AIAI 工具图鉴
← 返回全部文章
·约 14 分钟PPT

compass-skills

技能插件Agent
下载 PPT下载视频

配套媒体

本页对应的 PPT 与演示视频

compass-skills-recommend.mp4
PPT
compass-skills-recommend.pptx浏览器不能直接打开 PPT，下载后用 PowerPoint / WPS / Keynote 查看
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

PPT../../compass-skills-recommend.pptx
视频../../compass-skills-recommend.mp4
本文目录
  1. 🚀 什么是 compass-skills？
  2. ✨ 核心功能一览
  3. 🛠️ 四大 Skill 详解
  4. 1. task-clarifier —— 模糊任务前置澄清
  5. 2. task-forest —— 任务森林 DAG
  6. 3. session-handoff-prompt —— 会话交接压缩
  7. 4. user-profile-keeper —— 本地用户画像
  8. 📐 系统架构图
  9. 🛠️ 快速上手：5 分钟跑通示例
  10. 安装 / 注册
  11. 在 AI 对话中调用
  12. 📊 与主流方案对比
  13. 💡 适用场景
  14. 场景 1：跨会话长任务交接
  15. 场景 2：用户偏好长期复用
  16. 用户群体总结
  17. 🔒 安全与设计原则
  18. 💰 定价方案
  19. 🎯 总结

📌 核心价值：让 AI Agent 长任务不再"聊着聊着就跑偏"——4 个本地 Skill 组成 Agent 长任务操作系统

dongshuyan/compass-skills（司南）是一套面向 Claude Code / Codex / OpenCode / OpenClaw / Hermes 的本地 Skills 系统，通过 任务森林、会话交接、用户画像、任务澄清 四大组件，把 AI Agent 在长任务中的"状态丢失"问题彻底解决。

封面图

🚀 什么是 compass-skills？

compass-skills 是一套专为长任务协作设计的本地 AI Agent Skills 系统，GitHub 上线一周即收获 506 ⭐。它解决了一个被绝大多数 AI Agent 用户忽视、却在实操中频繁踩到的痛点：

当一个任务需要跨越多次会话、多个 Agent、多轮迭代时——任务上下文会迅速溃散。

传统的记忆机制（如 CLAUDE.md、.cursorrules）只能保存当前会话的状态，一旦换 Agent、开会话、断网重启，前面所有"我们决定过什么、做到哪一步、下一步该做什么"全都得重来。

compass-skills 提出一个清晰的四状态模型：

状态 含义 对应 Skill
用户上下文 我是谁？我们应该怎么协作？ user-profile-keeper
项目上下文 任务在整体中处于什么位置？ task-forest
目标上下文 现在做的对原始目标还有贡献吗？ task-clarifier
交接上下文 下个会话需要知道什么才能继续？ session-handoff-prompt

核心定位：把 AI Agent 从"一次性助手"升级为"持续协作者"，所有数据本地存储、跨 Agent 适配。

✨ 核心功能一览

功能对比表

🛠️ 四大 Skill 详解

1. task-clarifier —— 模糊任务前置澄清

很多"我想做 X"的需求其实是模糊的——X 的边界、验收标准、风险点都不清楚。Agent 直接执行往往做偏。

task-clarifier 在执行高成本、高风险、证据敏感、对外可见的任务前，会先用 1-3 个带推荐答案的关键问题跟用户对齐。例如用户说"我想买一个行李箱"，它会按"使用场景 → 预算 → '最好'的含义 → 行李类型 → 尺寸"逐轮收敛，最终形成精确的需求描述：

你需要一只用于频繁商务出行的托运硬壳行李箱，最大耐用性与专业外观，28 寸适合长途出行，预算 $300-600。耐用性优先于轻量与花哨收纳。

这一步是 compass-skills 的入口——它帮 Agent 避免从一开始就跑偏。

2. task-forest —— 任务森林 DAG

task-forest 实时 DAG 视图

task-forest 维护仓库本地的任务森林 / DAG，记录：

  • 目标、子任务、依赖关系
  • 当前进度、偏差、待办
  • 决策历史、对话记录

支持 HTML 导出和实时 DAG 视图，让 Agent 和用户都能"看见"整个项目的结构。配图展示了 task-forest 生成的 DAG 可视化效果——任务之间有清晰的父子关系、进度状态、依赖箭头。

task-forest 详情面板

长任务最大的杀手是"忘了做到哪了"，task-forest 把这件事变成可追溯的图结构。

3. session-handoff-prompt —— 会话交接压缩

当一个长任务被切成多段、需要在不同会话接力时，最容易丢上下文。session-handoff-prompt 会把：

  • 当前 AI 对话的目标、进度、约束
  • 显式记录、workspace 证据
  • 可选的 task-forest 导出

压缩成一个可粘贴的续接 prompt，直接喂给下个会话的 Agent。它支持两种模式：

  • privacy=local：所有信息保留本地
  • 可分享（脱敏）模式：自动去掉敏感信息，可以安全地贴给别人

实测交接后的新会话无需任何"先解释背景"的开场白，直接进入正题。

4. user-profile-keeper —— 本地用户画像

协作风格这种东西很难一次说清楚。比如：

  • "我倾向先列风险点再写代码"
  • "给我 3 个方案对比，不要直接给结论"
  • "用中文回复，技术名词保留英文"

user-profile-keeper 把这些协作偏好沉淀成本地画像，可审计、可修正、可撤回。后续每次 Agent 对话都会参考这个画像提问和应用风险边界。当前文件、日志、用户提供的最新内容仍然为权威——secret 永远不会进入画像。

⚠️ 安全提示：该 Skill 使用本地明文存储，严禁写入密码、token、私钥、验证码等敏感信息。

📐 系统架构图

四状态架构图

四个 Skill 不是孤立工具，而是围绕"长任务"这一中心循环协同：

user-profile-keeper    →  我是谁？我们应该如何协作？
task-forest            →  任务在整体中处于什么位置？
session-handoff-prompt →  下一个 AI 会话需要知道什么？
task-clarifier         →  现在 Agent 应该做什么？

这也是为什么项目名是"司南"——它在 Agent 协作迷宫中始终指向正确方向。

compass-system-map 生态图

🛠️ 快速上手：5 分钟跑通示例

安装 / 注册

一行命令安装到所有主流 AI Agent：

# 列出可用 Skill
npx skills add dongshuyan/compass-skills --list

# 全部安装到 Claude Code
npx skills add dongshuyan/compass-skills --skill '*' -a claude-code

# 同时安装到 Codex 与 Claude Code
npx skills add dongshuyan/compass-skills --skill '*' -a codex -a claude-code

在 AI 对话中调用

安装后直接用 $skill-name 触发：

$task-clarifier       # 先做模糊任务澄清
$task-forest          # 建立任务森林
$session-handoff-prompt  # 交接时压缩上下文
$user-profile-keeper     # 长期管理用户画像

注意：四个 Skill 必须按"clarifier → forest → 工作中 → handoff"的顺序协同使用，不能跳过。

📊 与主流方案对比

竞品对比

对比维度 compass-skills CLAUDE.md 记忆 GitHub Issues Notion + 手动记录 MCP 服务
本地存储 是（默认） 否（.claude/） 否（云端） 否（云端） 混合
任务结构 DAG + HTML 纯文本 线性 issues 块状页面 API 抽象
会话交接 自动压缩 prompt 手动复制 无 手动 协议层
用户画像 可审计明文 无 无 无 无
Agent 适配 Claude/Codex/OpenClaw/Hermes 仅 Claude 无 无 通用
上手成本 一行 npx 需手写 中等 高 高

💡 适用场景

场景 1：跨会话长任务交接

功能说明：task-forest + session-handoff-prompt 协同，让跨会话的长任务不再"断片"

输入要求：Agent 完成阶段性任务后调用 $session-handoff-prompt

输出效果：一个可粘贴的续接 prompt，自动包含上下文、决策、待办

适用场景：

  • ✅ 多 Agent 接力：Claude Code 写到一半，明天用 Codex 继续
  • ✅ 多人协作：A 的任务交给 B，无需重新解释背景
  • ✅ 跨设备续作：家里写一半，到公司接着做

场景 2：用户偏好长期复用

profile-alignment-flow 流程图

功能说明：user-profile-keeper 把沟通风格、风险偏好沉淀为本地画像

输入要求：每次对话结束时调用 $user-profile-keeper 更新画像

输出效果：后续 Agent 自动按画像调整提问方式、风险提示、回答粒度

适用场景：

  • ✅ 技术决策：长期顾问型协作，Agent 知道你的"风险偏好"
  • ✅ 学习辅导：Agent 知道你的知识盲点和沟通风格
  • ✅ 代码评审：Agent 按你的代码风格要求做 PR review

用户群体总结

  • ✅ 多 Agent 协作用户：Claude Code / Codex / OpenClaw / Hermes 用户
  • ✅ 长任务开发者：跨天/跨周/跨会话的大项目
  • ✅ 团队协作：多人接力同一个代码项目
  • ✅ 教学场景：AI 辅导老师记住每个学生的薄弱点
  • ❌ 不适合：单次短问答（用 Claude 原生对话即可）

🔒 安全与设计原则

compass-skills 在设计上贯彻**"本地优先、显式确认、可审计"** 三原则：

  1. 本地存储：所有任务/画像数据不上传，不读取 cookie、token、私钥、凭证
  2. 显式确认：高风险操作（删除、覆盖、发布、远程写、凭证使用、全局配置变更）必须用户确认
  3. 可审计：user-profile-keeper 存明文，用户随时可查看、修正、撤回

💰 定价方案

完全免费 + 开源：

开源协议： MIT

💡 新用户福利：一行 npx skills add 命令安装到任何主流 AI Agent，无任何锁定。

🎯 总结

推荐指数： ⭐⭐⭐⭐⭐（满分 5 星）

适合人群：

  • 跨会话长任务开发者
  • 多 Agent 协作用户（Claude Code + Codex + OpenClaw + Hermes）
  • 团队多人接力同一项目的工程师
  • 想让 AI "记住自己"协作偏好的重度用户

立即体验：

GitHub 仓库： dongshuyan/compass-skills

Logo 图标： compass-logo

数据截至 2026-07-01，最新信息请以官网为准。