核心功能与定位
skill-search 是一个技能发现与检索中枢，为Agent系统提供三层递进式搜索能力：
| 模式 | 技术原理 | 适用场景 |
|:---|:---|:---|
| **Keyword Search** | BM25算法 | 已知技能名称/关键词的快速定位 |
| **Semantic Search** | 本地MiniLM嵌入向量 | 模糊概念匹配，理解同义表达 |
| **LLM Task Matching** | 大模型智能推理 | 自然语言描述任务，获推荐排序 |
显著优势
1. 混合检索架构：BM25+语义嵌入双引擎，兼顾速度与理解深度
2. 本地化运行：MiniLM模型本地部署，零API成本，保障隐私
3. 智能推荐解释：LLM模式输出置信度评分+推荐理由，可解释性强
4. 惰性索引机制：首次语义搜索时自动构建索引，无需手动维护
5. 上下文优化设计：先检索后加载，避免一次性载入全部技能导致的token膨胀
潜在局限与风险
| 问题 | 说明 |
|:---|:---|
| 索引新鲜度 | 新增技能需手动执行`index`命令重建索引 |
| 语义覆盖边界 | 专业领域术语可能向量化失真 |
| LLM推荐偏差 | 任务描述模糊时，置信度评分可靠性下降 |
| 冷启动延迟 | 首次语义搜索需等待索引构建（约数秒至分钟级） |
适合人群
- Agent开发者：构建复杂工作流前的技能预检
- 终端用户：自然语言探索系统能力边界
- 多任务场景：频繁切换不同技能域的高效用户
使用建议
推荐执行顺序：suggest(理解需求) → semantic(精准匹配) → keyword(确认名称)。索引目录建议纳入定期备份。