pillumina

knowledge-groom

昇腾知识库的周期性维护引擎。批处理 postmortems/inbox/ 待审队列（预分诊 new/variant/covered 三分类），结构化升格到 Tier 2、校验 references 完整性、检测值重复、重算 confidence_score、软退休过期 case、重建生成索引；并行维护先验知识层（references/）—— 审核 references/ 的 draft 草稿、校验引用、失效降级信号、引用发现建议。建议每周运行。产出**变更摘要 + 待审项**交领域 owner 审；提交由 owner 自己来（不自动开 PR）。

self-evolve

自演进深度轮（显式触发）+ 攒批聚合器。用户下内容目标（补 case / reference 沉淀 / 诊断 / 拉取）时，由对应内容 skill 执行，**收尾自动跑 evolve-check**（/skill:evolve-check，伴随评估：有信号产卡、agent 自验证并判断采纳——用户不需要另说"改进系统"）。本 skill 只管两件事：①用户显式说"跑一轮自演进/看看有什么可改进"时的**全库深度观测轮**（跨轮聚合信号：归因事件聚合 / 容量 / S2 校准集 / timeline → 产候选卡）； ②把 evolve-check 与深度轮产出的卡**攒批聚合为一个 PR** 供人审。演进由数据触发 ——不是用户为"改进"单独立目标，而是系统做事时自动校准；本文自包含执行参数。

diagnose

昇腾训练/推理问题的核心诊断循环：收集症状、按 triage-tree 路由、两阶段加载并验证 Tier 2 case、命中给 fix（高危 root cause 改提示 halt）或转深度排查。 Tier-2 未命中但最终解决时起草候选 case。全程写 trace。仅在能执行命令的 agent（Claude Code / Codex / pi）中可用。

evolve-check

任何内容流程收尾的伴随演进评估（数据驱动的 self-evolving，非独立目标轮）。用户下内容目标（补 case / reference 沉淀 / 诊断 / 拉取 / replay）后，执行中产生的数据（新沉淀、miss、重复动作、流程摩擦）本身就是 evolving 信号——本协议在流程收尾低成本检查：对照触发条件表 → 有信号才产 idea 卡并自行验证执行（agent 自产卡 + 自验证 + 攒批聚合 PR 人审），无信号一行即止。演进不是"跑一轮自演进"才发生，而是系统做事时自动校准——像人学习。深度全库观测轮（用户说 "看看有什么可改进"）见 /skill:self-evolve；本文件是被内容流程收尾引用的轻量协议。

issue-ingest

从外部 issue 源（GitHub 等）批量导入案例知识。编排上游 issue 拉取、硬过滤、价值评估、沉淀与状态标记：拉取精简元数据（fetch_issues.py，不含 body），硬过滤+启发式排序（issue_filter.py：label 池/评论数/标题规则/已处理排除），对候选按需评估（subagent 读 body 判断可否沉淀），通过的走 to-postmortem 沉淀为 case 草稿（进 inbox 待审），完成后标记已导入（幂等）。框架差异（repo、label 体系）参数化配置。前置环境：gh CLI 已安装并登录（未登录引导 gh auth login）。这是外部 issue 源 → case 的统一批量注入入口，与 to-postmortem（人工笔记等异构来源）互补。

to-postmortem

把一次或多次昇腾问题定位沉淀成知识。输入支持内联粘贴、单个/多个文件路径、或整个目录（批量导入历史案例）。提取症状/命令/root_cause/fix，检测��架给命名空间建议（批量模式一次确认），人确认，输出结构化 YAML 草稿 + postmortem.md，过语义校验和脱敏。无论知识产自哪里（本地 agent session / Kimi 网页对话 / 手工笔记 / wiki 导出），都从这里汇入——这是异构知识来源的统一入口。

to-reference

把昇腾先验知识沉淀成 reference 词条。输入支持内联粘贴、单个文件、URL 爬取、或从已有 case 集合归纳共性。提取事实/方法论，按 references/_types.yaml 归类（error-code / tool / platform-fact / command-side-effect / methodology），标来源类型（official-doc / engineer-input / case-derived）与验证状态，经 grill 阶段与用户反复确认意图后，产出结构化 YAML 词条（status: active 直进正式 type 目录，PR review 即审核闸门——合入即生效）。这是先验知识的统一入口——与 to-postmortem（案例）并列，先验知识从这里汇入，不从 diagnose 自动生成。

preload-panel

在 DSH 会话中热加载 ascend-sleuth 面板插件：读取 dsh-plugins/<panel>/ 下的 panel-host.js 与 panel-client.js，用 cordis_define 创建动态 Cordis 插件并 cordis_run 激活，对话视图出现对应 tab。面板选择： - ascend-panel →「诊断」「指标」两个 tab（诊断会话/轨迹/证据 + 知识库健康） - ev-panel →「自演进」tab（EV 卡状态机 / 容量热力 / 归因与 S2 反馈 / timeline）仅 DSH 可用——依赖 DSH 的 cordis_define / cordis_run 工具与 conversation.view 插槽；其他 agent（Claude Code / Codex / pi）无此机制。

resume-diagnosis

续接一个被打断的昇腾诊断 session。读活跃的 traces/*.yaml（每个并发诊断一个文件，含 trace），复述上次停在哪一步、排除了哪些 case、当前 active case，等人贴回命令输出后继续。诊断被会议/上下文 compact 打断后恢复用。