back
loading skill details...
AI公司 Skill optimize工作流（CTO 性能工程 + CISO securityoptimizestandard版）。当需要对现有 Skill 进行性能optimize、Token 节省、上下文精简、security加固、代码重构、质量enhance时trigger。trigger关键词：optim...
---
name: ai-skill-optimizer
version: 1.1.0
description: |
AI公司 Skill optimize工作流（CTO 性能工程 + CISO securityoptimizestandard版）。当需要对现有 Skill 进行性能optimize、Token 节省、上下文精简、security加固、代码重构、质量enhance时trigger。trigger关键词：optimizeSkill、optimize Skill、节省 Token、精简 Skill、重构 Skill、enhance Skill 质量、security加固 Skill。
integrate CTO 性能工程方法论（TTFT/P95 latency/吞吐optimize）+ CISO security加固standard（STRIDE 强化 + 攻击面缩小）。
metadata:
{"openclaw":{"emoji":"⚡","os":["linux","darwin","win32"]}}
---
# AI Skill optimize工作流（CTO × CISO standard）
> **executerole**：Skill optimize者（CTO 性能工程 + CISO security加固）
> **版本**：v1.0.0（CTO-001 性能optimize × CISO-001 security加固）
> **compliance状态**：✅ optimize前必须做影响analyze，🚨 security加固优先于性能optimize
---
## 核心principle
1. **security第1**：security加固优先于性能optimize，不得以牺牲security换取性能
2. **可量化**：optimize必须有明确的metric改善（Token 节省、latency降低等）
3. **无回归**：optimize后Function必须与optimize前完全1致
4. **渐进式**：每次optimize聚焦1个维度，便于定位问题
---
## Agent 调用接口（Inter-Agent Interface）
> **版本**：v1.1.0（新增接口层）
> **securityConstraint**：接口本身零新增攻击面，所有输入参数均经过verify
---
### 接口身份
| 属性 | 值 |
|------|-----|
| **接口 ID** | `skill-optimizer-v1` |
| **调用方式** | `sessions_send` / `sessions_spawn` (isolated) |
| **会话Goal** | `isolated`（强制隔离）|
| **最低permission** | L3（可读 skills/，可写optimize结果） |
| **CISO Constraint** | 🚨 security加固任务（`security-harden`）必须 CISO-001 authorize |
---
### TASK 消息格式
```json
{
"skill": "ai-skill-optimizer",
"version": "1.1.0",
"task": "<task-type>",
"params": { ... },
"context": {
"caller": "<caller-agent-id>",
"priority": "<P0|P1|P2|P3>",
"optimization-dimension": "<token|performance|security|quality|full>",
"isolated": true
}
}
```
### 可用 Task 类型
| Task | 参数 | 返回 | Description |
|------|------|------|------|
| `baseline` | `skill-name`, `caller` | `{tokens, p95-latency, cvss, red-flags}` | optimize前baseline测量 |
| `token-optimize` | `skill-name`, `target-savings`, `caller` | `{before, after, savings-pct}` | Token optimize |
| `performance-optimize` | `skill-name`, `target-latency`, `caller` | `{before, after, p95-ms}` | 性能optimize |
| `security-harden` | `skill-name`, `authorization`, `caller` | `{cvss-before, cvss-after, improvements[]}` | 🚨 security加固 |
| `quality-improve` | `skill-name`, `target-quality`, `caller` | `{quality-before, quality-after, changes[]}` | 质量enhance |
| `full-optimize` | `skill-name`, `dimensions[]`, `caller` | `{all-metrics}` | 全维度optimize |
> **`dimensions[]` 可选值**：`"token"` \| `"performance"` \| `"security"` \| `"quality"`（默认全部）
| `compare` | `skill-name` | `{baseline, current, delta}` | optimize前后对比report |
### Task 参数 Schema
#### `baseline` 参数
```json
{
"skill-name": "string (required, skill slug)",
"caller": "string (required, agent ID)"
}
```
**返回示例**：
```json
{
"status": "success",
"result": {
"skill-name": "pdf-processor",
"version": "1.0.0",
"tokens": {
"skill-md": 4200,
"references": 1850,
"scripts": 320,
"total": 6370
},
"performance": {
"p95-latency-ms": 850,
"avg-latency-ms": 420
},
"security": {
"cvss-score": 5.3,
"red-flags": 0,
"stride-passes": 6
},
"quality": {
"quality-gate-score": 7,
"gates-passed": 5,
"gates-failed": 2
}
}
}
```
#### `security-harden` 参数
```json
{
"skill-name": "string (required)",
"authorization": "string (required, must be CISO-001)",
"hardening-target": "critical | high | medium (default: high)",
"caller": "string (required)"
}
```
**输入verify**：
```python
# 伪代码
if params["skill-name"].contains("..") or "/" in params["skill-name"]:
raise ValueError("Invalid skill-name: path traversal detected")
if params["authorization"] != "CISO-001":
raise PermissionError("security-harden requires CISO-001 authorization")
```
### 返回值 Schema
```json
{
"status": "success | error | pending | no-improvement-needed",
"task": "<task-type>",
"result": {
"skill-name": "<name>",
"version-before": "<version>",
"version-after": "<version>",
"improvements": [ ... ],
"metrics": { ... }
},
"meta": {
"reviewer": "<agent-id>",
"duration-ms": "<elapsed>",
"savings": {
"tokens": "<N tokens saved>",
"latency": "<N ms saved>",
"cvss": "<before → after>"
}
}
}
```
### 错误码
| Code | Meaning | Action |
|------|---------|--------|
| `E_SKILL_NOT_FOUND` | Skill 不存在 | 返回错误 |
| `E_NO_IMPROVEMENT` | optimize收益 < 5% | 返回当前metric，停止无效optimize |
| `E_REGRESSION` | optimize导致Function退化 | 自动rollback，report regression |
| `E_UNAUTH_HARDEN` | 未authorizesecurity加固 | reject，notify CISO |
| `E_SECURITY_REGRESSION` | 加固后 CVSS 恶化 | reject，triggerrollback |
| `E_NO_BASELINE` | 无baselinedata | 先execute baseline 再optimize |
### Agent 间调用示例
```markdown
# CTO-001 请求全维度optimize
sessions_send(sessionKey="cto-isolated", message="
skill: ai-skill-optimizer
task: full-optimize
params:
skill-name: pdf-processor
dimensions: [token, performance]
caller: CTO-001
context:
priority: P1
optimization-dimension: full
isolated: true
")
# CISO-001 请求security加固
sessions_send(sessionKey="ciso-isolated", message="
skill: ai-skill-optimizer
task: security-harden
params:
skill-name: pdf-processor
authorization: CISO-001
hardening-target: critical
caller: CISO-001
")
# CQO-001 请求质量enhance
sessions_send(sessionKey="cqo-isolated", message="
skill: ai-skill-optimizer
task: quality-improve
params:
skill-name: pdf-processor
target-quality: 9
caller: CQO-001
")
# CQO-001 请求baseline测量（optimize前）
sessions_send(sessionKey="cqo-isolated", message="
skill: ai-skill-optimizer
task: baseline
params:
skill-name: pdf-processor
caller: CQO-001
")
```
### securityConstraint（接口层）
```
🚨 接口security红线：
• skill-name 仅接受 [a-z0-9-] 字符，reject `..` 和 `/`（防path遍历注入）
• security-harden 必须 CISO-001 authorize，其他 Agent 无法绕过
• security-regression prohibit：加固后 CVSS 必须 ≤ 加固前
• 隔离execute：所有 agent 调用必须在 isolated 会话中运行
• 最小respond：返回结果仅包含metric差值，不暴露内部代码
• 回归protect：optimize后自动运行回归测试，失败则reject交付
```
### 与其他 Skill 的接口关系
| 调用方 | Task | trigger条件 |
|--------|------|---------|
| **CTO-001** | `full-optimize`, `token-optimize`, `performance-optimize` | quarterlyoptimize/用户投诉 |
| **CISO-001** | `security-harden` | securityassessdiscoverrisk |
| **CQO-001** | `baseline`, `quality-improve`, `compare` | quality assessment/optimizeverify |
| **ai-skill-maintainer** | `security-harden` | Patch 后security复验 |
| **ai-skill-creator** | `baseline` | 新建 Skill 的初始baseline |
---
## optimize维度
| 维度 | Goal | metric | 优先级 |
|------|------|------|--------|
| **Token optimize** | 减少 SKILL.md 上下文占用 | Token 数 ↓ | P1 |
| **性能optimize** | 降低executelatency | P95 latency ↓ | P2 |
| **代码optimize** | 提高脚本execute效率 | 吞吐量 ↑ | P2 |
| **security加固** | 缩小攻击面 | security评分 ↑ | P0（强制）|
| **可维护性** | 提高代码质量 | 评分 ↑ | P3 |
> **优先级规则**：P0（security）无条件execute，P1（Token）影响成本，P2（性能）影响体验，P3（可维护）长期价值
---
## 4步optimizeprocess
### Step 1 — baseline测量（Baseline）
**输出**：optimize前的各项metricbaseline值
#### 1.1 Token analyze
```bash
# 统计 SKILL.md Token 数（估算：1 Token ≈ 4 字符）
wc -c SKILL.md # 字节数
grep -c "^" SKILL.md # 行数
# 统计 references/ 总 Token 数
cat references/*.md | wc -c
```
**Token 预算Goal**（CTO 建议）：
| 文件类型 | Goal上限 | Description |
|---------|---------|------|
| SKILL.md | < 5,000 tokens | 主trigger文件 |
| 单个引用文件 | < 2,000 tokens | references/ |
| 脚本注释 | < 500 tokens | 精简注释 |
#### 1.2 性能baseline
```markdown
## 性能baselinerecord
Skill：<name>
测试日期：<ISO date>
环境：<测试环境描述>
### execute时间
- 平均latency：<X>ms
- P95 latency：<X>ms
- P99 latency：<X>ms
### 资源使用
- 内存峰值：<X>MB
- CPU 使用率：<X>%
### security基线
- RED FLAGS：<count>
- CVSS 评分：<score>
- 攻击面assess：<description>
```
#### 1.3 security基线
**execute CISO securityreview（完整 Phase 4）**：
- STRIDE 威胁建模
- CVSS 漏洞评分
- permission范围assess
---
### Step 2 — optimizeanalyze（Analysis）
#### 2.1 Token optimizeanalyze
| optimizestrategy | 预期节省 | 适用场景 |
|---------|---------|---------|
| **渐进式披露** | 20-40% | 详细文档 > 100 行 |
| **代码外置** | 30-50% | 重复代码块 |
| **引用外置** | 40-60% | API 文档/Schema |
| **精简描述** | 10-20% | 冗长的 description |
**Token optimize检查清单**：
```markdown
- [ ] SKILL.md 是否超过 500 行？ → 拆分到 references/
- [ ] 是否有重复的代码示例？ → 合并/外置
- [ ] 是否有冗长的解释？ → 精简为要点
- [ ] 是否有不必要的示例？ → 删除
- [ ] Frontmatter 是否过于复杂？ → 精简 metadata
```
#### 2.2 性能optimizeanalyze
| 瓶颈类型 | identify方法 | optimizeplan |
|---------|---------|---------|
| **I/O 瓶颈** | 等待文件/网络 | 批量操作、缓存 |
| **CPU 瓶颈** | 密集计算 | 算法optimize、并行化 |
| **内存瓶颈** | 大文件handle | 流式handle、分块 |
| **start瓶颈** | 脚本加载慢 | 懒加载、on-demand导入 |
**性能optimize检查清单**：
```markdown
- [ ] 脚本是否有不必要的导入？ → on-demand导入
- [ ] 是否有重复的文件读写？ → 批量操作
- [ ] 正则表达式是否低效？ → 预编译/非贪婪
- [ ] 是否有阻塞操作？ → 异步化
- [ ] 错误handle是否过于复杂？ → 简化逻辑
```
#### 2.3 security加固analyze
**攻击面assess矩阵**：
| 维度 | optimize前 | optimize后 | 改善 |
|------|--------|--------|------|
| 文件permission | 宽松 | 严格 | ⬆️ |
| 网络调用 | 多 | 少 | ⬆️ |
| 依赖数量 | 多 | 少 | ⬆️ |
| 硬编码值 | 多 | 少 | ⬆️ |
| 错误信息 | 详细 | 泛化 | ⬆️ |
**security加固优先级**：
| 优先级 | 加固项 | 预期效果 |
|--------|--------|---------|
| P0 | 移除硬编码密钥 | 消除高危漏洞 |
| P0 | 收紧文件permission | 防止越权访问 |
| P0 | 减少依赖 | 缩小攻击面 |
| P1 | 泛化错误信息 | 防止信息泄露 |
| P1 | 输入verify强化 | 防止注入攻击 |
| P2 | 添加超时protect | 防止 DoS |
| P2 | 日志脱敏 | 防止 PII 泄露 |
---
### Step 3 — implementoptimize（Implementation）
> **⚠️ 重要**：在implement任何optimize之前，先在 isolated 会话中测量baseline（Step 1），保留baseline快照。
#### 3.1 Token optimizeimplement
**strategy A：渐进式披露重构** → [详见 references/optimization-patterns.md — 模式 A](../references/optimization-patterns.md#1-模式a渐进式披露重构)
- 将 > 50行的详细文档外置到 `references/`
- 主文件 SKILL.md 仅保留摘要 + 链接
- 预期节省：20-40%
**strategy B：代码外置** → [详见 references/optimization-patterns.md — 模式 B](../references/optimization-patterns.md#1-模式b代码外置)
- 将 > 20行的代码块外置到 `scripts/` 或 `references/`
- 主文件仅保留调用命令和Description
- 预期节省：30-50%
**Token optimize检查清单**：
```markdown
- [ ] SKILL.md 是否超过 500 行？ → 拆分到 references/
- [ ] 是否有重复的代码示例？ → 合并/外置
- [ ] 是否有冗长的解释？ → 精简为要点
- [ ] 是否有不必要的示例？ → 删除
- [ ] Frontmatter 是否过于复杂？ → 精简 metadata
```
#### 3.2 性能optimizeimplement
**strategy A：懒加载** → [详见 references/optimization-patterns.md — 模式 C](../references/optimization-patterns.md#2-模式c懒加载)
- on-demand导入，避免start时加载全部模块
**strategy B：缓存结果** → [详见 references/optimization-patterns.md — 模式 D](../references/optimization-patterns.md#2-模式d缓存结果)
- 重复计算结果缓存，避免每次调用重新获取
**strategy C：批量操作** → [详见 references/optimization-patterns.md — 模式 E](../references/optimization-patterns.md#2-模式e批量操作)
- 批量读写替代逐个操作
**性能optimize检查清单**：
```markdown
- [ ] 脚本是否有不必要的导入？ → on-demand导入
- [ ] 是否有重复的文件读写？ → 批量操作
- [ ] 正则表达式是否低效？ → 预编译/非贪婪
- [ ] 是否有阻塞操作？ → 异步化
- [ ] 错误handle是否过于复杂？ → 简化逻辑
```
#### 3.3 security加固implement
**strategy A：移除硬编码** → [详见 references/optimization-patterns.md — 模式 F](../references/optimization-patterns.md#3-模式f移除硬编码密钥)
- API 密钥/令牌改为环境变量读取
**strategy B：输入verify强化** → [详见 references/optimization-patterns.md — 模式 G](../references/optimization-patterns.md#3-模式g输入verify强化)
- Skill 名称正则verify：`^[a-z][a-z0-9-]{2,64}$`
- path遍历检查：reject `..` 和 `/`
**strategy C：超时protect** → [详见 references/optimization-patterns.md — 模式 H](../references/optimization-patterns.md#3-模式h超时protect)
- 添加操作超时restrict，防止 DoS
**security加固检查清单**：
```markdown
- [ ] 是否有硬编码的密钥或令牌？ → 改为环境变量
- [ ] path参数是否有遍历检查？ → 添加verify
- [ ] 错误信息是否泛化？ → 移除内部path泄露
- [ ] 操作是否有超时restrict？ → 添加 timeout
```
#### 3.4 回归protect（自动）
> **🚨 securityConstraint**：任何optimize后若回归测试失败，必须自动rollback，不得交付退化版本。
optimize后若回归测试失败，execute以下step：
1. **自动rollback至 baseline 版本**：
```bash
git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/
```
2. **record regression**：将详情写入 `references/optimization-log.md`
3. **notify caller**：返回 `E_REGRESSION`，附 delta metric
---
### Step 4 — verify与对比（Verify & Compare）
#### 4.1 optimize后测量
```markdown
## optimize后metric
### Token 节省
- optimize前：<X> tokens
- optimize后：<Y> tokens
- 节省：<Z>% ✅
### 性能改善
- P95 latency：
- optimize前：<X>ms
- optimize后：<Y>ms
- 改善：<Z>% ✅
### security加固
- CVSS 评分：
- optimize前：<X.Y>
- optimize后：<Y.Z>
- 改善：✅
- RED FLAGS：
- optimize前：<count>
- optimize后：<count>
```
#### 4.2 Function回归测试
```markdown
## 回归测试
- [ ] 所有原有Function仍然正常工作
- [ ] trigger关键词仍然有效
- [ ] 错误handle与optimize前1致
- [ ] 输出格式与optimize前1致
```
#### 4.3 securityverify
> ⚠️ **security加固后必须重新review**
- [ ] CISO securityreview通过（CVSS < 7.0）
- [ ] STRIDE 威胁建模无新增risk
- [ ] permission范围已最小化
- [ ] 无新引入的依赖
#### 4.4 publish
```bash
# 打包
clawhub package ./<skill-name> --output ./dist
# publish
clawhub publish ./<skill-name> \
--slug <skill-name> \
--name "<Skill Name>" \
--version X.Y.Z \
--changelog "optimize：Token 节省 X%，P95 latency降低 Y%，security加固"
```
---
## optimizerecord模板
**save至 `references/optimization-log.md`**：
```markdown
# Skill optimizerecord
## Skill 信息
- 名称：<name>
- optimize前版本：<version>
- optimize后版本：<version>
- optimize日期：<ISO date>
## optimize摘要
### Token optimize
- optimize前：<X> tokens
- optimize后：<Y> tokens
- 节省：<Z>%
### 性能optimize
| metric | optimize前 | optimize后 | 改善 |
|------|--------|--------|------|
| P95 latency | Xms | Yms | Z% |
### security加固
- CVSS 改善：<X.Y> → <Y.Z>
- 主要加固项：
- <item 1>
- <item 2>
## 详细变更
### 变更 #1：<标题>
**类型**：[Token/性能/security/代码]
**optimize前**：<描述>
**optimize后**：<描述>
**代码**：
\`\`\`
<diff>
\`\`\`
## verify结果
| 测试项 | 结果 |
|--------|------|
| 回归测试 | ✅ |
| Token 测量 | ✅ |
| 性能测试 | ✅ |
| securityreview | ✅ |
## publish信息
- 版本：<version>
- publish日期：<date>
- changelog：<text>
```
---
## 快速参考
### trigger命令
| 用户请求 | optimize维度 | 优先级 |
|---------|---------|--------|
| "减少 Skill XX 的 Token 占用" | Token | P1 |
| "加快 Skill XX 的execute速度" | 性能 | P2 |
| "加固 Skill XX 的security性" | security | P0 |
| "重构 Skill XX 的代码" | 可维护性 | P3 |
| "全面optimize Skill XX" | 全部 | P0→P1→P2→P3 |
### 常见错误
1. **跳过baseline测量**：未测量就optimize，无法verify效果
2. **security为性能让路**：discoversecurity问题时必须优先修复
3. **过度optimize**：Token 节省 < 5% 无实际价值
4. **破坏Function**：optimize后Function异常，必须rollback
5. **不recordoptimize**：历史optimize未record，无法trace
---
## 版本历史（Changelog）
| 版本 | 日期 | Changes | 审核人 |
|------|------|---------|--------|
| **1.1.0** | 2026-04-13 | 新增 Agent 调用接口层（Inter-Agent Interface）：7个 Task 类型（baseline/token-optimize/performance-optimize/security-harden/quality-improve/full-optimize/compare）；PDCA quality gatesystem；optimize前后对比report模板；`E_REGRESSION` 回归protect自动rollback；新增 references/optimization-patterns.md（代码optimize示例参考） | CTO-001 / CISO-001 |
| **1.0.0** | 2026-04-11 | Initial version：4步optimizeprocess（Baseline → Analysis → Implementation → Verify）+ 4个optimize维度（Token/性能/security/质量）+ G0-G4 quality gate | CTO-001 / CISO-001 |
## rollbackstrategy（Rollback）
> 如optimize后回归测试失败，execute以下steprecover：
```bash
# 自动rollback至 baseline 版本
git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/
# verifyrollback成功
git log --oneline -3
```
**rollbacktrigger条件**：
- 回归测试失败（E_REGRESSION）
- CVSS 评分恶化（security-regression）
- optimize后 TSR < 85%（Function严重退化）
**rollback后操作**：
1. record regression 详情至 `references/optimization-log.md`
2. notify caller：返回 `E_REGRESSION`，附 delta metric
3. analyze退化原因，修复后重新optimize
don't have the plugin yet? install it then click "run inline in claude" again.