SkillRanker

技能简介

SkillRanker 是一款 Rust 编写的独立 CLI 工具，为 AI 编程 Agent 的技能库管理提供智能选择能力。当 Agent 需要使用某个技能时（比如调用一个 Skill），SkillRanker 根据当前会话上下文、任务描述和工作区信号，由 TypeSafe Jev 决策模型评估所有可用技能，选出最合适的那一个。它解决了大型技能库里"选哪个"的问题——相似描述让人难以区分，某个技能在不同阶段的作用也在变化，随机加载一个不合适的技能既消耗上下文又可能误导 Agent。

核心能力

• Jev 决策模型驱动：使用 TypeSafe 的 Jev 决策模型对技能进行评估，给出概率化的选择建议
• 上下文感知选择：结合当前会话、任务描述、工作区信号和 Agent 可见的技能清单进行综合评估
• 双阶段筛选：先用词汇预过滤缩小候选范围，再用 Jev 深度评估精选
• 支持大规模技能库：通过 Quill 预过滤支持 254+ 技能的超大库，含"都不合适"选项
• 完整可解释：所有评估过程可回放，每条建议都附带原因说明
• Claude Code 深度集成：提供 prompt hook 集成，可在每次提示前自动运行技能选择

安装配置

从源码构建

git clone https://github.com/Dicklesworthstone/skillranker.git
cd skillranker
cargo install --locked --path . --bin sr

运行时配置

需要 TypeSafe API 密钥（在 console.typesafe.ai 注册获取），设置环境变量：

export TYPESAFE_API_KEY="your-key"

使用步骤

1. 安装：从源码构建或下载 release 二进制文件
2. 配置密钥：export TYPESAFE_API_KEY="your-key"
3. 检查环境：运行 sr doctor --json 检查依赖是否就绪
4. 查看技能列表：sr roster --json 查看 Agent 当前可见的技能
5. 运行选择：sr rank --context scratch/context.json --allow-network --json
6. 安装 Claude Code Hook（可选）：sr install-hook claude 让每次提示前自动运行选择

适用场景

• 大型技能库管理：当技能数量超过几十个，人工选择困难时
• 动态技能切换：同一任务不同阶段需要不同技能，SkillRanker 帮 Agent 判断当前阶段适合哪个
• 技能评估标准化：用量化指标评估技能的实际使用效果，而非凭感觉判断
• 减少上下文浪费：避免加载不相关的技能消耗宝贵的上下文窗口

适用人群

• 在大型项目中管理大量 AI 编程技能的开发者
• 希望 AI 编程工具更精准地调用合适技能的高级用户
• TypeSafe Jev 用户，希望将决策模型能力延伸到技能选择场景

工作原理

SkillRanker 由 Rust 编写，核心依赖 Jev 决策模型。评估分两阶段：第一阶段用 Quill 词汇预过滤将候选缩至 254 个以内（含"都不合适"选项）；第二阶段用 Jev 对候选技能进行深度评估，比较哪个更贴合当前上下文。评估输入包括：会话历史片段、当前任务描述、工作区信号（文件状态、git 分支等）和 Agent 可见的技能清单。所有评估结果可离线回放，支持 --why-not 参数追溯某技能被排除的原因。

官方链接

GitHub：https://github.com/Dicklesworthstone/skillranker