diff --git a/src/components/segments/SkillsView.tsx b/src/components/segments/SkillsView.tsx index 7204a0b..f618b31 100644 --- a/src/components/segments/SkillsView.tsx +++ b/src/components/segments/SkillsView.tsx @@ -1,6 +1,95 @@ +import { useState } from 'react' import type { SkillSegment } from '../../types/protocol' import CollapsiblePanel from '../CollapsiblePanel' -import { Zap } from 'lucide-react' +import { Zap, ChevronDown, ChevronRight, Lightbulb, BookOpen } from 'lucide-react' + +/** + * 单个 Skill 的渐进式披露组件。 + * + * Anthropic 3 层披露机制： + * 第 1 层 — 名称 + 一行描述（始终可见） + * 第 2 层 — 详细说明 + 触发条件（点击展开） + * 第 3 层 — 完整指令（再次点击展开 — 触发时作为 system 消息追加到对话，而非合并进已有 System Prompt） + */ +function SkillDisclosure({ item }: { item: SkillSegment['items'][number] }) { + const [layer, setLayer] = useState<1 | 2 | 3>(1) + + const hasLayer2 = !!(item.detail || (item.triggers && item.triggers.length > 0)) + const hasLayer3 = !!item.instructions + + return ( +
  • + {/* Layer 1: 始终可见 — 名称 + 一行描述 */} + + + {/* Layer 2: 详细说明 + 触发条件 */} + {layer >= 2 && hasLayer2 && ( +
    + {item.detail && ( +
    + +

    {item.detail}

    +
    + )} + {item.triggers && item.triggers.length > 0 && ( +
    + +
    + 触发条件： + {item.triggers.map((t, i) => ( + + "{t}" + + ))} +
    +
    + )} + + {/* Layer 3 切换按钮 */} + {hasLayer3 && ( + + )} +
    + )} + + {/* Layer 3: 完整注入指令 */} + {layer >= 3 && item.instructions && ( +
    +
    + + + 注入指令 · 触发 /{item.name} 时追加到对话 + +
    + 
    +            {item.instructions}
+
    +
    + )} +
    • + ) +} export default function SkillsView({ segment }: { segment: SkillSegment }) { return ( @@ -17,12 +106,7 @@ export default function SkillsView({ segment }: { segment: SkillSegment }) { )} diff --git a/src/context/ChatContext.tsx b/src/context/ChatContext.tsx index ae3b217..d159333 100644 --- a/src/context/ChatContext.tsx +++ b/src/context/ChatContext.tsx @@ -13,8 +13,8 @@ interface ChatContextValue { const ChatContext = createContext(null) export function ChatProvider({ children }: { children: ReactNode }) { - const [activeDemo, setActiveDemo] = useState(3) // Start with comprehensive demo - const [envelope, setEnvelope] = useState(demos[3].envelope) + const [activeDemo, setActiveDemo] = useState(4) // Default: Skills Demo E + const [envelope, setEnvelope] = useState(demos[4].envelope) const switchDemo = (i: number) => { setActiveDemo(i) diff --git a/src/data/demos.ts b/src/data/demos.ts index bf60979..564f458 100644 --- a/src/data/demos.ts +++ b/src/data/demos.ts @@ -309,9 +309,27 @@ const demoC: PromptEnvelope = { description: 'Skills 是模型可调用的内置能力（slash commands）。输入 / 开头即可触发，无需等待模型推理。当前对话中启用以下 skills：', items: [ - { name: 'summarize', description: '生成文档摘要' }, - { name: 'translate', description: '翻译文档内容' }, - { name: 'qa', description: '基于文档回答具体问题' }, + { + name: 'summarize', + description: '生成文档摘要 — 支持多种粒度（一句话/段落级/全文级）', + detail: '对用户提供的文档生成结构化摘要。支持三种粒度：一句话概览（≤50字）、段落级摘要（保存关键论点）、全文级摘要（保留章节结构）。输出为 Markdown 格式。', + triggers: ['帮我总结一下', '概括这篇文章', '这个文档说了什么', '摘要'], + instructions: '你是一个专业的文档摘要助手。当用户请求摘要时：\n1. 先确认用户需要的粒度（简要/段落/全文）\n2. 提取核心论点和支撑证据\n3. 使用 Markdown 层级结构输出\n4. 在末尾标注信息来源（章节/页码）', + }, + { + name: 'translate', + description: '翻译文档内容 — 支持中英互译，保留原文格式', + detail: '将文档内容翻译为目标语言。保留原始 Markdown 格式、代码块、表格结构。支持术语表自定义（通过附加参数）。默认输出：中文 ↔ 英文。', + triggers: ['翻译', 'translate', '翻成中文', '译成英文'], + instructions: '你是专业翻译助手。翻译规则：\n1. 保留所有 Markdown 格式和代码块\n2. 术语一致性——同一术语全文统一译法\n3. 学术文本保留原文关键术语括号标注\n4. 表格和列表结构不变', + }, + { + name: 'qa', + description: '基于文档回答具体问题 — 带引用溯源', + detail: '基于用户提供的文档内容回答具体问题。每个回答都附带文档引用（章节/段落号），用户可以点击引用跳转到原文位置。支持追问和澄清。', + triggers: ['文档中', '根据文章', '论文里提到', '这段说的是'], + instructions: '你基于文档回答用户问题。规则：\n1. 每个陈述必须引用文档出处\n2. 如果文档中没有相关信息，明确告知\n3. 区分"文档直接陈述"和"你的推理延伸"\n4. 不确定时提出澄清问题', + }, ], collapsed: true, }, @@ -418,10 +436,41 @@ const demoD: PromptEnvelope = { description: 'Skills 是模型可调用的内置能力（slash commands）。输入 / 开头即可触发，无需等待模型推理。当前对话中可用以下 skills：', items: [ - { name: 'deep-research', description: '深度研究 — 多源搜索、交叉验证、生成引用报告' }, - { name: 'code-review', description: '审查代码变更，发现正确性问题和简化机会' }, - { name: 'simplify', description: '审查代码的复用性、简洁性和效率，并应用修复' }, - { name: 'verify', description: '运行应用并观察行为来验证变更是否正确' }, + { + name: 'deep-research', + description: '深度研究 — 多源搜索、交叉验证、生成引用报告', + detail: '这是一个多阶段研究技能。第一阶段：并行执行多个定向搜索（学术文献、行业报告、新闻、开源项目）。第二阶段：获取高相关性来源的完整内容。第三阶段：对每个声明进行三方交叉验证。第四阶段：生成包含引用来源的结构化报告。适合需要高质量、可验证答案的场景。', + triggers: ['深入调研', '全面分析', '研究一下', '查证', '给我一个研究报告', '这个领域有哪些'], + instructions: '你是深度研究助手。工作流程：\n1. 分析用户问题，拆解为 3-5 个子问题\n2. 对每个子问题执行多源搜索（学术 + 行业 + 新闻）\n3. 抓取高相关性页面全文\n4. 交叉验证：至少两个独立来源确认同一个关键事实\n5. 生成报告格式：摘要 → 分项发现 → 证据表 → 限定说明\n6. 每个声明确标注来源 URL 和可信度评级', + }, + { + name: 'code-review', + description: '代码审查 — 发现正确性 bug 和简化/效率优化机会', + detail: '审查当前分支的代码变更，按两个维度分析：(1) 正确性问题：空值、边界条件、竞态、资源泄漏；(2) 质量改进：重复代码、过度复杂、性能瓶颈。按置信度分级输出，每个发现包含文件路径、行号、问题描述和修复建议。', + triggers: ['review', '审查', '帮我看看代码', '代码有什么问题', '检查一下'], + instructions: '你是代码审查专家。审查规则：\n1. 首先读取 diff 内容（git diff）\n2. 正确性维度扫描：空值处理、边界条件、竞态条件、异常处理\n3. 质量维度扫描：重复代码、过长函数、深层嵌套、无用变量\n4. 每个发现标注：严重度（高/中/低）、文件路径、行号\n5. 提供具体的修复代码片段\n6. 避免纯风格的评论（交给 formatter）', + }, + { + name: 'verify', + description: '行为验证 — 运行应用并观察行为来确认变更生效', + detail: '启动应用、运行测试、或执行指定命令，并观察输出来验证某个变更是否按预期工作。支持多种验证策略：单元测试、端到端测试、手动检查输出。适合 PR 合并前的最终确认环节。', + triggers: ['验证', '测试一下', '确认', '检查是否生效', '跑一下', '运行'], + instructions: '你是验证助手。验证流程：\n1. 确认待验证的变更是什么\n2. 选择验证策略：优先自动测试，其次手动观察\n3. 运行相关测试套件\n4. 如果测试通过，启动应用确认关键路径\n5. 输出验证报告：测试结果 + 观察到的问题 + 置信度', + }, + { + name: 'simplify', + description: '代码简化 — 审查代码的复用性、简洁性和效率并应用修复', + detail: '只关注代码质量改进（不找 bug）。扫描变更文件，发现：可抽取的共享逻辑、可合并的重复代码、不必要的中间变量、可简化表达式。直接应用修复到工作树。需要 code-review 先跑完后再用此技能。', + triggers: ['简化', '重构', '精简', '优化这段代码', '能不能更简单'], + instructions: '你是代码简化专家。简化规则：\n1. 只做质量改进，不改变行为\n2. 发现重复代码 → 提取为函数/变量\n3. 发现过长函数 → 提取子步骤\n4. 发现不必要的中间变量 → 内联\n5. 发现深层嵌套 → 卫语句（guard clause）扁平化\n6. 修改后运行全部测试确认无回归', + }, + { + name: 'loop', + description: '定时循环 — 按指定间隔重复执行一个命令或 prompt', + detail: '设置一个定时任务，每隔指定时间（5分钟、30分钟、1小时等）自动执行一个提示词或命令。适合 CI 监控、定时检查、长期运行的自动化任务。任务在后台运行，不会阻塞当前对话。', + triggers: ['定时', '每隔', '循环', '持续监控', '定期检查', '每分钟'], + instructions: '你是定时任务助手。循环配置：\n1. 确认循环间隔和任务内容\n2. 首次执行立即运行一次\n3. 后续按间隔自动触发\n4. 每次执行输出简短状态摘要\n5. 用户可以随时说"停止循环"来终止\n6. 长时间循环（>1小时）使用持久化模式', + }, ], collapsed: true, }, @@ -604,6 +653,278 @@ const demoD: PromptEnvelope = { ], } +// ============================================================ +// Scenario E: Agent 主动触发 Skill（渐进式披露 + 工具调用） +// ============================================================ +const demoE: PromptEnvelope = { + version: '1.0', + model: 'claude-opus-4-8', + messages: [ + // --- System message: 加载 skills + memory + tools --- + { + id: 'e-1', + role: 'system', + segments: [ + { + kind: 'system_prompt', + content: `你是 HCI 课程设计助手，具备 Anthropic Skills 机制。 + +你有以下 skills 可用。用户输入以 / 开头的命令时会直接触发对应 skill。你也可以在分析用户意图后，主动建议合适的 skill。 + +回复风格：简洁、有结构、给出可操作建议。`, + collapsed: true, + }, + { + kind: 'memory', + description: + '以下是从过往对话中总结的关于你的信息，模型会参考这些记忆来个性化回复。', + items: [ + { + title: '用户背景', + content: '小明，设计系研二，HCI 方向。正在做课程设计，课题是 LLM 上下文透明性。', + }, + { + title: '当前进度', + content: '已完成 MVP 开发（React + TypeScript 聊天界面），展示了 9 种 Segment 的差异化渲染。', + }, + { + title: '关注点', + content: '关心 Anthropic Skills 的渐进式披露机制能否作为 HCI 课程中的交互设计案例。', + }, + ], + collapsed: true, + }, + { + kind: 'skills', + description: + 'Skills 是模型可调用的内置能力。输入 / 触发，或根据对话上下文由 Agent 自动判断并调用。当前可用以下 skills：', + items: [ + { + name: 'deep-research', + description: '深度研究 — 多源搜索、交叉验证、生成引用报告', + detail: '多阶段研究技能：(1) 拆解问题为子问题 (2) 并行搜索多源 (3) 抓取全文 (4) 三方交叉验证 (5) 生成结构化引用报告。适合需要高质量、可验证答案的场景。', + triggers: ['深入调研', '全面分析', '研究一下', '给我一个研究报告'], + instructions: '深度研究工作流程：\n1. 分析用户问题，拆解为 3-5 个子问题\n2. 对每个子问题执行多源搜索（学术 + 行业 + 新闻）\n3. 抓取高相关性页面全文\n4. 交叉验证：至少两个独立来源确认同一关键事实\n5. 生成报告格式：摘要 → 分项发现 → 证据表 → 限定说明\n6. 每声明标注来源和可信度评级', + }, + { + name: 'code-review', + description: '代码审查 — 发现正确性 bug 和简化/效率优化机会', + detail: '审查当前分支变更，按正确性和质量两个维度分析。每个发现附带文件路径、行号、问题描述和修复建议。', + triggers: ['review', '审查', '帮我看看代码', '代码有什么问题'], + instructions: '代码审查流程：\n1. 读取 git diff\n2. 正确性扫描：空值、边界、竞态、异常处理\n3. 质量扫描：重复代码、过长函数、深层嵌套\n4. 每个发现标注严重度、文件、行号\n5. 提供修复代码片段', + }, + { + name: 'verify', + description: '行为验证 — 运行应用并观察行为来确认变更生效', + detail: '启动应用或运行测试来验证变更是否按预期工作。支持自动测试和手动观察两种策略。', + triggers: ['验证', '测试一下', '确认', '检查是否生效', '跑一下'], + instructions: '验证流程：\n1. 确认待验证变更\n2. 选择策略（自动测试 或 手动观察）\n3. 运行测试套件\n4. 输出验证报告：测试结果 + 问题 + 置信度', + }, + { + name: 'simplify', + description: '代码简化 — 审查并优化代码的复用性和简洁性', + detail: '只做质量改进（不改行为）。发现重复代码、过度复杂、不必要的中间变量等，直接应用修复。', + triggers: ['简化', '重构', '精简', '优化', '能不能更简单'], + instructions: '简化规则：\n1. 只改进质量不改变行为\n2. 重复代码 → 提取函数\n3. 过长函数 → 提取子步骤\n4. 深层嵌套 → 卫语句扁平化\n5. 修复后运行全部测试确认无回归', + }, + { + name: 'loop', + description: '定时循环 — 按指定间隔重复执行命令或 prompt', + detail: '设置定时任务，每隔指定时间自动执行。适合 CI 监控、定时检查。后台运行，不阻塞对话。', + triggers: ['定时', '每隔', '循环', '持续监控', '定期'], + instructions: '循环配置：\n1. 确认间隔和任务内容\n2. 首次执行立即运行\n3. 后续按间隔自动触发\n4. 用户可说"停止"来终止', + }, + ], + collapsed: true, + }, + { + kind: 'tool_overview', + items: [ + { + name: 'run_skill', + description: '执行一个 Skill（slash command）', + parameters: 'skill_name: string, input: string', + schema: { + type: 'object', + properties: { + skill_name: { type: 'string', description: 'Skill 名称' }, + input: { type: 'string', description: '传递给 skill 的用户输入' }, + }, + required: ['skill_name', 'input'], + }, + }, + ], + collapsed: true, + }, + ], + timestamp: now - 360000, + }, + // --- User message: 触发 research 需求 --- + { + id: 'e-2', + role: 'user', + segments: [ + { + kind: 'static_var', + name: 'user_name', + value: '小明', + }, + { + kind: 'text', + content: '我想深入了解 Anthropic Skills 的渐进式披露机制（Progressive Disclosure），作为我的 HCI 课程论文的案例研究对象。请帮我调研一下这个机制的设计原理、交互模式和学术界相关讨论。', + }, + ], + timestamp: now - 300000, + }, + // --- Assistant: 判断需要 research，主动触发 /deep-research --- + { + id: 'e-3', + role: 'assistant', + segments: [ + { + kind: 'text', + content: `你的课程论文选题很棒！Anthropic Skills 的渐进式披露机制确实是一个很好的 HCI 案例分析对象——它以 **三阶段信息展开**（overview → detail → full instructions）来降低认知负荷，同时保持功能的可发现性。 + +让我用 \`/deep-research\` skill 做一个系统性调研：`, + }, + { + kind: 'tool_call_request', + toolName: 'run_skill', + arguments: { + skill_name: 'deep-research', + input: 'Anthropic Skills progressive disclosure mechanism — design principles, interaction patterns, HCI academic discussions, related concepts (progressive disclosure in UX, Nielsen\'s heuristics, information architecture patterns for AI interfaces)', + }, + collapsed: false, + }, + ], + timestamp: now - 280000, + }, + // --- Skill 触发：指令以 system 消息形式追加到对话 --- + // （而非合并进原有的 System Prompt segment） + { + id: 'e-4', + role: 'system', + segments: [ + { + kind: 'system_prompt', + content: `[/deep-research 已触发] + +深度研究工作流程： +1. 分析用户问题，拆解为 3-5 个子问题 +2. 对每个子问题执行多源搜索（学术 + 行业 + 新闻） +3. 抓取高相关性页面全文 +4. 交叉验证：至少两个独立来源确认同一关键事实 +5. 生成报告格式：摘要 → 分项发现 → 证据表 → 限定说明 +6. 每声明标注来源和可信度评级`, + collapsed: true, + }, + ], + timestamp: now - 270000, + }, + // --- Skill execution result --- + { + id: 'e-5', + role: 'assistant', + segments: [ + { + kind: 'tool_call_result', + toolName: 'run_skill', + success: true, + result: `[/deep-research] 执行完成 · 搜索 12 个来源 · 抓取 8 篇全文 · 交叉验证通过 + +## 摘要 + +Anthropic Skills 的渐进式披露机制是一种三层信息架构，专门为 AI 代理的可扩展功能系统设计。核心思想："仅在用户需要时才展示细节"，与 Nielsen 的经典可用性原则高度一致。 + +## 分项发现 + +### 1. 三层披露模型 + +| 层次 | 内容 | 触发时机 | +|------|------|---------| +| L1 概览 | 名称 + 一句话描述 | 始终可见（skills 面板） | +| L2 详情 | 功能说明 + 触发条件 + 参数 | 用户点击展开 | +| L3 指令 | 完整 system prompt 正文 | 用户再次点击"查看注入指令" | + +**设计原理**：这是 "information on demand" 模式的实现——信息存在但不喧嚣。L1 提供识别（recognition），L2 提供评估（evaluation），L3 提供理解（understanding）。 + +### 2. 与经典 HCI 理论的对应 + +- **Nielsen 的 Flexibility & Efficiency heuristics**：L1 满足新手（可识别），L3 满足专家（可审阅） +- **Shneiderman 的 Visual Information Seeking Mantra**："Overview first, zoom and filter, then details-on-demand"——三层模型完美映射到 overview → zoom → details 流程 +- **Cognitive Load Theory (Sweller)**：L1 层只占用工作记忆的极小空间，L2/L3 按需加载 + +### 3. 与其他 AI 产品的对比 + +- **OpenAI GPTs**：配置页是扁平表单，缺乏渐进式展开 → 认知负荷高 +- **Gemini Gems**：类似 GPTs，所有配置信息同时可见 +- **Anthropic Skills**：三层的文件系统式浏览——/ 触发、描述预览、then 深入 + +### 4. 交互模式创新 + +Skills 采用了 **slash command + 自然语言** 的双模触发： +- 显式触发：用户输入 \`/skill-name\` +- 隐式触发：Agent 根据对话上下文判断并建议使用 skill + +这在 HCI 上称为 "mixed-initiative interaction"。 + +### 5. 学术相关文献 + +1. "Progressive Disclosure in Mobile UI" (CHI 2016) — 实验证明渐进式展开减少 37% 的错误操作 +2. "Designing for Mixed-Initiative Interaction" (TOCHI 2020) — Agent 主动建议 vs 用户显式触发的用户偏好研究 +3. "Information Scent in AI Interfaces" (CSCW 2024) — 讨论了 skills 描述如何帮助用户形成"信息气味" + +## 证据表 + +| 声明 | 来源 | 可信度 | +|------|------|--------| +| 三层披露模型 | Anthropic Agent SDK 文档 | ★★★★★ | +| 37% 错误减少 | CHI 2016 实验 | ★★★★ | +| Mixed-initiative | TOCHI 2020 | ★★★★ | + +## 限定说明 + +Anthropic Skills 机制仍在快速迭代中。上述分析基于 2026 年 6 月的公开文档和代码。建议在论文中标注版本时间。`, + collapsed: false, + }, + ], + timestamp: now - 260000, + }, + // --- Assistant: 综合报告 --- + { + id: 'e-6', + role: 'assistant', + segments: [ + { + kind: 'text', + content: `## 调研结论 + +基于 \`/deep-research\` 的交叉验证结果，我建议你的论文从以下角度分析 Skills 渐进式披露： + +### 🎯 最佳分析框架 + +**Shneiderman 的 "Overview first, zoom and filter, then details-on-demand"** 是最贴切的理论框架——Skills 的三层模型几乎是对这个 mantra 的精确工程实现。 + +### 📐 可量化的 HCI 指标 + +1. **信息可发现性**：L1 概览层——用户能否快速识别需要的 skill（recognition over recall） +2. **认知负荷**：对比"全量展示"vs"渐进式披露"的工作记忆占用 +3. **操作效率**：slash command 显式触发 vs Agent 隐式建议的完成时间对比 + +### 🔗 建议引用的关键文献 + +- CHI 2016 的渐进式披露实验（有量化数据支持你的设计论点） +- TOCHI 2020 的 mixed-initiative 研究（对应双模触发机制） +- Anthropic 2025 的 Skills Architecture RFC（一手来源） + +需要我帮你生成论文的文献综述部分吗？`, + }, + ], + timestamp: now - 240000, + }, + ], +} + export const demos: DemoScenario[] = [ { id: 'a', @@ -629,4 +950,10 @@ export const demos: DemoScenario[] = [ description: '综合：全部 9 种 Segment', envelope: demoD, }, + { + id: 'e', + label: '场景 E 🧪', + description: 'Skills 渐进式披露 + Agent 主动触发 /deep-research', + envelope: demoE, + }, ] diff --git a/src/types/protocol.ts b/src/types/protocol.ts index 1ca6c7e..706c7ef 100644 --- a/src/types/protocol.ts +++ b/src/types/protocol.ts @@ -69,9 +69,19 @@ export interface SkillSegment { collapsed: boolean } +/** + * Skill 遵循 Anthropic 渐进式披露机制： + * + * 第 1 层 — 名称 + 一句话描述（始终可见，在 skills 面板中） + * 第 2 层 — 详细描述 + 触发条件（点击展开单个 skill） + * 第 3 层 — 完整指令（再次点击展开 —— 触发时作为一条新消息追加到对话中） + */ export interface SkillItem { name: string - description: string + description: string // 第 1 层：一句话描述 + detail?: string // 第 2 层：详细说明（功能、输入输出、适用场景） + triggers?: string[] // 第 2 层：触发条件（用户说哪些话会触发此 skill） + instructions?: string // 第 3 层：注入 LLM 上下文的完整 system prompt } export interface ToolOverviewSegment {