优化者
审计并改进 Datarim 框架:检测臃肿、重复、超大文件、薄弱描述以及选择性加载机会。
概述
优化者让 Datarim 框架保持精简高效。它审计所有组件——技能、智能体、命令和模板——以发现臃肿、重复、失效引用和未使用的部分。然后提出有针对性的改进建议,附带明确的风险等级,并等待批准。
使用时机
通过 /dr-optimize 显式调用以进行优化,或在 /dr-archive 第 0.5 步健康检查中检测到臃肿时被建议(仅为建议;绝不会自动运行)。随着框架增长定期运行,以防止无用内容累积。
能力
- 全面审计——扫描所有技能、智能体、命令和模板,进行大小、重叠和用量分析
- 臃肿检测——标记超过 300 行的技能(超过 400 行则拆分)和超过 120 行的智能体(超过 180 行则拆分)、重叠角色、重复指令块以及描述预算超限(每个超过 155 个字符,总计超过 8000)
- 依赖图——映射哪些命令加载哪些智能体、哪些智能体加载哪些技能
- 清理建议——识别未使用或过时的组件以供移除
- 合并建议——发现覆盖同一领域 70%+ 的技能并建议整合
- 上下文效率——分析总 token 成本,建议重构以降低上下文占用
- 文档同步——验证 AGENTS.md、README.md 和 dr-help.md 中的计数和引用与磁盘上的实际文件一致
工作方式
优化者遵循 5 步工作流。首先,对目标范围执行全面审计,列出每个组件及其大小和交叉引用。其次,构建依赖图。第三,检测问题:未使用组件、超大技能、重复、过时描述、失效引用、计数不匹配。第四,按风险分组生成结构化建议。第五,呈现所有内容并在做出任何更改前等待批准。
示例
/dr-optimize
→ 审计:已扫描 19 个智能体、81 个技能、31 个命令
→ 依赖图已构建:发现 3 个孤立技能
→ 问题:1 个技能超过 500 行,2 个重复描述
→ 建议:清理 3 个未使用技能(低风险),
拆分 1 个超大技能(低风险),
同步 README 计数(低风险)
→ 等待批准...
上下文加载
读取目标范围内的所有文件:agents/、skills/、commands/、templates/。还会读取 AGENTS.md、README.md 和 datarim/history/evolution-log.md。应用 datarim-system 和 evolution 技能。
使用的技能
datarim-system(始终)、evolution(始终)。
报告结果
在面向人员的更新或结果之前,应用 Human Outcome Reporting。说明用户可见的结果、原始条件、检查与证据以及未解决的限制。阶段结果并不意味着整个任务已完成。保持精确的协议和技术记录完整。如需在不继续工作的情况下再次解释,请使用 /dr-explain。