企业官网建设流程全解析

asm（agent-skill-manager）是一款面向 AI 编码助手的通用技能管理器，一条命令即可在 Claude Code、Codex、Cursor 等 21 种工具间安装、搜索、审计和升级 Agent 技能。它天生为自动化设计：每个核心命令都支持--json、--yes与--machine三个参数，让你把"搜索 → 审计 → 安装 → 评估"整条技能流水线交给 AI 或脚本无人值守地跑完。

为什么 asm 天生适合自动化？

很多 CLI 工具对人类友好、对 AI 不友好：输出是给人看的彩色表格，中途还会弹出"是否继续？(y/n)"的确认提示——AI 一遇到交互提示就会卡死。

asm 从设计上避开了这两个坑：

• 结构化输出：--json让结果变成可解析的 JSON；--machine更进一步，返回带版本号的稳定信封格式
• 零交互：--yes跳过所有确认提示，命令可安全地放入 Agent 工具调用或 CI 流水线
• 离散动作：命令粒度清晰（list / search / audit / install / eval），AI 可以像搭积木一样把它们串起来

💡 支持范围：asm 内置 21 个 provider，覆盖 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等主流 Agent 工具，详见 README.md。

第一步：安装 asm

要求 Node.js 22+，一条 npm 命令全局安装：

npm install -g agent-skill-manager

装好后，无参数运行asm会进入一个本地 TUI 仪表盘，适合人肉浏览；而自动化的主战场在 CLI：

asm list --json

--json：让 AI 读懂每一条命令结果

给任意核心命令加上--json，人类表格立刻变成结构化数据。AI 拿到 JSON 后可以自行判断：哪些技能重复了、哪个需要安装、安装是否成功。

# 盘点所有工具中的已安装技能 asm list --json # 按关键词搜索，AI 可以拿到候选列表再决策 asm search "code review" --json # 非交互安装 + JSON 回执 asm install code-review -p claude --yes --json

这是"AI 管理 AI"的最小闭环：AI 发起命令 → 解析 JSON → 决定下一步动作，无需人眼阅读终端输出。

--yes：跳过所有交互，流水线不卡壳

--yes（或-y）告诉 asm：不要问任何问题，直接执行。典型场景：

# 无人值守清除重复技能，每组只保留一个 asm audit --yes # 批量安装一个精选 bundle asm bundle install frontend-dev --yes # 发布技能到 registry，不弹确认框 asm publish ./my-skill --yes

没有--yes，asm install在遇到多个匹配技能时会弹出选择器等你按回车：

在 Agent 或 CI 环境中，这种等待会直接导致任务超时失败。加上--yes后，同样的命令变成一条"发射后不管"的原子操作。

--machine：给 AI 的稳定 JSON 信封

--json输出的是"当前版本的数据形状"，而--machine输出的是带版本号的稳定信封（envelope），专为程序长期消费设计。每个响应都长这样：

{ "version": 1, "command": "install", "status": "ok", "data": { "name": "code-review", "path": "~/.claude/skills/code-review" }, "meta": { "timestamp": "2026-10-22T00:00:00.000Z", "asm_version": "1.x", "duration_ms": 128 } }

它有三个对自动化极其关键的保证，实现在 src/utils/machine.ts：

实战：搭一条全自动化技能流水线

把三个参数组合起来，一条 CI 任务或 Agent 工具链就能完成"体检 + 补装"：

# 1️⃣ 盘点：JSON 列出全部技能，AI 判断缺什么 asm list --machine # 2️⃣ 安检：安装前扫描目标技能的风险（shell 执行、网络访问、凭据泄露） asm audit security github:owner/repo --json # 3️⃣ 补装：跳过确认，直接装入指定工具 asm install github:owner/repo -p claude --yes --json # 4️⃣ 除重：自动清理冗余副本 asm audit --yes --json # 5️⃣ 质检：给已安装技能打分（结构、清晰度、安全性） asm eval ./my-skill --machine

第 5 步尤其值得 AI 参与：asm eval会按"结构与完整性、描述质量、提示词工程、上下文效率、安全护栏"等维度打分并给出改进建议，AI 拿到--machine输出后可直接按 Top suggestions 改写SKILL.md，形成"评估 → 修复 → 再评估"的自改进循环。评分提供者的扩展模型见 docs/eval-providers.md。

流水线落地建议

1. CI 中只认--machine：把asm list --machine放进每日定时任务，用status和错误码做告警分支，比解析文本日志可靠得多
2. --yes只用在白名单命令上：asm audit --yes会实际删除重复技能，建议搭配--json回执做事后审计
3. 给 Agent 一条固定协议：让 AI 始终"先--json查、后--yes动"，查询类命令零风险，动作类命令有 JSON 回执兜底
4. 版本锁定：registry 安装会自动解析到固定 commit 并缓存索引，跨工具重复安装同名技能时建议先asm search --json确认来源

🎯 总结：--json解决"AI 看得懂"，--yes解决"AI 不等待"，--machine解决"AI 敢依赖"。三者叠加，asm 就不只是个技能管理器，而是一条可以长期运行的 AI 技能自动化流水线。

更多命令参考 README.md 的 CLI Commands 章节，项目架构细节见 docs/ARCHITECTURE.md。