s-skillkit

Локальное ядро управления навыками (skills): только локальная ФС-механика — ни сети, ни auth. Из librarykit берётся ровно один модуль — librarykit.proc (единый запуск подпроцессов: на Windows без всплывающих консольных окон и с обязательным таймаутом); uv, git и npm кит зовёт только через него.

Что внутри

• SkillStore (skillkit.installer) — материализация навыка в центральный стор и линковка (junction на Windows / symlink на POSIX) в scope агента:

  • install_from_git / install_from_path / install / materialize
  • update (инкрементальный sha-diff), link_existing, migrate_scope
  • remove (keep-local / purge / force)
  • P0 stub-would-clobber guard (stub не затирает живой контент);
  • гейт принадлежности: remove снимает ТОЛЬКО то, что кит ставил сам — каталог с нашей _skill_meta.json или ссылку в наш стор. Чужое (руками положенный навык в общем каталоге вроде ~/.agents/skills) не удаляется, а попадает в RemoveResult.skipped_foreign + .message. Обойти можно лишь явно: remove(..., force=True) — на случай установок доисторических версий кита без меты.

• targets — IAgentTarget + detect_agent / get_target (Claude Code, Codex, OpenCode, Antigravity). Форма навыка везде одна: каталог + SKILL.md внутри (плоский <имя>.md не читает ни один агент). Раскладка сверена с живым опытом 2026-07-21 (навыки-пробы с кодовым словом в description):

  агент	global	project	доказательность
  claude_code	~/.claude/skills/	<project>/.claude/skills/	канон агента
  codex	~/.agents/skills/	<project>/.agents/skills/	документация (живьём не проверено: аккаунт 402)
  opencode	~/.config/opencode/skills/	<project>/.opencode/skills/	ОПЫТ
  antigravity	~/.gemini/config/skills/	нет (ScopeUnsupported)	ОПЫТ

  Antigravity (agy) читает РОВНО один каталог; рабочие .agents/skills и .gemini/skills он не читает, поэтому project-scope у него — явная ошибка, а не тихая запись в никуда. Чтобы agy вообще видел навыки, в ~/.gemini/settings.json нужен experimental.skills = true — этот общий с gemini-cli файл кит НЕ трогает. OpenCode читает ещё три места (~/.opencode/skills, ~/.agents/skills, <project>/.agents/skills), но кит туда не пишет и не убирает: он туда никогда и не ставил, а .agents вдобавок общий с Codex — у каталога один владелец.

  Агент отдаёт и расположение своих конфигов: mcp_config() (MCP-серверы; Claude Code — ~/.claude.json, Codex — ~/.codex/config.toml, Antigravity — ~/.gemini/config/mcp_config.json, ключ mcpServers), hook_config() (хуки). Смену раскладки закрывает механизм legacy_dirnames (ЧТЕНИЕ старых путей + resolve_slug_dir / remove / migrate_scope). Из встроенных заявлен у Codex: ~/.codex/skills — канон до 0.3.0, откуда наши установки теперь находятся, снимаются и переезжают на новый канон. Соседи по старому каталогу не страдают благодаря гейту принадлежности. Объявлять сюда «просто читаемые агентом» каталоги нельзя — только те, куда кит РЕАЛЬНО ставил.

• hook_register — хуки навыка ([[hooks]]) в настройки агента: register_hook / unregister_hook / list_hooks. Идемпотентно, чужие хуки не задеваются, агент с неизвестным форматом → status=manual (не падение).

• manifest — build_manifest для publish + ридеры frontmatter / _skill_meta.toml.

• filter — .skillignore / files-allowlist фильтр (pathspec).

• project — проектный манифест .skills-hub/skills.toml.

• Paths — инъекция каталогов (store_dir / config_dir / bin_dir). Paths.default() — нативная раскладка через platformdirs.

Инъекция вместо завязки на конфиг

Кит НЕ читает env/config. Каталоги передаются явным Paths; git-учётка — инъектируемым credential_resolver (callable url -> url). Потребитель (CLI) читает env-токен и собирает резолвер:

from skillkit import SkillStore, Paths, get_target

paths = Paths.default()  # или из ClientConfig

def resolver(url: str) -> str:
    token = os.environ.get("SKILLS_HUB_GIT_TOKEN")
    if token and url.startswith("https://") and "@" not in url:
        return url.replace("https://", f"https://oauth2:{token}@", 1)
    return url

store = SkillStore(get_target(None), paths.store_dir, credential_resolver=resolver)

Канон «супер-навыка» (навык + CLI + онбординг)

Супер-навык — навык, который несёт собственный CLI-инструмент. Канон нужен, чтобы ОДИН и тот же навык одинаково ставился тремя путями: локальным install-скриптом, skillery install из хаба и skillery install --path/--from-git.

Структура репозитория

<repo>/
  pyproject.toml            # пакет CLI-инструмента (публикуется на PyPI)
  src/<tool>/               # исходники CLI
  install/install.sh|.ps1   # локальный установщик (см. ниже)
  skills/<name>/            # САМ НАВЫК — только это материализуется агенту
    SKILL.md                # инструкция для ИИ-агента
    _skill_meta.toml        # ДЕКЛАРАЦИЯ навыка (источник истины)
    references/  agents/

Навык может лежать и в корне репо (SKILL.md рядом с _skill_meta.toml) — тогда подпапка не нужна. Если навык в подпапке, хаб хранит её в Skill.skill_path, и манифест версии читается ИМЕННО оттуда (иначе tooling-поля теряются).

_skill_meta.toml — полная декларация

description = "Atlas - local-first PM портфеля проектов и задач."
version = "0.3.0"
kind = "tooling"                 # prompt | comprehensive | tooling
tags = ["pm", "cli"]

# ВАЖНО (TOML): top-level массивы объявляются ДО заголовков [[...]] —
# иначе tomllib отнесёт ключ ВНУТРЬ таблицы, а не на верхний уровень.
runtime_dependencies = [
    { kind = "pip", spec = "atlas-pm==0.3.0" },   # чем ставится CLI
]

[[cli]]                          # какие команды навык приносит
command_name = "atlas"
entrypoint = "atlas.cli:app"

[[hooks]]                        # хук в настройки агента (ставится и СНИМАЕТСЯ)
event = "SessionStart"           # обязателен
command = "atlas session-hook"   # обязателен: встроенная команда CLI
matcher = "startup|resume"       # опц. — когда именно
timeout = 15                     # опц., секунды
status_message = "Atlas triage…" # опц.
marker = "session-hook"          # опц. — по чему узнаём СВОЙ хук (дефолт: command)

[onboarding]                     # что делать ПОСЛЕ установки
summary = "Локальный PM портфеля: проекты, задачи, эпики."
next_steps = [
  "atlas setup          # правила в CLAUDE.md/AGENTS.md + SessionStart-хук",
  "atlas task triage    # что в работе / застряло / забыто",
]
docs = "https://github.com/<owner>/<repo>#readme"

Как ставится: две дороги, один источник истины

Локальный install-скрипт (install/install.sh|.ps1) — для человека «с нуля»: ставит uv (если нет) → uv tool install <пакет> → запускает post-setup инструмента (напр. atlas setup). Скрипты держим ASCII-only: их тянут через irm | iex / curl | sh, и не-ASCII может побиться.

skillery install <skill> — та же логика, но декларативно:

1. материализует папку навыка агенту (global или project scope);
2. читает _skill_meta.toml из установленного навыка и ставит runtime_dependencies + регистрирует cli[]/mcp[]/hooks[] (apply_tooling_artifacts);
3. печатает [onboarding] — «что делать дальше».

revert_tooling_artifacts (disable/remove) снимает ровно эти артефакты — в том числе хук: осиротевший хук продолжал бы звать удалённую команду на каждом старте сессии агента. Чужие хуки и чужие настройки в файле не задеваются.

Источник истины для tooling — декларация в самом навыке, а не то, что доехало в манифесте бандла хаба: у навыка в подпапке бандл может прийти без cli/ runtime_dependencies, поэтому инсталлятор до-читывает _skill_meta.toml.

Детект: не навреди стороннему навыку

Установка CLI запускается только по явной декларации (runtime_dependencies / cli в _skill_meta.toml). Эвристики вида «рядом лежит pyproject.toml — значит надо поставить пакет» ЗАПРЕЩЕНЫ: сторонний навык часто живёт в чужом репо, и такая догадка поставила бы левый пакет. Навык без _skill_meta.toml (просто SKILL.md) материализуется как есть — ничего не выполняется и не ставится.

Онбординг обязателен для супер-навыка

Навык, приносящий CLI, ОБЯЗАН объявить [onboarding].next_steps. Инсталлятор печатает их сразу после установки, чтобы ИИ-агент довёл настройку сам, а не оставлял пользователя с установленным, но ненастроенным инструментом. Контракт вывода: в text-режиме — человекочитаемый список, в --json — структурные поля (next_steps) в stderr, чтобы не засорять stdout с основным payload'ом.

Зависимости

tomli-w, pathspec, platformdirs. requires-python >=3.11. MIT.