myagent-ai 1.19.5 → 1.19.6

package/core/context_builder.py

@@ -13,6 +13,7 @@ core/context_builder.py - 上下文构建器
   <usersays>         - 用户语音转文本输入（键盘输入时为空）
   <task_plan>        - 当前任务计划（Markdown 格式，上轮已完成时为空）
   <tools>            - 可用工具列表（名称、描述、参数格式）
+  <skill_prompts>    - SKILL.md 格式技能的完整指令（Prompt 类型技能注入）
 
 使用示例:
     builder = ContextBuilder(memory_manager=mm, skill_registry=sr)
@@ -169,6 +170,7 @@ class ContextBuilder:
             self._build_user_input(user_typed_text, user_voice_text),
             self._build_task_plan(task_plan),
             self._build_tools(self.skill_registry),
+            self._build_skill_prompts(self.skill_registry),
         ]
 
         context_body = "\n".join(sections)
@@ -766,6 +768,51 @@ class ContextBuilder:
         lines.append("</tools>")
         return "\n".join(lines)
 
+    def _build_skill_prompts(
+        self,
+        skill_registry: Optional["SkillRegistry"],
+    ) -> str:
+        """
+        构建 <skill_prompts> 段落 —— SKILL.md 格式技能的完整指令内容。
+
+        对于 SKILL.md 目录格式的 Prompt 类型技能，将完整的 markdown body
+        注入到 LLM 上下文中，使 LLM 能按照技能指令执行任务。
+        普通 Python 技能（有 execute 实现）不在此处注入。
+
+        Returns:
+            <skill_prompts> XML 段落字符串，无 Prompt 技能时返回空字符串
+        """
+        if not skill_registry:
+            return ""
+
+        # 收集所有 markdown 类型且未禁用的技能的 body
+        prompt_skills = []
+        try:
+            for skill in skill_registry._skills.values():
+                if skill_registry._is_disabled(skill.name):
+                    continue
+                # 检查是否为 SKILL.md 格式技能
+                body = getattr(skill, 'get_body', None)
+                if body and callable(body):
+                    content = body()
+                    if content:
+                        prompt_skills.append((skill.name, content))
+        except Exception as e:
+            logger.warning(f"获取 skill prompts 失败: {e}")
+            return ""
+
+        if not prompt_skills:
+            return ""
+
+        lines: List[str] = ["<skill_prompts>"]
+        for skill_name, content in prompt_skills:
+            safe_name = _xml_escape(skill_name)
+            lines.append(f"<{safe_name}>")
+            lines.append(content)
+            lines.append(f"</{safe_name}>")
+        lines.append("</skill_prompts>")
+        return "\n".join(lines)
+
     # =========================================================================
     # Token 预算管理
     # =========================================================================
@@ -818,8 +865,8 @@ class ContextBuilder:
             return re.sub(pattern, replacement, xml, count=1, flags=re.DOTALL)
 
         # 按优先级从低到高裁剪（记忆最优先保留，知识库和任务计划优先裁剪）
-        # recent_summary 是兜底机制，最先裁剪
-        for tag in ['recent_summary', 'knowledge', 'task_plan', 'recall_memory', 'automemory']:
+        # recent_summary 是兜底机制，最先裁剪；skill_prompts 其次
+        for tag in ['recent_summary', 'skill_prompts', 'knowledge', 'task_plan', 'recall_memory', 'automemory']:
             if estimated <= budget:
                 break
             if f'<{tag}>' in context_xml:

package/package.json

@@ -1,6 +1,6 @@
 {
   "name": "myagent-ai",
-  "version": "1.19.5",
+  "version": "1.19.6",
   "description": "本地桌面端执行型AI助手 - Open Interpreter 风格 | Local Desktop Execution-Oriented AI Assistant",
   "main": "main.py",
   "bin": {

package/skills/registry.py

@@ -215,6 +215,11 @@ def _load_skill_from_md(skill_dir: Path) -> Optional[Skill]:
         for ref_file in sorted(ref_dir.glob("*.md")):
             references.append(ref_file.name)
 
+    # 提取 SKILL.md body（YAML front matter 之后的内容）
+    body = ""
+    if len(parts) >= 3:
+        body = parts[2].strip()
+
     class MarkdownSkill(Skill):
         """SKILL.md 格式的技能包装器"""
         def __init__(self):
@@ -230,13 +235,21 @@ def _load_skill_from_md(skill_dir: Path) -> Optional[Skill]:
             self._references = references
             self._has_templates = (skill_dir / "templates").exists()
             self._has_scripts = (skill_dir / "scripts").exists()
+            self._body = body
 
         async def execute(self, **kwargs) -> SkillResult:
+            # SKILL.md 技能的指令已通过 <skill_prompts> 注入 system prompt
+            # 如果 LLM 仍然调用了此工具，返回确认信息
             return SkillResult(
-                success=False,
-                error=f"SKILL.md 格式技能不支持直接调用，请通过 LLM 使用 /{self.name} 触发",
+                success=True,
+                output=f"[{self.name}] 技能指令已激活，请按照 <skill_prompts> 中 {self.name} 的完整指令执行任务。",
+                message=f"技能 {self.name} 已激活",
             )
 
+        def get_body(self) -> str:
+            """返回 SKILL.md 的 body 内容"""
+            return self._body
+
         def to_openclaw_format(self) -> Dict[str, Any]:
             info = super().to_openclaw_format()
             info["skill_type"] = "markdown"