AI Company Generalization — ClawHub Schema v1.0

AI Company 通用化流程 Skill。将组织特定或领域特定的 Skill 转换为可在任意组织、任意行业、任意平台运行的通用 Skill。

概述

通用化（Generalization） 是 Skill 泛化能力的核心。它消除 Skill 中的组织特定内容、行业假设和平台约束，使 Skill 成为一个可以适配任何环境的通用工具。

目标

• 消除组织特定引用（公司名称、品牌、API 端点）
• 抽象行业特定逻辑（监管框架、商业模式术语）
• 实现跨平台兼容（操作系统、文件系统、Shell 类型）
• 建立参数化配置体系
• 确保跨上下文验证通过

通用化 vs 标准化 vs 模块化

推荐流程： 标准化 → 模块化 → 通用化

通用化五步流程

Step 1 — 特异性识别

目标： 找到 Skill 中所有非通用的部分。

特异性类型：

识别扫描规则：

SPECIFICITY_PATTERNS = {
    'org_name': [
        r'DELLIGHT\.AI', r'Acme Corp', r'StartupXYZ',
        # ... known org names
    ],
    'financial': [
        r'\$\d+[,\d]*',           # $1,000
        r'(USD|EUR|GBP|CNY)\s*\d+',  # currency amounts
        r'(AED|SGD|HKD)\s*[\d,]+',   # regional currencies
    ],
    'regulatory': [
        r'GDPR\s+Article\s+\d+',
        r'Data\s+Security\s+Law\s+Article\s+\d+',
        r'CCPA\s+Section\s+\d+',
    ],
    'platform': [
        r'C:\\Users\\', r'~/.ssh/',
        r'/etc/systemd/',
        r'C:/Program Files/',
    ],
    'date_format': [
        r'\d{4}-\d{2}-\d{2}',  # ISO format is ok
        r'\d{1,2}/\d{1,2}/\d{4}',  # ambiguous
    ],
}

def scan_specificity(skill_content: str) -> list[SpecificityItem]:
    findings = []
    for stype, patterns in SPECIFICITY_PATTERNS.items():
        for pattern in patterns:
            matches = re.finditer(pattern, skill_content, re.IGNORECASE)
            for m in matches:
                findings.append(SpecificityItem(
                    type=stype,
                    value=m.group(),
                    position=m.start(),
                    line=skill_content[:m.start()].count('\n') + 1,
                ))
    return findings

Step 2 — 参数化

目标： 将硬编码值替换为可配置的参数。

参数化策略：

硬编码值 → 参数定义
────────────────────────────────────────────────────────
"DELLIGHT.AI" → {ORG_NAME} 或完全删除
"$5,000" → {MIN_TRANSACTION_AMOUNT: default: 1000}
"US/EU/CN" → {JURISDICTION: allowed: [US, EU, CN, GLOBAL]}
"/home/user/data" → {WORKSPACE_ROOT: default: ./workspace}

参数定义规范：

parameters:
  - name: string              # 参数名称（SCREAMING_SNAKE_CASE）
    type: string | number | boolean | enum | object
    required: boolean
    default: any              # 若非必须，必须有 default
    allowed: string[] | range  # 若为 enum，列出允许值
    description: string        # 参数用途说明
    example: any              # 示例值
    validation: string         # 验证规则
    deprecation_notice: string # 若参数即将废弃

参数化质量检查：

Step 3 — 抽象边界

目标： 区分通用规则与情境化规则，建立扩展点。

抽象层次：

扩展点设计：

# 通用核心（不可修改）
def execute_skill_core(input_data, parameters):
    # 这里只包含通用的业务逻辑
    result = process(input_data, parameters)
    return result

# 扩展点（可选插件）
EXTENSION_POINTS = {
    'pre_process': [],       # 前置处理钩子
    'post_process': [],     # 后置处理钩子
    'validate': [],          # 验证钩子
    'format_output': [],    # 输出格式化钩子
}

def execute_with_extensions(input_data, parameters, extensions=None):
    # 执行通用核心
    result = execute_skill_core(input_data, parameters)
    
    # 执行后置扩展
    if extensions:
        for ext in extensions.get('post_process', []):
            result = ext(result)
    
    return result

通用规则（必须保留）：

• ✅ 错误处理原则
• ✅ 日志记录规范
• ✅ 接口契约（输入/输出格式）
• ✅ 权限边界
• ✅ 数据脱敏要求

情境化规则（应抽取为扩展）：

• ❌ 具体监管条款文本
• ❌ 特定行业的 KPI 阈值
• ❌ 特定文化的沟通风格
• ❌ 特定平台的命令语法

Step 4 — 通用接口设计

目标： 接口本身不依赖任何特定上下文。

平台中立原则：

通用输出格式：

output:
  status: success | error
  data: any           # 泛型，不依赖具体结构
  metadata:
    timestamp: ISO8601  # UTC 时间戳
    skill_version: semver
    context_id: string  # 本次执行唯一 ID
    locale: string       # 输出语言标记
  errors:
    - code: string
      message: string   # 国际化 key，非硬编码文本
      context: object   # 调试上下文

Step 5 — 跨上下文验证

目标： 确保通用化后的 Skill 在至少 2 个不同上下文中可正常运行。

验证框架：

def cross_context_validate(
    generalized_skill_path: str,
    test_contexts: list[TestContext]
) -> ValidationReport:
    
    results = []
    for ctx in test_contexts:
        # 设置上下文参数
        ctx_params = ctx.default_parameters
        
        # 执行 Skill
        result = execute_skill(
            skill_path=generalized_skill_path,
            test_input=ctx.test_input,
            parameters=ctx_params,
        )
        
        # 验证结果
        validation = validate_result(
            result=result,
            expected=ctx.expected_output,
            context=ctx,
        )
        
        results.append({
            'context': ctx.name,
            'compatible': validation.compatible,
            'issues': validation.issues,
            'score': validation.score,
        })
    
    # 汇总
    overall_score = mean([r['score'] for r in results])
    
    return ValidationReport(
        universal_score=overall_score,
        context_results=results,
        compatibility_matrix=build_matrix(results),
        failed_contexts=[r for r in results if not r['compatible']],
    )

测试上下文示例：

test_contexts:
  - name: Startup_US
    description: "美国初创公司，英文，无监管框架"
    parameters:
      LANGUAGE: en
      CURRENCY: USD
      JURISDICTION: US
      REGULATORY_FRAMEWORK: none
    test_input: {sample: data}
    expected_status: success
  
  - name: Enterprise_EU
    description: "欧盟企业，GDPR 合规，欧元"
    parameters:
      LANGUAGE: de
      CURRENCY: EUR
      JURISDICTION: EU
      REGULATORY_FRAMEWORK: GDPR
    test_input: {sample: data}
    expected_status: success
  
  - name: Government_CN
    description: "中国政府机构，中文，人民币"
    parameters:
      LANGUAGE: zh-CN
      CURRENCY: CNY
      JURISDICTION: CN
      REGULATORY_FRAMEWORK: DSL
    test_input: {sample: data}
    expected_status: success

通用化等级

接口定义

generalize-skill

通用化目标 Skill。

Input:

skill_path: string
target_level: L1 | L2 | L3 | L4 | L5
preserve_org_hooks: boolean  # 若 true，保留可选的 org 扩展点
strict_parameterization: boolean  # 若 true，不允许任何硬编码

Output:

status: success | failed
original_skill_path: string
generalization_level: string
specificity_found:
  - type: org_name | financial | regulatory | platform | cultural | technical
    value: string
    location: string
    severity: high | medium | low
parameters_extracted:
  - name: string
    type: string
    default: any
    allowed: any[]
    description: string
org_hooks_preserved: string[]   # 若 preserve_org_hooks=true
remaining_assumptions: string[]
generalization_ratio: 0-1        # 0 = 完全特化, 1 = 完全通用化

test-generalization

跨上下文验证通用化结果。

Input:

generalized_skill_path: string
test_contexts:
  - name: string
    parameters: object
    test_input: object
    expected_output: object

Output:

universal_score: 0-100
context_results:
  - context: string
    compatible: boolean
    score: 0-100
    issues: string[]
    warnings: string[]
compatibility_matrix: object
recommendation: pass | conditional_pass | fail
conditional_requirements: string[]  # 若 conditional_pass

reverse-generalize

将通用 Skill 适配到特定组织。

Input:

generalized_skill_path: string
target_org: string              # 目标组织名称
target_context: object          # 目标上下文参数

Output:

adapted_skill_path: string
parameters_set:
  - name: string
    value: any
    source: original_default | configured | derived
validation_report: object
warnings: string[]

KPI 仪表板

变更日志