AI Skill 优化工作流（CTO × CISO 标准）

执行角色：Skill 优化者（CTO 性能工程 + CISO 安全加固） 版本：v1.0.0（CTO-001 性能优化 × CISO-001 安全加固） 合规状态：✅ 优化前必须做影响分析，🚨 安全加固优先于性能优化

核心原则

1. 安全第一：安全加固优先于性能优化，不得以牺牲安全换取性能
2. 可量化：优化必须有明确的指标改善（Token 节省、延迟降低等）
3. 无回归：优化后功能必须与优化前完全一致
4. 渐进式：每次优化聚焦一个维度，便于定位问题

Agent 调用接口（Inter-Agent Interface）

版本：v1.1.0（新增接口层） 安全约束：接口本身零新增攻击面，所有输入参数均经过验证

接口身份

TASK 消息格式

{
  "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

dimensions[] 可选值："token" | "performance" | "security" | "quality"（默认全部） | compare | skill-name | {baseline, current, delta} | 优化前后对比报告 |

Task 参数 Schema

baseline 参数

{
  "skill-name": "string (required, skill slug)",
  "caller":     "string (required, agent ID)"
}

返回示例：

{
  "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

{
  "skill-name":    "string (required)",
  "authorization": "string (required, must be CISO-001)",
  "hardening-target": "critical | high | medium (default: high)",
  "caller":        "string (required)"
}

输入验证：

# 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

{
  "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

Agent 间调用示例

# CTO-001 请求全维度优化
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 请求安全加固
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 请求质量提升
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 请求基准测量（优化前）
sessions_send(sessionKey="cqo-isolated", message="
skill: ai-skill-optimizer
task: baseline
params:
  skill-name: pdf-processor
  caller: CQO-001
")

安全约束（接口层）

🚨 接口安全红线：
• skill-name 仅接受 [a-z0-9-] 字符，拒绝 `..` 和 `/`（防路径遍历注入）
• security-harden 必须 CISO-001 授权，其他 Agent 无法绕过
• security-regression 禁止：加固后 CVSS 必须 ≤ 加固前
• 隔离执行：所有 agent 调用必须在 isolated 会话中运行
• 最小响应：返回结果仅包含指标差值，不暴露内部代码
• 回归保护：优化后自动运行回归测试，失败则拒绝交付

与其他 Skill 的接口关系

优化维度

优先级规则：P0（安全）无条件执行，P1（Token）影响成本，P2（性能）影响体验，P3（可维护）长期价值

四步优化流程

Step 1 — 基准测量（Baseline）

输出：优化前的各项指标基准值

1.1 Token 分析

# 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 预算目标（CTO 建议）：

1.2 性能基准

## 性能基准记录

Skill：<name>
测试日期：<ISO date>
环境：<测试环境描述>

### 执行时间
- 平均延迟：<X>ms
- P95 延迟：<X>ms
- P99 延迟：<X>ms

### 资源使用
- 内存峰值：<X>MB
- CPU 使用率：<X>%

### 安全基线
- RED FLAGS：<count>
- CVSS 评分：<score>
- 攻击面评估：<description>

1.3 安全基线

执行 CISO 安全审查（完整 Phase 4）：

• STRIDE 威胁建模
• CVSS 漏洞评分
• 权限范围评估

Step 2 — 优化分析（Analysis）

2.1 Token 优化分析

Token 优化检查清单：

- [ ] 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 性能优化分析

性能优化检查清单：

- [ ] 脚本是否有不必要的导入？ → 按需导入
- [ ] 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
- [ ] 错误处理是否过于复杂？ → 简化逻辑

2.3 安全加固分析

攻击面评估矩阵：

安全加固优先级：

Step 3 — 实施优化（Implementation）

⚠️ 重要：在实施任何优化之前，先在 isolated 会话中测量基准（Step 1），保留基准快照。

3.1 Token 优化实施

策略 A：渐进式披露重构 → 详见 references/optimization-patterns.md — 模式 A

• 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%

策略 B：代码外置 → 详见 references/optimization-patterns.md — 模式 B

• 将 > 20行的代码块外置到 scripts/ 或 references/
• 主文件仅保留调用命令和说明
• 预期节省：30-50%

Token 优化检查清单：

- [ ] 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 性能优化实施

策略 A：懒加载 → 详见 references/optimization-patterns.md — 模式 C

• 按需导入，避免启动时加载全部模块

策略 B：缓存结果 → 详见 references/optimization-patterns.md — 模式 D

• 重复计算结果缓存，避免每次调用重新获取

策略 C：批量操作 → 详见 references/optimization-patterns.md — 模式 E

• 批量读写替代逐个操作

性能优化检查清单：

- [ ] 脚本是否有不必要的导入？ → 按需导入
- [ ] 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
- [ ] 错误处理是否过于复杂？ → 简化逻辑

3.3 安全加固实施

策略 A：移除硬编码 → 详见 references/optimization-patterns.md — 模式 F

• API 密钥/令牌改为环境变量读取

策略 B：输入验证强化 → 详见 references/optimization-patterns.md — 模式 G

• Skill 名称正则验证：^[a-z][a-z0-9-]{2,64}$
• 路径遍历检查：拒绝 .. 和 /

策略 C：超时保护 → 详见 references/optimization-patterns.md — 模式 H

• 添加操作超时限制，防止 DoS

安全加固检查清单：

- [ ] 是否有硬编码的密钥或令牌？ → 改为环境变量
- [ ] 路径参数是否有遍历检查？ → 添加验证
- [ ] 错误信息是否泛化？ → 移除内部路径泄露
- [ ] 操作是否有超时限制？ → 添加 timeout

3.4 回归保护（自动）

🚨 安全约束：任何优化后若回归测试失败，必须自动回滚，不得交付退化版本。

优化后若回归测试失败，执行以下步骤：

1. 自动回滚至 baseline 版本：

   git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/
   

2. 记录 regression：将详情写入 references/optimization-log.md
3. 通知 caller：返回 E_REGRESSION，附 delta 指标

Step 4 — 验证与对比（Verify & Compare）

4.1 优化后测量

## 优化后指标

### Token 节省
- 优化前：<X> tokens
- 优化后：<Y> tokens
- 节省：<Z>% ✅

### 性能改善
- P95 延迟：
  - 优化前：<X>ms
  - 优化后：<Y>ms
  - 改善：<Z>% ✅

### 安全加固
- CVSS 评分：
  - 优化前：<X.Y>
  - 优化后：<Y.Z>
  - 改善：✅
- RED FLAGS：
  - 优化前：<count>
  - 优化后：<count>

4.2 功能回归测试

## 回归测试

- [ ] 所有原有功能仍然正常工作
- [ ] 触发关键词仍然有效
- [ ] 错误处理与优化前一致
- [ ] 输出格式与优化前一致

4.3 安全验证

⚠️ 安全加固后必须重新审查

• CISO 安全审查通过（CVSS < 7.0）
• STRIDE 威胁建模无新增风险
• 权限范围已最小化
• 无新引入的依赖

4.4 发布

# 打包
clawhub package ./<skill-name> --output ./dist

# 发布
clawhub publish ./<skill-name> \
  --slug <skill-name> \
  --name "<Skill Name>" \
  --version X.Y.Z \
  --changelog "优化：Token 节省 X%，P95 延迟降低 Y%，安全加固"

优化记录模板

保存至 references/optimization-log.md：

# Skill 优化记录

## Skill 信息
- 名称：<name>
- 优化前版本：<version>
- 优化后版本：<version>
- 优化日期：<ISO date>

## 优化摘要

### Token 优化
- 优化前：<X> tokens
- 优化后：<Y> tokens
- 节省：<Z>%

### 性能优化
| 指标 | 优化前 | 优化后 | 改善 |
|------|--------|--------|------|
| P95 延迟 | Xms | Yms | Z% |

### 安全加固
- 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/安全/代码]
**优化前**：<描述>
**优化后**：<描述>
**代码**：
\`\`\`
<diff>
\`\`\`

## 验证结果

| 测试项 | 结果 |
|--------|------|
| 回归测试 | ✅ |
| Token 测量 | ✅ |
| 性能测试 | ✅ |
| 安全审查 | ✅ |

## 发布信息
- 版本：<version>
- 发布日期：<date>
- changelog：<text>

快速参考

触发命令

常见错误

1. 跳过基准测量：未测量就优化，无法验证效果
2. 安全为性能让路：发现安全问题时必须优先修复
3. 过度优化：Token 节省 < 5% 无实际价值
4. 破坏功能：优化后功能异常，必须回滚
5. 不记录优化：历史优化未记录，无法追溯

版本历史（Changelog）

回滚策略（Rollback）

如优化后回归测试失败，执行以下步骤恢复：

# 自动回滚至 baseline 版本
git checkout tags/v<baseline-version> -- SKILL.md scripts/ references/

# 验证回滚成功
git log --oneline -3

回滚触发条件：

• 回归测试失败（E_REGRESSION）
• CVSS 评分恶化（security-regression）
• 优化后 TSR < 85%（功能严重退化）

回滚后操作：

1. 记录 regression 详情至 references/optimization-log.md
2. 通知 caller：返回 E_REGRESSION，附 delta 指标
3. 分析退化原因，修复后重新优化