技能系统

概述

LingFlow 的技能系统是连接用户意图与大模型能力的桥梁。每个技能都是一个独立的 Markdown 文件，包含角色定义、核心能力、约束规则与触发示例。技能在服务启动时从 S3 批量加载，并在运行时通过关键词混合检索匹配用户消息。

当预置技能无法满足需求时，用户可在聊天中发送 #create_skill 命令，由 AI 自动生成技能 Markdown 内容并上传到 S3，实现技能的运行时扩展。整个创建过程受到名称白名单、速率限制、提示注入检测与事务锁的多重保护。

S3 存储结构

所有技能文件统一存储在 S3 桶的 skills/ 前缀下。文件名（去掉 .md 后缀）即为技能标识符，用户在聊天中以 /skill_name 形式引用。

s3://your-bucket/
  └── skills/
      ├── vulnerability_scanner.md   → 技能标识: /vulnerability_scanner
      ├── threat_intel.md            → 技能标识: /threat_intel
      └── security_audit.md          → 技能标识: /security_audit

技能文件格式

技能文件采用 Markdown 格式，首行是技能名称，随后以 YAML 风格的元数据声明 description、category 与 keywords，再以二级标题划分各个段落。下方为标准技能模板：

# 技能名称

description: 技能的简要描述
category: 分类（general / analysis / security / coding / data / networking / devops）
keywords: 关键词1, 关键词2, 关键词3

## 角色定义

描述 AI 在使用该技能时应扮演的角色。

## 核心能力

1. 能力一
2. 能力二
3. 能力三

## 使用说明

当用户询问相关问题时，使用该技能提供专业分析。

## 约束与规则

1. 规则一
2. 规则二
3. 不提供具体攻击方法

## 触发示例

- 基础用例: "检测系统安全漏洞"
- 进阶用例: "评估 Web 应用安全风险"
- 边界情况: "没有漏洞时如何处理"

## 错误处理

当输入不完整或超出技能范围时，应如何优雅地处理和回复。

示例技能：漏洞扫描

以下是一个完整的 vulnerability_scanner 技能示例，展示安全类技能的典型结构与约束写法：

# 漏洞扫描

description: 检测系统漏洞和安全威胁，提供安全评估报告
category: security
keywords: 漏洞, 扫描, 安全, 威胁, 检测, CVE, 渗透测试

## 角色定义

你是一名专业的网络安全分析师，拥有丰富的漏洞检测和安全评估经验。

## 核心能力

1. 常见漏洞检测（SQL注入、XSS、CSRF等）
2. 系统配置安全评估
3. 网络服务安全审计
4. 安全威胁分析与风险评级
5. 修复建议与防护方案制定

## 使用说明

当用户询问安全相关问题时，使用该技能提供专业分析和建议。

## 约束与规则

1. 不提供具体攻击方法，仅提供防御建议
2. 明确标注检测结果的时效性
3. 风险等级评估必须包含在响应中
4. 使用专业术语时附带简要解释

技能检索机制

LingFlow 使用基于关键词的混合检索策略。SkillRegistry.Retrieve() 方法在收到用户消息后执行以下步骤，从已注册技能中选出最佳匹配：

• 文本归一化（小写化、分词）
• 关键词匹配评分（description、keywords、display_name 多维度匹配）
• 综合评分排序
• 过滤低于阈值的结果（>= 0.3）
• 返回 Top-N（默认 5）

SkillRegistry 核心方法

SkillRegistry 是技能注册中心的内存数据结构，负责技能的注册、检索与生命周期管理。通过读写锁保护并发访问，维护元数据索引以加速检索：

type SkillRegistry struct {
    registryMutex  sync.RWMutex
    skills         map[string]models.SkillDefinition
    metadataIndex  []models.SkillMetadata
    scoreThreshold float32
    maxResults     int
}

S3SkillLoader 接口

S3SkillLoader 封装了与 S3 的所有交互，负责技能文件的上传、下载、存在性检查与清理。它是技能持久化层的唯一出入口：

type S3SkillLoader struct {
    bucket string
    prefix string
    region string
    client *s3.Client
}

AI 技能创建（#create_skill）

用户在聊天中发送 #create_skill 命令，系统通过 AI 自动生成技能 Markdown 内容并上传到 S3。该命令将技能的编写工作交给大模型，使非开发用户也能快速扩展系统能力。

命令格式

#create_skill {技能名称} {技能描述}

使用示例

#create_skill threat_intel 分析安全威胁情报和攻击趋势

创建流水线

一次 #create_skill 命令会触发 14 步流水线，覆盖从命令解析到结果广播的完整生命周期。任意步骤失败都会触发回滚与资源清理，确保系统状态一致。

• 命令解析 — 提取技能名称和描述
• 名称验证 — 仅允许小写字母、数字、下划线（1-64 字符）
• 速率限制检查 — 每用户每分钟最多 5 次
• 提示注入检测 — 输入层正则匹配 + 输出层内容审查
• 技能存在性检查 — S3 HeadObject 判断是否已存在
• 事务锁获取 — 创建空文件占位，防止并发竞态
• AI 内容生成 — 调用 Bedrock Converse API 生成 Markdown
• 输出内容验证 — 确保生成内容符合技能模板格式
• S3 文件上传 — 两阶段提交：先上传内容再删除占位
• 技能注册表刷新 — 本地缓存重新加载
• 技能列表推送 — 向所有在线连接广播更新后的技能列表
• 事务清理 — 删除空文件占位
• 成功响应 — 向发起用户返回创建结果
• 错误处理 — 任意步骤失败则回滚并清理资源

安全防护

AI 技能创建涉及外部输入与 AI 生成内容，存在被滥用或提示注入的风险。LingFlow 通过以下多层防护确保创建过程安全可控：

提示注入检测模式

系统内置两组正则表达式进行双重检测：输入层在命令进入流水线前拦截恶意指令，输出层在 AI 生成内容上传 S3 前审查是否包含危险模式。

输入层检测模式

• ignore / override / bypass / disregard / forget / cancel
• system prompt / instructions override / hidden prompt
• secret / password / api key / token / credentials
• execute / run code / eval / shell / command
• inject / poison / corrupt / manipulate
• read / write / delete file / access data
• role play / simulate / pretend / as if
• evil / malicious / attack / exploit

输出层检测模式

• system prompt / instructions override / ignore previous
• secret / password / api key / token / credentials
• execute / run code / eval / shell / command
• read / write / delete file
• rm -rf / sudo / chmod / curl pipe / wget pipe
• <script / javascript: / data: base64
• 转义字符注入检测