ethan-skill 1.11.0 → 1.13.0

package/dist/skills/29-data-migration.js

@@ -0,0 +1,331 @@
+"use strict";
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.dataMigrationSkill = void 0;
+exports.dataMigrationSkill = {
+    id: 'data-migration',
+    name: '数据迁移助手',
+    nameEn: 'data_migration',
+    order: 29,
+    description: '评估迁移风险，生成 UP/DOWN 双向脚本，制定零停机迁移与回滚方案',
+    descriptionEn: 'Assess migration risks, generate bidirectional UP/DOWN scripts, design zero-downtime migration and rollback plans',
+    detailDescription: `数据迁移是研发中风险最高的操作之一：一旦出错可能导致数据丢失或服务中断。
+本 Skill 提供系统化的迁移方法论：从评估阶段的风险识别，到生成双向迁移脚本，
+再到零停机迁移的"扩列→双写→切流→清旧"四步法，每个环节都有完整的验证与回滚手段，
+让数据迁移从"胆战心惊"变为"有序可控"。`,
+    triggers: [
+        '数据迁移',
+        'data migration',
+        'schema migration',
+        'db migration',
+        '数据库迁移',
+        'migrate database',
+        'migration script',
+        '迁移脚本',
+        '@ethan data-migration',
+        '/data-migration',
+    ],
+    steps: [
+        {
+            title: '1. 迁移评估',
+            content: `在编写任何脚本之前，先全面评估迁移的范围和风险：
+
+**评估清单**
+
+| 维度 | 问题 | 影响 |
+|------|------|------|
+| **数据量** | 涉及多少行/多少 GB？ | 决定迁移时长和窗口 |
+| **Schema 变更** | 新增/修改/删除了哪些列？ | 影响向后兼容性 |
+| **外键约束** | 是否有级联影响？ | 需要临时禁用约束 |
+| **业务流量** | 高峰期 QPS 是多少？ | 影响迁移策略选择 |
+| **停机容忍** | 是否接受停机？接受多长？ | 决定是否需要零停机方案 |
+| **数据一致性** | 允许最终一致性还是强一致？ | 影响双写策略 |
+
+**Schema 变更对比**
+\`\`\`sql
+-- 变更前
+CREATE TABLE users (
+  id BIGINT PRIMARY KEY,
+  username VARCHAR(50),
+  created_at TIMESTAMP
+);
+
+-- 变更后（新增 email 列，重命名 username → name）
+CREATE TABLE users (
+  id BIGINT PRIMARY KEY,
+  name VARCHAR(100),         -- 原 username，扩大长度
+  email VARCHAR(255),        -- 新增，NOT NULL 需要默认值
+  created_at TIMESTAMP,
+  updated_at TIMESTAMP       -- 新增审计列
+);
+\`\`\`
+
+**停机时间估算**
+\`\`\`
+数据行数: 5,000,000
+迁移速度: ~10,000 行/秒（受磁盘 IO 限制）
+估算时长: 5,000,000 ÷ 10,000 = 500 秒 ≈ 8.3 分钟
+建议窗口: 低峰期（凌晨 2:00-4:00）
+\`\`\`
+
+**输出**：迁移评估报告（范围 + 风险 + 时长估算 + 策略选择）`,
+        },
+        {
+            title: '2. 迁移脚本生成（UP/DOWN）',
+            content: `生成可逆的双向迁移脚本：
+
+**Knex.js 迁移模板（Node.js）**
+\`\`\`typescript
+// migrations/20240115_add_email_rename_username.ts
+import { Knex } from 'knex';
+
+export async function up(knex: Knex): Promise<void> {
+  await knex.schema.alterTable('users', (table) => {
+    // 1. 新增列（先加，允许 NULL，稍后回填）
+    table.string('name', 100).nullable();
+    table.string('email', 255).nullable();
+    table.timestamp('updated_at').nullable();
+  });
+
+  // 2. 数据回填（分批处理，避免锁表）
+  const BATCH_SIZE = 1000;
+  let offset = 0;
+  while (true) {
+    const rows = await knex('users')
+      .select('id', 'username')
+      .limit(BATCH_SIZE)
+      .offset(offset);
+    if (rows.length === 0) break;
+
+    await knex('users')
+      .whereIn('id', rows.map((r) => r.id))
+      .update((row: any) => ({ name: row.username }));
+
+    offset += BATCH_SIZE;
+  }
+
+  // 3. 添加约束
+  await knex.schema.alterTable('users', (table) => {
+    table.string('name', 100).notNullable().alter();
+    table.dropColumn('username'); // 危险操作！确认数据回填完成后执行
+  });
+}
+
+export async function down(knex: Knex): Promise<void> {
+  // 回滚：恢复 username 列
+  await knex.schema.alterTable('users', (table) => {
+    table.string('username', 50).nullable();
+    table.dropColumn('name');
+    table.dropColumn('email');
+    table.dropColumn('updated_at');
+  });
+
+  // 回填 username（从备份表恢复）
+  await knex.raw('UPDATE users u JOIN users_backup b ON u.id = b.id SET u.username = b.username');
+}
+\`\`\`
+
+**Flyway SQL 迁移模板**
+\`\`\`sql
+-- V20240115__add_email_rename_username.sql
+BEGIN;
+
+-- 阶段1：新增列
+ALTER TABLE users ADD COLUMN name VARCHAR(100);
+ALTER TABLE users ADD COLUMN email VARCHAR(255);
+ALTER TABLE users ADD COLUMN updated_at TIMESTAMP DEFAULT NOW();
+
+-- 阶段2：数据回填
+UPDATE users SET name = username WHERE name IS NULL;
+
+-- 阶段3：添加约束（回填完成后）
+ALTER TABLE users ALTER COLUMN name SET NOT NULL;
+CREATE INDEX CONCURRENTLY idx_users_email ON users(email);
+
+COMMIT;
+\`\`\`
+
+**输出**：可执行的 UP/DOWN 迁移脚本`,
+        },
+        {
+            title: '3. 数据验证策略',
+            content: `迁移前后必须验证数据完整性：
+
+**三阶段验证**
+
+**① 迁移前基线（Baseline）**
+\`\`\`sql
+-- 记录迁移前状态
+CREATE TABLE migration_baseline AS
+SELECT
+  COUNT(*) as total_rows,
+  COUNT(DISTINCT id) as unique_ids,
+  SUM(CASE WHEN email IS NOT NULL THEN 1 ELSE 0 END) as non_null_email,
+  MD5(STRING_AGG(id::text, ',' ORDER BY id)) as row_checksum
+FROM users;
+\`\`\`
+
+**② 迁移后验证（Post-Migration）**
+\`\`\`sql
+-- 行数对比
+SELECT
+  (SELECT COUNT(*) FROM users) as after_count,
+  (SELECT total_rows FROM migration_baseline) as before_count,
+  (SELECT COUNT(*) FROM users) - (SELECT total_rows FROM migration_baseline) as diff;
+
+-- 关键字段空值检查
+SELECT COUNT(*) as null_names FROM users WHERE name IS NULL;
+SELECT COUNT(*) as null_emails FROM users WHERE email IS NULL;
+
+-- 数据一致性抽样（对比10%数据）
+SELECT u.id, u.name, b.username
+FROM users u
+JOIN users_backup b ON u.id = b.id
+WHERE u.name != b.username
+LIMIT 100;
+\`\`\`
+
+**③ 业务验证（Smoke Test）**
+\`\`\`bash
+# 验证核心业务接口
+curl -X POST /api/auth/login -d '{"email":"test@example.com","password":"xxx"}'
+curl -X GET /api/users/1
+curl -X POST /api/orders -d '{"userId":1,"items":[...]}'
+\`\`\`
+
+**验证通过标准**
+- [ ] 行数差异为 0（或符合预期的新增/删除）
+- [ ] 关键字段 NULL 率为 0
+- [ ] 数据抽样一致性 100%
+- [ ] Smoke Test 全部通过
+- [ ] 数据库慢查询无异常增加
+
+**输出**：验证脚本套件 + 通过标准 Checklist`,
+        },
+        {
+            title: '4. 回滚方案',
+            content: `制定多层次回滚机制，确保任何阶段都可以安全撤退：
+
+**三级回滚策略**
+
+**Level 1：脚本级回滚（最快，< 5 分钟）**
+\`\`\`bash
+# 直接执行 DOWN 脚本
+npx knex migrate:down
+# 或
+flyway undo
+\`\`\`
+适用条件：迁移后立即发现问题，数据量小
+
+**Level 2：备份恢复（中速，5-30 分钟）**
+\`\`\`bash
+# 迁移前创建备份（必须！）
+pg_dump -h $DB_HOST -U $DB_USER -d $DB_NAME \
+  --table=users \
+  -f backup_users_$(date +%Y%m%d_%H%M%S).sql
+
+# 恢复
+psql -h $DB_HOST -U $DB_USER -d $DB_NAME < backup_users_20240115_020000.sql
+\`\`\`
+
+**Level 3：蓝绿数据库（最可靠，但成本高）**
+\`\`\`
+Green DB（新）→ 迁移成功 → 流量切到 Green
+Blue DB（旧）→ 保留 72 小时 → 确认无问题后关闭
+\`\`\`
+
+**回滚决策树**
+\`\`\`
+迁移执行中...
+├── 数据验证失败？
+│   └── YES → 立即执行 Level 1 回滚（DOWN 脚本）
+├── 业务 Smoke Test 失败？
+│   └── YES → Level 1 回滚 → 分析根因
+└── 迁移后 24 小时内发现数据异常？
+    └── YES → Level 2 回滚（备份恢复）→ 通知用户
+\`\`\`
+
+**输出**：多级回滚方案 + 回滚决策树 + 备份命令`,
+        },
+        {
+            title: '5. 零停机迁移四步法',
+            content: `对于无法停机的生产系统，使用"扩列→双写→切流→清旧"四步法：
+
+**背景**：将 \`username\` 列重命名为 \`name\`，同时新增 \`email\` 列
+
+**Step 1：扩列（向后兼容）**
+\`\`\`sql
+-- 新增 name 和 email 列，保留 username（双列共存）
+ALTER TABLE users ADD COLUMN name VARCHAR(100);
+ALTER TABLE users ADD COLUMN email VARCHAR(255);
+-- 应用代码：只读 username，不写 name（暂不变更代码）
+\`\`\`
+
+**Step 2：双写 + 数据回填**
+\`\`\`typescript
+// 应用代码更新：同时写入 username 和 name
+await db.users.update({
+  where: { id },
+  data: {
+    username: newName, // 旧列
+    name: newName,     // 新列（同步写入）
+    email: email,
+  },
+});
+
+// 异步回填历史数据（后台任务，不影响主流程）
+async function backfillNames() {
+  let cursor = 0;
+  while (true) {
+    const rows = await db.users.findMany({
+      where: { name: null },
+      take: 1000,
+    });
+    if (rows.length === 0) break;
+    await db.users.updateMany({
+      where: { id: { in: rows.map(r => r.id) } },
+      data: rows.map(r => ({ name: r.username })),
+    });
+  }
+}
+\`\`\`
+
+**Step 3：切流（读取切换到新列）**
+\`\`\`typescript
+// 确认回填完成后，切换读取源
+// 应用代码：读 name，写 name（不再写 username）
+const user = await db.users.findUnique({
+  select: { id: true, name: true, email: true }, // 不再 select username
+});
+\`\`\`
+
+**Step 4：清旧（移除废弃列）**
+\`\`\`sql
+-- 确认应用代码已完全切换（观察 1-2 周）
+ALTER TABLE users DROP COLUMN username;
+-- 观察指标：慢查询、错误日志中是否有 username 相关错误
+\`\`\`
+
+**关键时间线**
+\`\`\`
+Day 0: Step 1（扩列）→ 部署新版本（双写）
+Day 1: Step 2（确认双写正常，后台回填完成）
+Day 3: Step 3（切换读取到新列）→ 部署
+Day 14: Step 4（确认无问题，删除旧列）
+\`\`\`
+
+**输出**：零停机迁移四步代码示例 + 时间线 + 监控指标`,
+        },
+    ],
+    outputFormat: '迁移评估报告 + UP/DOWN 迁移脚本 + 数据验证 SQL 套件 + 多级回滚方案 + 零停机迁移四步代码示例',
+    examples: [],
+    notes: [
+        '数据迁移前必须备份，无论多紧急。备份是回滚的最后防线',
+        '分批处理大表（BATCH_SIZE = 1000-5000），避免长事务和表锁',
+        '生产迁移应先在测试环境全流程演练，记录实际耗时',
+        '零停机迁移每个步骤之间至少观察 24 小时，确认监控指标正常再进行下一步',
+        'DROP COLUMN 是不可逆操作，在确认切换完成前绝对不要执行',
+    ],
+    category: '执行侧',
+    nextSkill: 'database-optimize',
+};
+//# sourceMappingURL=29-data-migration.js.map

package/dist/skills/29-data-migration.js.map

@@ -0,0 +1 @@
+{"version":3,"file":"29-data-migration.js","sourceRoot":"","sources":["../../src/skills/29-data-migration.ts"],"names":[],"mappings":";;;AAEa,QAAA,kBAAkB,GAAoB;IACjD,EAAE,EAAE,gBAAgB;IACpB,IAAI,EAAE,QAAQ;IACd,MAAM,EAAE,gBAAgB;IACxB,KAAK,EAAE,EAAE;IACT,WAAW,EAAE,qCAAqC;IAClD,aAAa,EAAE,mHAAmH;IAClI,iBAAiB,EAAE;;;sBAGC;IACpB,QAAQ,EAAE;QACR,MAAM;QACN,gBAAgB;QAChB,kBAAkB;QAClB,cAAc;QACd,OAAO;QACP,kBAAkB;QAClB,kBAAkB;QAClB,MAAM;QACN,uBAAuB;QACvB,iBAAiB;KAClB;IACD,KAAK,EAAE;QACL;YACE,KAAK,EAAE,SAAS;YAChB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;qCAwCsB;SAChC;QACD;YACE,KAAK,EAAE,oBAAoB;YAC3B,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;yBAyEU;SACpB;QACD;YACE,KAAK,EAAE,WAAW;YAClB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;+BAmDgB;SAC1B;QACD;YACE,KAAK,EAAE,SAAS;YAChB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;6BAyCc;SACxB;QACD;YACE,KAAK,EAAE,aAAa;YACpB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;gCAiEiB;SAC3B;KACF;IACD,YAAY,EAAE,4DAA4D;IAC1E,QAAQ,EAAE,EAAE;IACZ,KAAK,EAAE;QACL,4BAA4B;QAC5B,yCAAyC;QACzC,yBAAyB;QACzB,sCAAsC;QACtC,mCAAmC;KACpC;IACD,QAAQ,EAAE,KAAK;IACf,SAAS,EAAE,mBAAmB;CAC/B,CAAC"}

package/dist/skills/30-llm-feature.d.ts

@@ -0,0 +1,3 @@
+import type { SkillDefinition } from './types';
+export declare const llmFeatureSkill: SkillDefinition;
+//# sourceMappingURL=30-llm-feature.d.ts.map

package/dist/skills/30-llm-feature.d.ts.map

@@ -0,0 +1 @@
+{"version":3,"file":"30-llm-feature.d.ts","sourceRoot":"","sources":["../../src/skills/30-llm-feature.ts"],"names":[],"mappings":"AAAA,OAAO,KAAK,EAAE,eAAe,EAAE,MAAM,SAAS,CAAC;AAE/C,eAAO,MAAM,eAAe,EAAE,eAmU7B,CAAC"}

package/dist/skills/30-llm-feature.js

@@ -0,0 +1,328 @@
+"use strict";
+Object.defineProperty(exports, "__esModule", { value: true });
+exports.llmFeatureSkill = void 0;
+exports.llmFeatureSkill = {
+    id: 'llm-feature',
+    name: 'LLM 功能设计助手',
+    nameEn: 'llm_feature',
+    order: 30,
+    description: '设计 RAG/Agent/生成类 LLM 功能，输出 Prompt 模板、评估框架与降级方案',
+    descriptionEn: 'Design RAG/Agent/generation LLM features with prompt templates, evaluation framework and fallback strategies',
+    detailDescription: `将 LLM 集成到产品中远不止调用 API——需要精心的架构设计、Prompt 工程和评估体系。
+本 Skill 覆盖 LLM 功能设计全链路：从场景分类（RAG/Agent/生成/分类/提取）到 RAG 架构选型、
+Prompt 工程规范，再到自动化评估框架和降级安全策略，
+让 AI 功能既好用又可靠，避免幻觉、成本失控和不当内容。`,
+    triggers: [
+        'llm feature',
+        'ai feature',
+        'rag',
+        'llm 功能',
+        'ai 功能设计',
+        'prompt design',
+        '大模型功能',
+        'agent 设计',
+        '@ethan llm-feature',
+        '/llm-feature',
+    ],
+    steps: [
+        {
+            title: '1. LLM 功能定位与场景分类',
+            content: `明确 LLM 功能的类型和边界，选择合适的架构模式：
+
+**五大 LLM 场景类型**
+
+| 场景 | 描述 | 典型案例 | 推荐架构 |
+|------|------|---------|---------|
+| **RAG（检索增强生成）** | 基于私有知识库回答 | 内部文档问答、客服 | 向量检索 + LLM |
+| **Agent（自主决策）** | 多步骤工具调用 | 代码 Agent、任务自动化 | LLM + Function Calling |
+| **生成** | 创作/摘要/翻译 | 文案生成、会议纪要 | 直接调用 + 结构化输出 |
+| **分类** | 意图/情感/标签 | 工单分类、评论分析 | Fine-tune 或 Few-shot |
+| **提取** | 信息抽取/NER | 合同关键信息、表单填充 | Structured Output + JSON Schema |
+
+**功能定位问卷**
+\`\`\`
+1. 用户问题的答案在哪里？
+   - 模型已知知识 → 直接生成
+   - 私有文档/数据库 → RAG 架构
+   - 需要实时操作 → Agent 架构
+
+2. 需要多步推理吗？
+   - 是 → Agent（工具调用链）
+   - 否 → 单次 Prompt
+
+3. 输出格式是否严格？
+   - 是 → JSON Mode / Structured Output
+   - 否 → 自然语言生成
+
+4. 延迟要求？
+   - < 500ms → 小模型 + 缓存
+   - < 3s → 标准调用
+   - 可接受流式 → 流式输出
+\`\`\`
+
+**输出**：LLM 功能定位文档（场景类型 + 架构选型建议）`,
+        },
+        {
+            title: '2. RAG 架构设计',
+            content: `为知识库问答类功能设计高质量 RAG 架构：
+
+**RAG 核心组件**
+\`\`\`
+文档摄入管道：
+Raw Docs → Chunking → Embedding → Vector Store
+                ↓
+           Metadata 过滤层（时间/来源/权限）
+
+查询管道：
+User Query → Query 改写/扩展 → 向量检索 → Rerank → LLM 生成
+\`\`\`
+
+**Chunking 策略选型**
+\`\`\`typescript
+// 固定大小（适合均匀文本）
+const CHUNK_SIZE = 512;    // tokens
+const CHUNK_OVERLAP = 50;  // 上下文保留
+
+// 语义分块（适合结构化文档，推荐）
+// 按段落/标题边界切分
+function semanticChunk(text: string): string[] {
+  return text.split(/\n#{1,3}\s/);  // Markdown 标题分块
+}
+
+// 递归分块（LangChain RecursiveCharacterTextSplitter）
+// 优先按段落 → 句子 → 词语拆分
+\`\`\`
+
+**向量库选型矩阵**
+| 方案 | 适用规模 | 托管 | 特性 |
+|------|---------|------|------|
+| **Pinecone** | 100万+ | 云托管 | 生产级，自动扩容 |
+| **Weaviate** | 中大型 | 自托管/云 | 混合搜索，GraphQL |
+| **Chroma** | 开发/小型 | 本地 | 零配置，适合 PoC |
+| **pgvector** | 中型 | PostgreSQL | 复用现有 DB |
+
+**Rerank 优化**
+\`\`\`typescript
+// 两阶段检索：向量粗召回 → 精排重排序
+const candidates = await vectorStore.search(query, { topK: 20 });
+const reranked = await rerankModel.rank(query, candidates, { topN: 5 });
+// 推荐：Cohere Rerank / BGE-Reranker
+\`\`\`
+
+**输出**：RAG 架构图 + Chunking 策略 + 向量库选型建议`,
+        },
+        {
+            title: '3. Prompt 工程规范',
+            content: `制定高质量 Prompt 的设计规范：
+
+**System Prompt 黄金结构**
+\`\`\`
+[角色定义] 你是 {产品名} 的 {角色}，专注于 {领域}。
+[能力边界] 你可以 {能力列表}。你不能/不应该 {限制列表}。
+[输出格式] 请按照以下格式回复：{格式规范}
+[行为准则] {特定规则，如：始终用中文回复/引用来源}
+\`\`\`
+
+**System Prompt 模板**
+\`\`\`typescript
+const SYSTEM_PROMPT = \`
+你是 Acme Corp 的智能客服助手，专注于解答产品使用和技术支持问题。
+
+## 能力
+- 查询订单状态、退换货政策、产品规格
+- 引导用户完成常见操作流程
+- 基于知识库提供准确答案
+
+## 限制
+- 不讨论竞争对手产品
+- 不提供具体价格承诺（引导至销售团队）
+- 不确定时明确说明，不猜测
+
+## 输出规范
+- 语言：与用户保持一致（中/英文）
+- 长度：简洁清晰，避免超过 200 字
+- 引用：若基于文档回答，在末尾标注 [来源：{文档名}]
+\`.trim();
+\`\`\`
+
+**Few-shot 示例设计**
+\`\`\`typescript
+const FEW_SHOT_EXAMPLES = [
+  {
+    role: 'user',
+    content: '我的订单 #12345 什么时候发货？'
+  },
+  {
+    role: 'assistant',
+    content: '您好！根据订单信息，#12345 已于昨天完成备货，预计今日发出，3-5个工作日送达。[来源：订单管理文档]'
+  }
+];
+\`\`\`
+
+**关键参数建议**
+\`\`\`typescript
+// 不同场景的推荐参数
+const PARAMS = {
+  factual_qa:    { temperature: 0.1, max_tokens: 500 },   // 事实问答，低随机性
+  creative:      { temperature: 0.8, max_tokens: 2000 },  // 创意生成
+  classification:{ temperature: 0,   max_tokens: 50 },    // 分类，确定性输出
+  code_gen:      { temperature: 0.2, max_tokens: 4000 },  // 代码生成
+};
+\`\`\`
+
+**Token 预算管理**
+\`\`\`
+System Prompt:   ~500 tokens  （固定）
+RAG Context:     ~2000 tokens （动态，按相关度截断）
+Conversation:    ~1000 tokens （保留最近 N 轮）
+User Query:      ~200 tokens  （预留）
+Output:          ~1000 tokens （max_tokens 控制）
+总计:            ~4700 tokens  < 8K context window
+\`\`\`
+
+**输出**：System Prompt 模板 + Few-shot 示例 + 参数配置建议`,
+        },
+        {
+            title: '4. LLM 评估方案',
+            content: `建立自动化 + 人工评估体系，持续监控 LLM 功能质量：
+
+**三层评估框架**
+
+**① 自动化 Evals（CI/CD 集成）**
+\`\`\`typescript
+// 评估维度
+interface EvalResult {
+  accuracy: number;      // 答案正确率（对比 Golden Set）
+  faithfulness: number;  // 回答与上下文一致性（RAG 专用）
+  relevance: number;     // 答案与问题相关度
+  latency_p95: number;   // P95 响应时间（ms）
+  cost_per_query: number; // 平均 token 成本（$）
+}
+
+// 自动评估示例（LLM-as-Judge）
+async function evalWithLLM(question: string, answer: string, context: string) {
+  const judgePrompt = \`
+    问题：\${question}
+    检索上下文：\${context}
+    模型回答：\${answer}
+
+    请评估回答的准确性（0-1）和忠实度（0-1），返回 JSON：
+    {"accuracy": 0.x, "faithfulness": 0.x, "reason": "..."}
+  \`;
+  return await llm.json(judgePrompt);
+}
+\`\`\`
+
+**② Golden Set 维护**
+\`\`\`json
+// evals/golden-set.json
+[
+  {
+    "id": "Q001",
+    "question": "退货政策是什么？",
+    "expected_keywords": ["30天", "unopened", "退款"],
+    "expected_source": "return-policy.md",
+    "difficulty": "easy"
+  }
+]
+\`\`\`
+
+**③ 人工评分（A/B 测试）**
+\`\`\`
+评分维度（1-5分）：
+- Helpful（有帮助）: 回答解决了用户问题
+- Accurate（准确）: 信息与事实一致
+- Safe（安全）: 无有害/不当内容
+- Concise（简洁）: 无冗余信息
+\`\`\`
+
+**评估指标基准**
+| 指标 | 可接受 | 良好 | 优秀 |
+|------|--------|------|------|
+| 准确率 | > 70% | > 85% | > 95% |
+| 忠实度 | > 75% | > 90% | > 97% |
+| P95 延迟 | < 5s | < 3s | < 1.5s |
+| 幻觉率 | < 15% | < 5% | < 2% |
+
+**输出**：评估脚本 + Golden Set 模板 + A/B 测试方案`,
+        },
+        {
+            title: '5. 降级与安全策略',
+            content: `为 LLM 功能设计完善的降级和安全机制：
+
+**五大风险与对策**
+
+**① 幻觉控制**
+\`\`\`typescript
+// RAG 置信度检查：若无相关文档，拒绝回答
+const MIN_SIMILARITY = 0.75;
+const docs = await vectorStore.search(query, { topK: 3 });
+if (docs[0].score < MIN_SIMILARITY) {
+  return { answer: '抱歉，我没有找到相关信息，请联系人工客服。', sources: [] };
+}
+\`\`\`
+
+**② Fallback 降级链**
+\`\`\`typescript
+async function robustLLMCall(prompt: string) {
+  try {
+    // 主模型（高质量）
+    return await gpt4o.complete(prompt, { timeout: 5000 });
+  } catch (primaryError) {
+    try {
+      // 降级到备用模型（更快更便宜）
+      return await gpt4oMini.complete(prompt, { timeout: 3000 });
+    } catch (fallbackError) {
+      // 最终降级：静态规则/人工兜底
+      return { answer: FALLBACK_MESSAGES[detectIntent(prompt)], fallback: true };
+    }
+  }
+}
+\`\`\`
+
+**③ 内容过滤**
+\`\`\`typescript
+// 输入/输出双向过滤
+const BLOCKED_PATTERNS = [/如何.*伤害/, /制作.*武器/];
+function isSafe(text: string): boolean {
+  return !BLOCKED_PATTERNS.some(p => p.test(text));
+}
+// 推荐：使用 OpenAI Moderation API / Azure Content Safety
+\`\`\`
+
+**④ 成本限制**
+\`\`\`typescript
+// 每用户每日 Token 限额
+const DAILY_TOKEN_LIMIT = 50000;
+// 请求频率限制
+const RATE_LIMIT = { requests: 10, window: '1m' };
+// 输出截断
+const MAX_OUTPUT_TOKENS = 1000;
+\`\`\`
+
+**⑤ 可观测性**
+\`\`\`typescript
+// 每次 LLM 调用必须记录
+logger.info('llm_call', {
+  model, prompt_tokens, completion_tokens, latency_ms,
+  user_id, session_id, feature_flag,
+  is_fallback, safety_triggered,
+});
+\`\`\`
+
+**输出**：降级策略代码模板 + 内容安全配置 + 成本控制方案 + 可观测性埋点`,
+        },
+    ],
+    outputFormat: 'LLM 功能定位文档 + RAG 架构图 + System Prompt 模板 + 评估框架（Golden Set + 自动 Evals）+ 降级与安全策略代码',
+    examples: [],
+    notes: [
+        '先从小模型（GPT-4o mini/Claude Haiku）开始验证，确认方案可行再升级到大模型降低成本',
+        'RAG 的质量 80% 取决于 Chunking 策略和 Embedding 质量，而非 LLM 本身',
+        'Golden Set 至少需要 100 条覆盖核心场景的问答对，建立前先做 10 条快速验证',
+        '幻觉是 RAG 的最大风险，必须设置相似度阈值，宁可说"不知道"也不要胡编',
+        '生产环境必须监控 Token 消耗和每次调用成本，防止费用失控',
+    ],
+    category: '需求侧',
+    nextSkill: 'system-design',
+};
+//# sourceMappingURL=30-llm-feature.js.map

package/dist/skills/30-llm-feature.js.map

@@ -0,0 +1 @@
+{"version":3,"file":"30-llm-feature.js","sourceRoot":"","sources":["../../src/skills/30-llm-feature.ts"],"names":[],"mappings":";;;AAEa,QAAA,eAAe,GAAoB;IAC9C,EAAE,EAAE,aAAa;IACjB,IAAI,EAAE,YAAY;IAClB,MAAM,EAAE,aAAa;IACrB,KAAK,EAAE,EAAE;IACT,WAAW,EAAE,gDAAgD;IAC7D,aAAa,EAAE,8GAA8G;IAC7H,iBAAiB,EAAE;;;8BAGS;IAC5B,QAAQ,EAAE;QACR,aAAa;QACb,YAAY;QACZ,KAAK;QACL,QAAQ;QACR,SAAS;QACT,eAAe;QACf,OAAO;QACP,UAAU;QACV,oBAAoB;QACpB,cAAc;KACf;IACD,KAAK,EAAE;QACL;YACE,KAAK,EAAE,kBAAkB;YACzB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;iCAiCkB;SAC5B;QACD;YACE,KAAK,EAAE,aAAa;YACpB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;uCA6CwB;SAClC;QACD;YACE,KAAK,EAAE,gBAAgB;YACvB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;+CAmEgC;SAC1C;QACD;YACE,KAAK,EAAE,aAAa;YACpB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;uCA4DwB;SAClC;QACD;YACE,KAAK,EAAE,YAAY;YACnB,OAAO,EAAE;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;2CA8D4B;SACtC;KACF;IACD,YAAY,EAAE,kFAAkF;IAChG,QAAQ,EAAE,EAAE;IACZ,KAAK,EAAE;QACL,uDAAuD;QACvD,qDAAqD;QACrD,gDAAgD;QAChD,uCAAuC;QACvC,iCAAiC;KAClC;IACD,QAAQ,EAAE,KAAK;IACf,SAAS,EAAE,eAAe;CAC3B,CAAC"}

package/dist/skills/31-threat-model.d.ts

@@ -0,0 +1,3 @@
+import type { SkillDefinition } from './types';
+export declare const threatModelSkill: SkillDefinition;
+//# sourceMappingURL=31-threat-model.d.ts.map

package/dist/skills/31-threat-model.d.ts.map

@@ -0,0 +1 @@
+{"version":3,"file":"31-threat-model.d.ts","sourceRoot":"","sources":["../../src/skills/31-threat-model.ts"],"names":[],"mappings":"AAAA,OAAO,KAAK,EAAE,eAAe,EAAE,MAAM,SAAS,CAAC;AAE/C,eAAO,MAAM,gBAAgB,EAAE,eA2O9B,CAAC"}