核心用法
AI Company Framework 是 ClawHub 生态系统的基础设施级框架技能，旨在为 AI 公司体系内的所有技能提供标准化治理。其核心功能涵盖七大领域：
1. Schema 合规性验证：强制执行 ClawHub Schema 规范，确保技能元数据、接口定义、依赖关系符合标准
2. 命名规范管理：统一技能 slug、版本号、触发词、标签的命名约定
3. 技能标准化：定义技能文档结构、质量门禁（如 saST、vetter 审批）、权限模型
4. 模块化设计：支持技能拆分与组合，通过 dependencies.skills 实现依赖管理
5. 泛化能力：将特定领域的技能抽象为通用框架，提升复用性
6. 生态注册中心：维护技能索引与发现机制，支持版本追踪与合并历史管理
7. 学习流水线：从现有技能中提取模式，生成新技能脚手架
典型工作流
- 开发者提交技能草案 → 框架执行 Schema 验证 → 自动修复或标记违规 → 通过 harness 执行质量门禁 → 注册到生态中心
显著优点
- 高度标准化：基于 MIT-0 许可，成熟度达 STABLE 级别，经过多版本迭代（3.0.0 为全英文重构版）
- 合并整合优势：由 7 个独立技能（standardization/modularization/generalization/ecosystem/registry/skill-learner/starter）合并而成，消除碎片化
- 完整工具链：提供 5 类即用型 Prompt 模板（实现方法、鲁棒性检查、测试用例、文档、工作流执行）
- 层级化设计：明确区分 AGENT 层定位，与 HQ、harness 等基础设施技能形成协同
- 错误代码体系：定义 FW_001~FW_005 五类错误，覆盖验证失败到脚手架生成失败的全链路
潜在缺点与局限性
- 学习成本：ClawHub Schema 规范较为复杂，新开发者需理解 frontmatter、triggers、interface、mcp 等概念
- 英文依赖：3.0.0 版本全面英文化，对中文用户存在语言门槛
- 运行时约束：强制要求 Python 3.9+，且依赖 ai-company-hq 和 ai-company-harness 两个前置技能
- 刚性约束：标准化程度高意味着灵活性降低，简单场景可能觉得"过重"
- 网络依赖：需要 api 网络权限进行注册中心查询
适合人群
- AI 公司架构师：需要治理大规模技能生态的团队
- 平台开发者：构建类似 ClawHub 的技能市场的技术负责人
- DevOps/平台工程师：负责 CI/CD 流程中技能质量门禁的实施者
- 技能开发者：开发 MEDIUM 及以上复杂度技能，需要标准化交付的工程师
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| 合规风险 | Schema 验证失败导致技能无法注册 | 使用框架提供的脚手架模板初始化 |
| 依赖循环 | 技能间依赖形成环 | 利用 registry 的依赖图分析功能 |
| 版本冲突 | 合并后的技能历史追溯困难 | 严格遵循 `merged_from` 元数据标注 |
| 权限越界 | mcp:subagents 权限被滥用 | 配合 ai-company-harness 进行权限审计 |
| 流水线阻塞 | 学习管道故障影响新技能生成 | 监控 FW_004 错误，设置降级策略 |