任意智能体自举驱动本academic-toolkit:读协议、探测能力、选择路由或启动工作流。触发词:启动项目、如何驱动、bootstrap、自举、宿主无关接入、agent 开始工作。
Scanned 9/28/2026
npx -y skills add FOURTEEN1416/academic-agent-toolkit --skill agent-bootstrap --agent claude-codeInstalls into .claude/skills of the current project.
Are you the author of Agent Bootstrap?
Add the live security badge to your README — it updates automatically with every re-scan.
[](https://www.skillsdirectory.com/skills/fourteen1416-agent-bootstrap)More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.
---
name: agent-bootstrap
description: 任意智能体自举驱动本academic-toolkit:读协议、探测能力、选择路由或启动工作流。触发词:启动项目、如何驱动、bootstrap、自举、宿主无关接入、agent 开始工作。
status: active
---
# agent-bootstrap — 宿主无关 Agent 自举协议
## 定位
本技能告诉**当前驱动本项目的任意 Agent**(Claude Code / Cursor / Gemini CLI /
MiMo Desktop / OpenCode / ZCode / 自写脚本)如何在 5 分钟内合法接入并开始工作。
**不依赖任何宿主专用配置。** OpenCode / ZCode 配置仅为可选适配器(本地可选自建)。
## 输入契约
- 仓库已 clone(本检出目录名以本地为准,勿假设绝对路径)
- 用户需求文本(竞赛题 / 论文 / 文献 / 图表 / 其他)
## 执行步骤
1. **读协议**
- 仓库根 `AGENTS.md`(宿主中立入口)
- `academic-toolkit/AGENTS.md`(路由与门禁细节)
- 机器可读契约:在 `academic-toolkit/` 下执行 `python -m engine.workflow_cli boot`
2. **探测能力**
```bash
cd academic-toolkit
python -m engine.workflow_cli probe
```
阅读 `host_adapters` 与 `gaps`。适配器缺失不阻断;环境缺口按 hint 补齐或改用替代路径。
3. **确定驱动标签**
- 在 evidence 中自报 `agent`:如 `claude-code` / `cursor` / `mimo-desktop`
- 可用环境变量 `ACAT_AGENT_LABEL` 固定默认标签
3.5 **扫资产台账(先知道自己有什么,再决定怎么做)**
- 读 `academic-toolkit/data/asset_catalog.json`(probe 输出的 `asset_catalog` 字段是同一份摘要)
- 按 `when_to_use` / `owner_skills` 匹配当前任务:命中资产 → 先用资产,再造轮子
(例:写竞赛摘要前读 62 篇摘要统计;画图前查统一配色注册表;建模前查题型案例库)
- `local_only: true` 条目在私有资料区(`assets-local/` 等):本机有则用;公开 clone 缺席
属语义缺位,不算断链,改走降级路径
- 台账没覆盖到的需求 → TOOL_GAP 流程(forge 或如实上报)
4. **选择路径**
- **竞赛/多步管线**:`python -m engine.workflow_cli start --template comp_cumcm --workspace <ws>` → `next`(自动提供执行会话/本步技能正文)→ `session run/write` → `session finish`(自动组装证据、一次核验和推进)
- **单技能任务**:按 `academic-toolkit/AGENTS.md` §三 路由表读 `skills/<name>/SKILL.md` 直接执行
- **能力不足**:转入 `skills/tool-forge`
5. **执行与回报**
- 产出写入 StepAction.workspace(工作流)或用户指定目录(单技能)
- 默认用 `session run --session <next返回路径> --plan <任务计划> --finish`;纯内容用 `session write --path <产物> --stdin`,完成后 `session finish`。程序采集实际返回码、输入输出和指纹,不手填 evidence JSON。
- 计划只声明业务命令/依赖/产物;明确纯计算且完整依赖的节点可复用,变化时自动重跑受影响节点。不要缓存网络、独立评审或人工批准。
- `needs_work` 保持本步可编辑,一次修复诊断后再次 finish;不为修字段创建 retry 循环。中断恢复需确认进程已停,不能伪造成功。
- 旧外部接入仍可 `complete_step` + 真实 `execution_evidence`。无宿主 L1 时审计如实降级;执行会话的机器采集记录独立核验,不冒充宿主L1。
## 输出契约
- 已选定的驱动路径(工作流 ID 或技能名)
- probe 摘要(可用适配器 / 关键 gaps)
- 后续动作清单
## 质量铁律
- 引擎只编排不执行;执行者是你(当前 Agent)
- 同一时刻只有一个主控 Agent
- 无证据=未执行
- TOOL_GAP:不够就 forge 或如实上报,禁止伪造通过
## 关联
- 协议实现: `academic-toolkit/engine/agent_protocol.py`
- 能力探测: `academic-toolkit/engine/capability_probe.py`
- 工具铸造: `skills/tool-forge`
- 可选适配器: 协议不依赖(`forge --adapter` 可本地生成)
Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.
No comments yet. Be the first to comment!