新闻详情

新闻详情

首页 / 资讯中心 / 详情

从3.0之前旧版升级?one-skill-to-rule-them-all迁移脚本migrate-log.py完整实操教程

发布时间:2026/11/16 7:31:06来源:尧图网络
从3.0之前旧版升级?one-skill-to-rule-them-all迁移脚本migrate-log.py完整实操教程
从3.0之前旧版升级one-skill-to-rule-them-all迁移脚本migrate-log.py完整实操教程【免费下载链接】one-skill-to-rule-them-allThe meta-skill that builds and improves all your skills, including itself. Watches your work sessions (autonomous or human-led), captures patterns, corrections and judgement calls, and turns them into skill improvements and new skill candidates for your review. Practical application of the Augmented Expertise methodology. Open source: CC BY 4.0.项目地址: https://gitcode.com/gh_mirrors/on/one-skill-to-rule-them-allone-skill-to-rule-them-all是一个会自动观察你的工作会话、持续改进你所有技能的元技能。如果你还在使用 3.0 之前的旧版本——所有观察记录都堆在一个skill-observations/log.md文件里——不必手动整理项目自带的迁移脚本 scripts/migrate-log.py 能把旧日志安全、无损地转换成 3.0 的一条观察一个文件新格式。本文带你从零走完整个升级流程 一、3.0 改了什么为什么需要迁移脚本3.0 版本对观察日志的存储方式做了一次结构性升级3.0 之前旧版3.0 及之后新版存储形式所有观察挤在一个skill-observations/log.mdskill-observations/observation-log/目录下一条观察一个.md文件元数据正文中的加粗标签**Status:**、**Skill:**等文件顶部的 YAML frontmatterstatus、skill、date等字段扫描成本每次要读完整文件只读每个文件头部即可观察越多越省 token这个脚本是升级专用的全新安装的 3.0 用户从一开始就是新布局永远用不到它只有从旧版升级的人需要跑一次。完整的官方迁移规范见 references/migration.md新手建议直接读 USER-GUIDE.md 里的 Upgrading from a version before 3.0 一节。二、开始前的准备工作 ✅1. 拿到脚本迁移脚本位于仓库的 scripts/migrate-log.py和SKILL.md、references/一起构成技能包。如果本地还没有可以克隆仓库获取技能本体也建议整套安装git clone https://gitcode.com/gh_mirrors/on/one-skill-to-rule-them-all2. 环境要求Python 3.8 及以上零第三方依赖开箱即用。3. 确保没有其他会话在写旧日志迁移时脚本只读取一次log.md。如果迁移前还有会话正在追加写入新写入的条目可能不会被转换。所以动手前先关闭正在运行的 Cowork 任务或长时会话。三、迁移六步实操第 1 步备份旧日志最重要的一步cp skill-observations/log.md skill-observations/log.md.bak有这份备份后面任何一步出问题都能秒回滚心里先踏实一半。第 2 步--check 只读校验看看有多少条目需要人工确认python3 scripts/migrate-log.py --check skill-observations/log.md这个模式只解析、不写任何文件对任何日志包括旧存档都绝对安全。输出包含三部分parsed N entries成功解析出的观察条数flags:解析中遇到的各类标记及数量needs human review: X/N其中 X 条脚本不敢猜会在对应文件里留下migration_note标记 脚本的设计原则是**存疑就标记绝不瞎猜**任何解析器没把握的内容缺状态、技能名解析不出、限定词归属模糊都不会被编造而是写进文件让你人工确认。这正是敢把几百条历史数据安全交给它的原因。如果还有 3.0 之前的旧存档skill-observations/archive/下的log-*.md也建议顺手用--check扫一遍——存档里常有新版日志已不存在的格式漂移是免费的测试覆盖官方推荐命令见 references/migration.md。第 3 步可选为有问题的条目准备 overrides.json如果第 2 步报告里有 live 日志条目需要人工确认可以写一个小 JSON 文件给出答案让转换结果可复现、可追溯。文件以条目id为键{ 812: { _resolves: [skill-missing], _reason: proposes a new skill and could extend an existing one, skill: [existing-skill], proposes_skill: [candidate-name] } }其中_开头的键是记账信息_resolves声明本次解决了哪些标记_reason会作为migration_override写进文件里留痕其余键则直接覆盖对应 frontmatter 字段。没有需要处理的条目就跳过这一步直接进第 4 步。第 4 步执行真正的转换python3 scripts/migrate-log.py --convert skill-observations/log.md \ --out skill-observations/observation-log \ --id-floor-from skill-observations/archive \ --overrides overrides.json几个参数值得理解一下--convert真正写出新文件的开关--out新布局目录即 3.0 的观察日志目录--id-floor-from扫描旧存档里最大的观察编号把号码底线写入observation-log/archive/.id-floor——保证新观察的编号从旧日志断点处继续永远不会从 0001 重新发号--overrides第 3 步的 JSON没有就删掉这一行转换完成后你会得到一批NNNN-短标题.md文件如0042-fix-review-scope.md每个文件顶部是 frontmatter正文原样保留。脚本结束时会打印写入文件数、id 底线以及带migration_note待复核的条目清单。第 5 步验证迁移结果两条命令核对数量是否一致grep -c ^### Observation skill-observations/log.md find skill-observations/observation-log -maxdepth 1 -name *.md | wc -l两个数字必须相等。再抽查 3 个文件建议包含 1 条已解决的和 1 条带技能限定词的对照原文确认 frontmatter 和正文完整。第 6 步归档旧文件让旧日志退役mv skill-observations/log.md skill-observations/log.md.migrated把旧日志重命名退役后3.0 的会话启动协议就不会再把它误认为待迁移日志。同时检查你的其他技能、CLAUDE.md 或定时任务里是否还有引用skill-observations/log.md旧路径的地方把它们指向新的observation-log/目录即可——观察日志这个说法本身不用改。多工作区提醒如果技能是全局安装的机器上其他工作区可能还留着旧布局的log.md。可以find ~/.claude/projects -name log.md -path */skill-observations/*搜一遍逐一按同样流程处理。详见 references/migration.md 第 8 步。四、出问题了怎么回滚整个过程可逆官方回滚方案只有两步mv skill-observations/log.md.migrated skill-observations/log.md把旧文件改回原名重新安装 3.0 之前的技能版本旧版会忽略新的observation-log/目录互不干扰⚠️ 唯一要注意的迁移完成后新写入的观察只存在于新目录里如果回滚前已经用了新布局需要手动把这些条目追加回log.md。五、新手常见问题Q我不自己操作直接开始用 3.0 行不行行。新版会话启动时会自动发现旧log.md并调用这个脚本完成转换你只要回答yes参见 SKILL.md 的 Session Start Protocol。本文的手动流程适合想自己掌控、验证每一步的用户。Q转换会丢数据吗不会。只有固定的一组元数据标签会被提升到 frontmatter其余加粗标签如Fix applied:、Root cause:全部原样留在正文里旧文件还会保留为log.md.migrated加上第 1 步的.bak备份等于双保险。Q新文件里为什么有migration_note这是脚本留下的待人工复核标记对应第 2 步报告里的条目。逐条检查后把该字段删掉即可复核机制说明见 references/observation-log.md。Q旧存档也要转换吗官方建议不要。旧存档是在多次格式演变的旧约定下写成的强行转换反而会伪造精度它们保留单体格式统一挪到observation-log/archive/下即可。六、总结 步骤命令/动作作用1cp log.md log.md.bak备份回滚兜底2--check只读校验零风险3overrides.json可选给不敢猜的条目标准答案4--convert真正转换 写入 id 底线5数量核对 抽查 3 个文件确认无损6重命名为log.md.migrated旧日志正式退役整个流程跑下来通常不到十分钟且每一步都可验证、可回滚。升级完成后你的观察日志就进入了一条观察一个文件的新布局——观察越多扫描越省这就是 3.0 的核心收益。接下来只需按 USER-GUIDE.md 的节奏使用让这位统领一切技能的元技能继续帮你把每个技能越磨越锋利 ✨【免费下载链接】one-skill-to-rule-them-allThe meta-skill that builds and improves all your skills, including itself. Watches your work sessions (autonomous or human-led), captures patterns, corrections and judgement calls, and turns them into skill improvements and new skill candidates for your review. Practical application of the Augmented Expertise methodology. Open source: CC BY 4.0.项目地址: https://gitcode.com/gh_mirrors/on/one-skill-to-rule-them-all创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉