核心用法
skill-sub 是一款调用链编排与规划技能，核心价值在于将用户的复杂意图转化为结构化的多Skill执行方案。其工作流程分为五步：理解意图→规划技能顺序→生成JSON调用链→输出可执行指令序列→（可选）实际执行。
用户可通过CLI工具完成调用链的全生命周期管理：chain_manager.py 负责创建/查询/更新/删除，chain_executor.py 负责生成执行计划与Dry-Run模拟。支持渐进式加载体系，主文档≤230行，详细参考按需从references/*.md加载。
关键配置项：记忆参考（读取用户历史增强步骤）、命名方式（AI自动/人工指定）、默认重试次数（1-10次）。
显著优点
1. 可视化编排能力：原生支持for-each/while循环、if-else分支、并行/串行标记，大幅降低复杂工作流的编写门槛
2. 安全验证机制：Dry-Run模式可在零副作用下预览执行路径，避免生产环境误操作
3. 版本与备份：自动备份+版本恢复，链删除操作可回滚
4. 渐进式文档：采用「入口精简+按需加载」设计，兼顾速查效率与深度参考需求
5. 拓扑排序：自动处理子步骤依赖关系，确保执行顺序正确
潜在局限
- 权限风险：权限扫描等级为MEDIUM，需关注
external_data_dir: true带来的外部目录读写 - 学习曲线：JSON Schema定义较复杂，非技术用户上手需参考
chain_schema.md - 循环安全：虽设
max_iterations上限，但复杂嵌套循环仍可能产生预期外行为 - 依赖具体实现：实际执行效果受底层各Skill稳定性影响，编排层无法完全兜底
适合人群
- 需要自动化多步骤AI工作流的技术用户
- 构建发布流水线、数据处理批任务、条件分支决策树的开发者
- 希望「一次配置、重复运行」的场景
常规风险
1. 数据持久化风险：data_dir指向外部相对路径../.standardization/，需确保目录权限与隔离性
2. 模板注入：{{variable}}语法若未严格校验，可能存在表达式注入
3. 无限循环：while条件配置不当可能导致资源耗尽（虽有max_iterations兜底）
4. 级联故障：单Skill失败可能中断整个调用链，需合理配置failure_mode与重试策略