企业官网建设流程全解析

• 人工智能
• 大模型
• AI Agent
• 提示工程

SkillOpt-Sleep 是 SkillOpt 项目中用于让 LLM Agent 在夜间自动挖掘重复任务、复盘轨迹并以"门控更新"方式沉淀可复用技能的引擎。本篇文章聚焦于它的 Devin 集成方案：通过一个纯标准库实现的 MCP（stdio）服务器，把skillopt_sleep引擎以sleep_*工具的形式暴露给 Cognition 的 Devin（CLI 与 IDE 均可使用），并借助一个Devin 专用 harvester把本地 Devin 数据转换为引擎能消费的 Claude Code 兼容 JSONL。读完本文，你将掌握该插件的文件布局、数据转换原理、安装步骤、七个 MCP 工具的完整参数语义、handoff无密钥后端的工作方式以及数据边界注意事项，并能在自己的 Devin 工作区中跑通"运行睡眠周期 → 查看提议 → 采纳"的完整流程。

为什么 Devin 需要独立的集成插件

Devin（Cognition）添加自定义工具的标准方式是MCP（Model Context Protocol），因此plugins/devin/目录以 MCP 服务器为核心形态提供集成。但有一个关键障碍：Devin 并不会把 Agent 会话记录以 SkillOpt-Sleep 引擎能够直接读取的格式落盘。于是该插件在 MCP 服务器之外，额外提供一个Devin 专用 harvester（harvest_devin.py），把本地所有可用数据源统一转换成引擎可读的 Claude Code 兼容 JSONL 会话文件，从而复用与其它共享引擎集成完全相同的python -m skillopt_sleep动作（见 mcp_server.py 中_run_engine对python -m skillopt_sleep <action> ...的调用）。

从源码结构看，这套插件的设计原则是"薄适配层、零重复逻辑"：

• 转换（harvest）由插件负责：把 Devin 生态的数据翻译成引擎的会话格式；
• 优化（optimize）完全交给核心引擎：adapter 不做任何"采纳后二次复制"，核心引擎直接将审阅过的提议应用到选定目标，并自行负责备份与回滚行为（README 中 "The adapter performs no post-adoption copy" 即指此意，参见 harvest_devin.py 与 devin-rules.snippet.md）。

目录结构与各文件职责

plugins/devin/下的文件及其用途如下（README "What's here" 的完整清单）：

数据采集：harvester 把三类 Devin 本地数据变成 JSONL

三个数据源与所在位置

harvest_devin.py会从以下三个本地数据源合成 JSONL 会话（README "What it harvests"）：

工作区（workspace）自动检测来自~/.config/Devin/User/workspaceStorage/*/workspace.json；从源码看，检测顺序还有两个额外的回退层级（harvest_devin.py 的_detect_workspaces）：

1. 环境变量SKILLOPT_DEVIN_WORKSPACES（冒号/分号分隔的绝对路径列表，跨平台用os.pathsep分割）；
2. Devin 注册表~/.config/Devin/User/workspaceStorage/*/workspace.json（按 mtime 从新到旧排序）；
3. 当前工作目录兜底。

由于 Devin 是 VS Code 家族应用，其用户数据目录随操作系统移动（Linux~/.config/<App>、Windows%APPDATA%\<App>、macOS~/Library/Application Support/<App>），源码中的_app_data_roots()与_devin_transcript_candidates()会按当前 OS 依次探测所有候选路径。

三种来源如何被"翻译"成会话

• ATIF-v1.7 转录：source:"user"/source:"agent"消息被直接转换为 user/assistant JSONL 回合；每条转录还会被提炼出taskKey（见下）与 outcome 信封，并写入outcomes.jsonl；
• agentmemory：每条记忆的title成为合成的用户提示，content成为助手回复；
• Skill 文件：每个.devin/skills/<name>/SKILL.md的描述被转换为一个会话——用户提问"请使用<skill>技能"，助手回复如何应用该技能（正文截取前 1200 字符）。

输出目录结构与~/.claude/projects/<slug>/<sessionId>.jsonl对齐，即<out_dir>/projects/<slug>/<session_id>.jsonl，其中<slug>是项目绝对路径的 SHA-256 前 16 位十六进制（与 Claude Code 的方案一致，见_slug()）。默认输出目录为~/.skillopt-sleep-devin（环境变量SKILLOPT_DEVIN_CLAUDE_HOME可覆盖）。

为验证门准备的 taskKey 与 outcome 信封

SkillOpt 的门控（gate）"只在任务可重复且存在可检查的正确性信号时"才有效（README 明确："The gate only works where tasks recur and have a checkable correctness signal"）。为此，harvester 给原始转录补充两样东西（源码注释中的原话）：

• 稳定的taskKey：把重复出现的内容折叠成同一个"重复任务"。_normalize_task_key()生成的键格式为语言:意图:目标，例如java:fix:order-service——语言通过_LANG_HINTS（java/python/ts/js/sql/go/rust）正则推断，意图通过_INTENT_HINTS（fix/implement/refactor/test/review/optimize/explain）推断，目标优先取 CamelCase 标识符、其次文件名、再次首个非停用词；
• outcome 信封：_detect_outcome()从 agent 消息中正则匹配通过/失败信号（如BUILD SUCCESS、N passed、0 failed、traceback等），产出success+verifier（tests或build）+ 证据文本，以及可复跑的命令引用reference.repro。若没有任何硬信号，则退化为_judge_rubric_fallback()：success=None、verifier:"judge"，并附带由_build_rubric()从任务文本推导出的评分标准（rubric），告知门控"延迟到 judge 评分"而不是直接信任。

源码中还有一个容易被忽略的工程细节：合成的 user/reply 之间被刻意间隔至少 5 秒（ts += 5000），以避免"单轮会话被误判为<3s的无头回放而遭引擎 harvest 过滤器丢弃"（源码注释引用了 skillopt_sleep Issue #62 的处理）。采样夹具 devin_sample.json 展示了一份最小 ATIF-v1.7 转录：OrderService.persist()的空指针修复任务，含rtk mvn test -Dtest=OrderServiceTest -> BUILD SUCCESS, 142 passed, 0 failed这样的可检查信号，可用于理解 outcome 提取的正则匹配对象。

独立运行 harvester

harvest_devin.py也可以脱离 MCP 服务器单独运行：

python plugins/devin/harvest_devin.py \ [--out-dir PATH] \ [--agentmemory ~/.agentmemory/standalone.json] \ [--devin-transcripts /path/to/transcripts] \ [--workspaces /ws/a /ws/b ...] \ [--quiet]

默认--out-dir为~/.skillopt-sleep-devin；--devin-transcripts按 OS 自动探测；--workspaces缺省时走上面描述的自动检测。结束时打印三类来源各自转换的会话数及总数。

参考评分器：judge.py 如何给"无硬信号"任务打分

对于没有测试/构建硬信号的任务，harvester 会在 outcome 信封中写入verifier: "judge"和rubric。验证门在回放（replay）阶段调用 judge.py 为候选回复打分，分数落在[0, 1]；只有新技能在留出任务上严格得分更高时，门控才接受技能编辑。

judge.py 刻意保持自包含（self-contained）——完整部署中由 SkillOpt 引擎拥有回放+评分，但提供可独立运行的参考实现，便于脱离引擎做冒烟验证。两种后端通过环境变量SKILLOPT_JUDGE选择：

• heuristic（默认）：关键词覆盖率打分，离线、无需 API Key、确定性输出。每条评分标准只要回复中出现其任一内容词即视为"满足"，最终得分为满足数/总条数；
• claude：经 Anthropic API 的 LLM 评分器（需要ANTHROPIC_API_KEY，模型默认claude-haiku-4-5-20251001，可用SKILLOPT_JUDGE_MODEL覆盖）。实现采用纯标准库urllib，密钥缺失或调用失败时优雅降级回 heuristic，保证门控永不硬错误。

# 从文件读取 rubric 与 reply python plugins/devin/judge.py --rubric rubric.json --reply reply.txt # 从 stdin 读取 reply，rubric 内联传入 echo "<reply>" | python plugins/devin/judge.py --rubric-inline '["Addresses OrderService", ...]'

安装与注册：三步接入 Devin

前置条件：Python ≥ 3.10，且零第三方依赖——MCP 服务器是纯标准库实现（json/subprocess/sys等，见 mcp_server.py 顶部 import）。这也意味着插件不需要额外的pip install。

第 1 步：向项目安装 hooks 与 rules

在仓库根目录执行：

bash plugins/devin/install.sh /path/to/your/project

脚本会做三件事（详见 install.sh，幂等、可重复执行）：

1. 把 on-session-end.sh 复制为<project>/.devin/hooks/skillopt-sleep-on-session-end.sh并赋予执行权限；
2. 把 hooks.v1.json合并到<project>/.devin/hooks.v1.json（若已存在则用内嵌 Python 按事件合并数组、跳过完全重复的条目，避免破坏项目已有 hooks；不存在则直接复制）；
3. 把 devin-rules.snippet.md 复制为<project>/.devin/rules/skillopt-sleep.md，让 Devin 在会话中主动了解这些工具（规则文件会提示 Devin"当用户询问 sleep 周期或技能进化时，优先调用这些工具而非解释概念"，并要求始终以绝对工作区路径传project）。

最后脚本打印 MCP 注册命令。SessionEnd 钩子默认开启，但它只是一个"记录会话结束时间戳"的廉价活动标记（写入~/.skillopt-sleep/session-end.log），供本地检查或外部自动化使用；当前引擎按转录时间戳进行 harvest，并不消费该标记。钩子非阻塞、不消耗任何 API 预算，绝不会导致会话失败（脚本内exit 0保证）。

第 2 步：注册 MCP 服务器

直接使用install.sh打印的命令，或参考 mcp-config.example.json：

devin mcp add skillopt-sleep \ --env "SKILLOPT_DEVIN_CLAUDE_HOME=$HOME/.skillopt-sleep-devin" \ -- python3 /abs/path/to/SkillOpt/plugins/devin/mcp_server.py

其中SKILLOPT_DEVIN_CLAUDE_HOME指定转换后 JSONL 的存放目录（默认~/.skillopt-sleep-devin）；mcp_server.py还会读取SKILLOPT_SLEEP_REPO环境变量来定位仓库根（用于PYTHONPATH），缺省时按自身路径向上推导两级。

第 3 步：用自然语言驱动

安装完成后，直接向 Devin 说：

• "run the sleep cycle"（运行睡眠周期）
• "what did the last sleep propose?"（上次睡眠提议了什么）
• "adopt it"（采纳它）

七个 MCP 工具：完整语义与参数

MCP 服务器暴露以下工具（与 TOOLS 表 对应），每个工具底层都调用python -m skillopt_sleep <action> ...：

status、dry-run、run、harvest这四个读取数据的动作在执行引擎前，会先自动运行harvest_devin.py刷新本地缓存（源码中的_HARVEST_ACTIONS集合），并把--claude-home指向转换目录、默认--source claude（因为 Devin 转录已被转换成 Claude 格式）。

统一参数（_TOOL_SCHEMA）

所有工具共享同一套输入 Schema（mcp_server.py），服务端在运行时还会二次校验（_validate_tool_arguments：类型、控制字符、数值边界、enum、互斥模式都逐一检查，因为"客户端不可信、不能指望客户端强制 schema"）：

另外两个参数只在特定工具上有效，服务端会强制约束（_ADOPT_ONLY_ARGS/_SCHEDULE_ONLY_ARGS）：

• hour（0–23，默认 3）、minute（0–59，默认 17）：仅用于sleep_schedule；
• staging、skills、all_skills、legacy：仅用于sleep_adopt。

关于 sleep_adopt 的采纳控制（重点）

在sleep_adopt之前，务必先查看sleep_status与审阅过的 staging manifest，再选择与之一致的控制参数：

• staging—— 指定要采纳的精确 staging 目录（替代"最新一晚"）；
• skills—— 要采纳的技能名数组；每个技能名会被转发为一条独立的--skill参数，不做 shell 插值（源码中_append_adopt_args用 argv token 逐条追加；若技能名以-开头则改为--skill=<name>形式，防止被解析为选项）；
• all_skills—— 采纳所有已暂存的 per-skill 提议；
• legacy—— 仅采纳受管的SKILL.md/CLAUDE.md这一对 legacy 文件。

skills、all_skills、legacy三种选择模式只能选其一，禁止组合（服务端modes > 1时直接报错）。裸调用（不带任何选择参数）仅为了兼容"仅 legacy 暂存"的场景；fan-out 暂存（多技能）必须显式选择。若要对特定的 Devin 技能操作，把它的SKILL.md作为target_skill_path传入——adapter 在核心引擎返回后不会做第二次复制。

工具返回约定：exit_code、isError 与 json 模式

工具结果会在structuredContent中保留引擎的exit_code：

• 普通非零退出会置isError: true；
• 退出码 3 是预期的handoff_pending状态，不是 MCP 工具错误（isError只在退出码不属于{0, 3}时为 true）；
• 当json: true时，文本内容（content）就是引擎可解析的 JSON stdout，而 harvest 与引擎诊断信息仍单独放在structuredContent.diagnostics中，互不混淆。

后端选择与 handoff 无密钥模式

• mock（默认）：完全本地、不产生任何 API 花费，适合先跑通工作流；
• claude/codex/copilot：使用各自已安装并认证的 CLI 与预算（对应 SkillOpt 的claude_backend、codex_backend、copilot_backend，插件本身不实现额外的 API Key 流程）；
• handoff：以"无模型子进程、无 API Key"的方式运行整轮周期。引擎把待处理的模型调用写入.skillopt-sleep-handoff/PROMPTS.md与pending.json，以退出码 3 结束；你把答案放入answers/<id>.md后，用相同参数重新运行sleep_run即可继续（devin-rules 片段提示通常需要 3–6 轮往返）。

handoff模式由引擎侧统一实现（见skillopt_sleep中_handoff_dir_for/_flush_handoff等逻辑），Devin 插件与其它的共享引擎集成共用同一套机制。若你有已审阅的任务文件，可传tasks_file跳过 harvest；在使用真实后端之前，务必检查/脱敏该文件，并确保其元数据包含"reviewed": true（devin-rules 片段中的明确要求）。

数据边界与隐私注意事项

Devin harvester 只读取本地的 ATIF 转录、agentmemory 与 skill 文件并转换为引擎会话格式。使用mock后端时整个工作流完全本地化；一旦切换到真实后端，截断后的摘录与派生任务会被发送到所选 provider，用于挖掘（mining）、回放（replay）、判定（judging）与反思（reflection）。

需要特别强调（README 原文）：转换步骤并不保证出站提示中不含机密——在启用真实后端之前，请审阅敏感数据源与 provider 政策。相关指引见共享的 plugins/README.md 数据边界章节 与 已实现 CLI 参考。

另外，devin-rules 片段还提醒了一个容易踩的坑：sleep_schedule/sleep_unschedule是底层共享引擎的 cron 控制；当前被调度的命令不会执行 Devin 的转换步骤，因此不要把它当作"无人值守的 Devin harvest 工作流"使用——夜间自动化的正确姿势是让 Devin 会话中主动调用sleep_run，或显式把 harvest 纳入调度链路。

小结：一条可验证的本地闭环

从安装到生效，整套流程可以总结为一条闭环：install.sh植入钩子与规则 → Devin 每轮会话结束留下转录/记忆/技能文件 → MCP 服务器每次数据读取前自动运行 harvester 转成 JSONL → 引擎执行status/dry-run/run挖掘重复任务并暂存提议 → 人工（或 Devin）审阅sleep_status与 manifest 后用sleep_adopt显式采纳 → 引擎只对选定目标应用提议并自行备份。全程零第三方依赖、默认零 API 花费，且采纳行为始终掌握在审阅者手中。

• 人工智能
• 大模型
• AI Agent
• 提示工程