-loop。这个洞我已经填上了——后面讲 tri-loop 的那篇会细讲。四个横向层它们不该被路由但无处不在有 4 个 skill 比较特殊tri-cache缓存、tri-evolve自主进化学习、tri-translate翻译转换、tri-true消除幻觉。它们不是「用户意图的目的地」而是横切能力——靠 hook 或上层委派触发不进tri-intent的路由表。举个最典型的tri-evolve是唯一带「自主定时批量学习」组件的 skill它会在后台自己嚼文档、沉淀经验不需要你喊它。而tri-true像一道四道防线专门在你输出要落地前兜底纠错。把它们硬塞进路由表反而是错的——它们是胶水不是终点。一张分层地图把 20 个 skill 按「用户感知」摊开大致是这么几层咨询 / 内容层tri-ask问答建议、tri-content写改译总结析编码三层tri-coding写、tri-fix修、tri-review审规划 / 执行层tri-plan出方案、tri-action真去干、tri-workflow工作流编排工作流 / 知识库层tri-loop把知识库循环跑起来创意 / 多模态层tri-mm图/表/视频/PPT、tri-music爆款音乐全案表达 / 元操作层tri-express陪伴表态、tri-meta对话自我修正造物层tri-god把方法论蒸馏成新 skill横向层tri-cachetri-evolvetri-translatetri-true总路由tri-intent你看tri-intent在最上面发令下游各层专心把一件事做透。这就是「大脑 手脚」的分工。这个系列怎么读后面 20 篇每个tri-xxx一篇本文是总览不计入我按「从整体到局部、从路由到执行」的顺序写。每篇都带可运行的代码示例以及文末的 skillhub 安装命令。目录先放这你可以挑着看tri-intent总路由是怎么把一句话拆成 27 个落点的深度解读建议先读tri-ask回答「该怎么办」类问题的踩坑实录tri-content80% 的人不知道的改写 / 翻译隐藏用法tri-coding两种写代码姿势的真实耗时对比tri-fix一个让我搜了 2 小时 Stack Overflow 的 bugtri-review我为什么弃用通用代码审查、换专用 skilltri-plan一下午把需求拆成任务清单的流水账tri-action官方说用 A我实测用 B 反而更稳tri-workflow手写流水线 vs 专用编排的数据说话tri-mm生图 / 图表 / PPT 一套搞定的冷门参数tri-music爆款神曲背后那套 6 维 Hook 公式tri-bs头脑风暴踩过的三个坑tri-god把一个工作流蒸馏成可复用 skill 的全过程tri-meta让 AI 自我纠错的元操作实战tri-express把 AI 当搭子聊天的真实节奏tri-loop修好那个「永远叫不醒」的知识库循环tri-cache为什么我的 Agent 第二次就变聪明了tri-evolve官方说 skill 写完就完了我偏让它每晚自己学tri-translate机翻把排版毁了跨格式等价救回来tri-trueAI 张嘴就编四道防线我全测了一遍我做的 App 叫雷达鸭刚好就是用这套 ArkTS Uni-app 的链路跑的应用市场能搜到——不过那是另一个故事了。个人介绍老三10 年软件开发经验软件设计师、人工智能应用工程师专注鸿蒙应用开发ArkTS北向与 Web 前端平时探索 AI 自动化不定期在 CSDN 分享鸿蒙 / AI 方向的技术文章。本文遵循 MIT 协议转载请注明出处。请根据 https://skillhub.cn/install/skillhub.md安装 tri-intent。
