---

name: antigravity-skill-orchestrator description: "一个元技能，理解任务需求，动态选择合适的技能，使用 agent-memory-mcp 跟踪成功的技能组合，并防止简单任务过度使用技能。" category: meta risk: safe source: community tags: "[orchestration, meta-skill, agent-memory, task-evaluation]" date_added: "2026-03-13"

antigravity-skill-orchestrator

概述

skill-orchestrator 是一个元技能，旨在增强 AI 代理处理复杂问题的能力。它充当智能协调器，首先评估用户请求的复杂度。基于该评估，确定是否需要专业技能。如果需要，它会选择正确的技能组合，使用 @agent-memory-mcp 显式跟踪这些组合以供未来参考，并引导代理完成执行过程。关键的是，它包含严格的防护措施，防止对可以用基础能力解决的简单任务不必要地使用专业技能。

何时使用此技能

• 处理可能需要多个专业领域的复杂多步骤问题时使用。
• 当你不确定哪些特定技能最适合给定的用户请求，需要从更广泛的生态系统中发现它们时使用。
• 当用户明确要求"编排"、"组合技能"或"使用最佳工具"来完成重要任务时使用。
• 当你想查找之前针对特定类型问题的成功技能组合时使用。

核心概念

任务评估防护措施

并非每个任务都需要专业技能。对于简单直接的问题（例如小型 CSS 修复、简单脚本编写、变量重命名），不要使用专业技能。过度工程化简单任务会浪费 token 和时间。

此外，编排器严格禁止创建新技能。其唯一目的是组合和使用社区提供的或当前环境中存在的现有技能。

在调用任何技能之前，评估任务：

1. 任务是否简单/独立？ 直接使用代理在当前环境中可用的普通文件编辑、搜索和终端功能解决。
2. 任务是否复杂/跨领域？ 只有这时才应继续编排技能。

技能选择与组合

当任务被判定为复杂时，识别所需领域（例如前端、数据库、部署）。搜索当前环境中可用的技能以找到最相关的。如果本地未找到所需技能，请查阅主技能目录。

主技能目录

Antigravity 生态系统在 https://raw.githubusercontent.com/sickn33/antigravity-awesome-skills/main/CATALOG.md 维护一个高度策划的主技能目录。当本地技能不足时，获取此目录以发现跨 9 个主要类别的适当技能：

• architecture
• business
• data-ai
• development
• general
• infrastructure
• security
• testing
• workflow

记忆集成（@agent-memory-mcp）

为了建立机构知识，编排器依赖 agent-memory-mcp 技能来记录和检索成功的技能组合。

分步指南

1. 任务评估与防护检查

[当面对可能需要技能的新用户请求时触发]

1. 阅读用户的请求。
2. 问自己："我能否仅用基本的文件编辑和终端命令高效解决这个问题？"
3. 如果是：无需调用专业技能继续执行。在此停止编排。
4. 如果否：继续步骤 2。

2. 检索过往知识

[当任务复杂时触发]

1. 使用 agent-memory-mcp 提供的 memory_search 工具搜索类似的过往任务。
   • 示例查询：memory_search({ query: "skill combination for react native and firebase", type: "skill_combination" })
2. 如果存在可用的组合，使用 memory_read 读取详情。
3. 如果没有相关记忆，继续步骤 3。

3. 发现和选择技能

[当没有过往知识覆盖此任务时触发]

1. 分析核心需求（例如"需要 React UI、Node.js 后端和 PostgreSQL 数据库"）。
2. 使用当前环境的技能列表或等效发现机制查询本地可用技能，为每个需求找到最佳匹配。
3. 如果本地技能不足，使用当前环境中可用的网络或命令行检索工具获取主目录：https://raw.githubusercontent.com/sickn33/antigravity-awesome-skills/main/CATALOG.md。
4. 扫描目录的 9 个主要类别以识别需要引入当前上下文的适当技能。
5. 选择所需的最小技能集。不要过度选择。

4. 应用技能并跟踪组合

[在使用选定技能执行任务后触发]

1. 假设任务已完成