Ota Skills：面向 AI 智能体的执行治理与合约工作流技能库

Ota 官方维护的智能体技能集合，专注于代码仓库准备度检查、合约编写与审查、以及人机协作的执行治理工作流，为 AI 智能体提供结构化的任务边界与安全护栏。

• 原作者/维护者：ota-run
• 来源平台：github
• 原始标题：skills
• 原始链接：https://github.com/ota-run/skills
• 来源发布时间/更新时间：2026-06-14T00:15:38Z

原作者与来源

• 原作者/维护者：ota-run
• 来源平台：github
• 原始标题：skills
• 原始链接：https://github.com/ota-run/skills
• 来源发布时间/更新时间：2026-06-14T00:15:38Z 原作者与来源\n\n- 原作者/维护者：ota-run\n- 来源平台：GitHub\n- 原始标题：skills\n- 原始链接：https://github.com/ota-run/skills\n- 来源发布时间/更新时间：2026-06-14T00:15:38Z\n\n项目背景\n\n随着 AI 智能体在软件开发流程中扮演越来越重要的角色，如何规范智能体的行为边界、确保执行安全、实现人机协作治理，成为工程实践中的重要课题。Ota Skills 是 Ota 平台官方维护的智能体技能集合，它提供了一套结构化的方法，帮助 AI 智能体在代码仓库环境中安全、可控地执行任务。\n\n该项目的核心理念是"执行治理"——不是简单地让智能体自由发挥，而是通过明确的合约（Contract）定义任务边界，通过检查清单确保执行质量，通过人机协作机制保留关键决策的人工审核环节。\n\n核心技能模块\n\n1. Ota 合约编写与审查\n\n项目的核心技能围绕 ota.yaml 合约文件展开。合约文件是 Ota 平台的核心配置，定义了：\n\n- 工作流（Workflow）：任务的执行步骤和依赖关系\n- 服务（Service）：运行环境和服务依赖\n- 检查（Check）：执行前的验证条件\n- 智能体治理（Agent Governance）：AI 智能体的行为边界和安全策略\n\n技能库帮助智能体：\n- 编写真实可信的 ota.yaml 合约\n- 审查合约质量和执行治理策略\n- 识别合约中可能存在的问题和风险\n\n2. 仓库准备度检查\n\n在执行任何任务之前，智能体需要评估代码仓库的"准备度"——即当前环境是否满足任务执行的前提条件。技能库提供了一系列检查项，包括：\n\n- 依赖管理：是否使用锁文件严格的包管理器\n- 工具链：是否配置了正确的编译/构建工具\n- 环境隔离：开发、测试、生产环境是否分离\n- 安全基线：是否满足最低安全配置要求\n\n3. 执行治理模式\n\n项目倡导"强契约优先"的执行治理模式，推荐智能体优先使用以下机制：\n\n一级契约表面：\n- aggregate：聚合多个任务的执行结果\n- launch.kind: command：显式命令启动模式\n- 工具链拥有的包管理器：确保依赖解析的一致性\n- 锁文件严格的依赖注入：防止版本漂移带来的不确定性\n\n全栈工作流覆盖：\n不仅关注任务语法本身，还涵盖工作流、服务、环境、检查和智能体治理等完整表面，确保执行的全链路可控。\n\n4. Ota CLI 集成\n\n技能库与 Ota CLI 深度集成，支持以下命令：\n\n- ota doctor：诊断环境和配置问题\n- ota up：启动和配置服务\n- ota run：执行任务工作流\n- ota skills install：安装和管理技能\n\n当 Ota CLI 不可用时，技能库可以引导用户完成安装，或在受限模式下提供替代方案。\n\n5. Studio 边界感知\n\nOta Studio 是 Ota 的云端协作环境。技能库帮助智能体理解本地环境与云端环境的边界，在合适的场景下选择本地执行或云端协作，避免敏感数据泄露或资源浪费。\n\n技能结构规范\n\n每个技能遵循统一的结构规范：\n\n- SKILL.md：智能体指令文档，定义技能的触发条件、执行步骤和输出规范\n- agents/openai.yaml：Codex 等智能体的显示元数据\n- references/：规范链接、紧凑合约模式和审查清单\n- scripts/（可选）：自动化辅助脚本\n\n这种结构化的设计让技能可以被机器解析，同时也便于人类维护和理解。\n\n安装与使用\n\n技能库支持多种安装方式：\n\n通过 skills CLI 安装：\nbash\nnpx skills add ota-run/skills --full-depth\n\n\n通过 Ota CLI 安装：\nbash\nota skills install --agent codex\nota skills install --agent claude\n\n\n安装后，智能体在执行相关任务时会自动加载对应的技能指令，获得结构化的执行指导。\n\n验证机制\n\n项目在发布前提供验证脚本，确保技能定义的正确性：\n\nbash\n./scripts/validate.sh\n\n\n验证内容包括：\n- SKILL.md 格式规范\n- 元数据完整性\n- 引用链接有效性\n- 脚本可执行性\n\n这种前置验证机制保证了技能库的质量和稳定性。\n\n技术意义与行业价值\n\nOta Skills 代表了 AI 智能体工程化的一种重要探索方向：\n\n从自由发挥到契约约束：不同于早期智能体的"黑盒"执行模式，Ota Skills 强调通过明确的合约定义任务边界，让智能体的行为可预测、可审计、可回滚。\n\n从单点工具到系统治理：不仅关注单个任务的执行，更关注整个工作流的治理，包括前置检查、执行监控、后置验证等完整链路。\n\n从人工驱动到人机协作：智能体负责执行和初步判断，人类保留关键决策的审核权，形成高效的人机协作模式。\n\n从平台锁定到开放标准：采用 Apache-2.0 开源协议，技能定义遵循开放规范，避免被单一平台绑定。\n\n适用场景\n\n该技能库适合以下场景：\n\n企业级 AI 智能体部署：需要规范智能体行为、确保执行安全、满足合规要求的组织。\n\n多智能体协作环境：多个智能体需要协调工作、共享上下文、避免冲突的复杂场景。\n\n关键业务自动化：涉及生产环境变更、数据操作等高风险任务的自动化需求。\n\nAI 原生开发团队：将 AI 智能体作为开发流程核心组成部分的先进团队。\n\n总结\n\nOta Skills 为 AI 智能体的工程化落地提供了重要的基础设施。它通过合约定义、执行治理、人机协作三位一体的设计，解决了智能体在实际生产环境中"不敢用、不会管、不可靠"的核心痛点。随着 AI 智能体在软件开发中扮演越来越重要的角色，这类执行治理框架将成为行业标配。