【学习笔记】Harness | 意动唤神通,Skills Loading on Demand —— -Claude-Code实战(6/13)

@dataclassclass SkillManifest:    name: str          # 技能名称    description: str   # 技能简短描述    path: Path         # 对应文件路径@dataclassclass SkillDocument:    manifest: SkillManifest # 元数据    body: str               # 技能的具体详细内容

class SkillRegistry:    def _load_all(self) -> None: ... # 遍历目录，将每个 SKILL.md 解析为 SkillDocument    def _parse_frontmatter(self, text: str) -> tuple[dict, str]: ... # 解析文档头部的 YAML 元数据    def describe_available(self) -> str: ... # 生成一份给 AI 看的简短技能“菜单”    def load_full_text(self, name: str) -> str: ... # 根据名称调取完整的技能指令

# 初始化注册中心并构建系统提示词SKILL_REGISTRY = SkillRegistry(SKILLS_DIR)SYSTEM = f"""... Skills available: {SKILL_REGISTRY.describe_available()}""" # 仅注入菜单

TOOL_HANDLERS = {    "bash": ..., "read_file": ..., "write_file": ..., "edit_file": ...,    "load_skill": lambda **kw: SKILL_REGISTRY.load_full_text(kw["name"]), # 动态补全上下文的关键}TOOLS = [...] # 定义这些工具的 JSON Schema，让 AI 知道如何调用它们

def agent_loop(messages: list) -> None:    while True:        response = client.messages.create(...) # AI 根据当前信息做出判断        messages.append(...)         if response.stop_reason != "tool_use": return # AI 完成任务或需要回答，退出循环        # 处理工具调用（如 load_skill），并将结果（技能正文）反馈回对话上下文        for block in response.content:            if block.type == "tool_use":                output = TOOL_HANDLERS[block.name](**block.input)                results.append({"type": "tool_result", "tool_use_id": block.id, "content": str(output)})        messages.append({"role": "user", "content": results}) # 技能内容现在进入了对话历史

cd learn-claude-codepython agents/s05_skill_loading.py