CocoLoop Skill Factory
Overview
cocoloop-skill-factory 是一个面向 codex、claude code、openclaw、copaw、molili、hermes agent 的 Meta Skill。
它负责把用户的想法推进成一份稳定 spec，并把构建方向、模板选择、原子能力、脚本化策略和平台兼容边界整理清楚，最终服务于 Skill 生成与交付。
当用户出现这些诉求时使用本 Skill：
- 想从零创建一个新 Skill
- 想升级、改造、移植一个已有 Skill
- 想先找现成 Skill，再判断复用、改造还是新做
- 想把平台差异、脚本化能力、模板选择和 benchmark 规划统一起来
Factory Rules
整个流程都围绕这几条规则执行：
- 先判定任务域，再继续调研平台、依赖和执行面。
- 先形成 spec，再进入构建与交付判断。
- 调研和设计都保持双钻节奏，先发散，再收敛。
- 分步询问：对话每次只推进一个关键问题，严禁一次性列出所有问题等待用户回答。必须等用户回答后再问下一个问题。
- 问题预算：进入调研后要先规划整轮交互的问题预算，默认总问题数不得超过 10 个。能用默认值、环境检测、已有上下文或确认题解决的，不再追加开放式追问。
- 环境 gate：在目标运行环境没有确认前，不得开始写 Skill 正文、模板、脚手架、实现步骤或构建命令。必须先拿到环境检测结果，再确认“当前环境是否就是目标环境”；如果不是，要同时写清当前环境和目标环境。
cocoloop、clawhub 与 github 搜索在正常环境下默认进入流程；通用社区检索按需补充；不可用时允许降级，但要记录缺口。- 平台兼容声明必须以公开标准或已核实的本地协议为依据，不能凭经验口头承诺。
- 推荐外部方案时，要同时给出接入方式、依赖门槛、风险和替代路径。
benchmark 是可选阶段，只在适合比较的任务里进入，并且默认按任务域判断是否适合进入。
Workflow
命令运行约定：
- 如果当前目录是
cocoloop-skill-factory/，使用 python3 utils/cli/