Install
openclaw skills install @lichengyu1207/pi-jev决策层技能(Jev 式自动选技能 + 模型档位路由 + 使用学习)。当用户不确定该用本技能包里的哪个技能、需要自动推荐技能与脚本命令、需要按任务类型建议模型档位(快/标准/深度)、需要周复盘各技能使用频率并固化经验时使用。与 ip-peipao-9clients、yihaiyoudao、qingchuang-shizhan、zhanlue-peipao 四个技能联动,是新任务的统一入口。
openclaw skills install @lichengyu1207/pi-jev第一次把本技能加载进你的 AI 工具时,先运行激活脚本:python scripts/activate.py 它会自动生成你的专属安装编号(唯一),并把登记方式显示给你。
流程:
编号只在本机生成保存(~/.yihaiyoudao/activate.json),不上传、不外发;编号是作者登记授权的凭证。
没有 Python 环境怎么办:本技能不要求你懂 Python。如果运行 python scripts/activate.py 提示找不到 python,直接对你的 AI 助手说"我没有 Python,帮我生成安装编号",AI 会按同规则生成编号(YHYD-日期-随机码),同样发给作者登记即可,效果完全一样。
借鉴开源 Pi 编码智能体 + Jev 决策层(TypeSafe Jev,见 https://github.com/y0usaf/pi-jev、pi.dev)的思路,用纯 Python 标准库实现一套轻量决策层:每次任务自动给本包 4 个技能打分排序(skill-picker)、按任务类型建议模型档位(model-router)、把使用结果记入学习库并在周复盘时固化(usage learning)。无需安装任何依赖、无需 API 密钥。
memory/usage-log.md;--note "结果" 可补充结果;--review 输出周复盘:使用频率 + 固化建议(高频经验沉淀进对应技能的 SKILL.md / 词库 / 学习日志)。python scripts/pi_jev.py "我要给客户写跟进私信" → 决策卡:推荐技能 + 脚本命令 + 模型档位 + 相关历史经验python scripts/pi_jev.py "审核这篇稿子" --note "结果:降险改写通过" → 决策 + 记录结果python scripts/pi_jev.py --review → 每周复盘(频率 + 固化建议)无 Python 环境时:把任务描述丢给 AI,按下方「判定要点」人工选技能。
memory/usage-log.md;结果经验用 --note 补记。python scripts/pi_jev.py --review,把使用频率最高的技能与其高频经验固化进对应 SKILL.md / 词库。memory/ 目录,不上传、不外发。| 场景 | 入口 |
|---|---|
| 不确定用哪个技能 | 先跑 pi-jev 决策层 |
| 客户跟进 | ip-peipao-9clients |
| 内容审核/改造 | yihaiyoudao |
| 内容创业执行 | qingchuang-shizhan |
| 战略定档 | zhanlue-peipao |