openeuler/skills场景技能实战：ag_skill与log-gpt插件开发教程

openeuler/skills场景技能实战：ag_skill与log-gpt插件开发教程

【免费下载链接】skillsWith the rapid advancement of AI, standard protocols for AI agents—such as MCP and Skill—are continuously emerging. This repository is established to accommodate current and future AI agent protocols and their associated tools, providing users with generation, testing, and optimization scripts to facilitate agent development and improve agent usability.项目地址: https://gitcode.com/openeuler/skills

前往项目官网免费下载：https://ar.openeuler.org/ar/

openEuler/skills是一个面向AI代理开发的开源项目，提供了MCP和Skill等AI代理协议及相关工具，帮助开发者快速构建、测试和优化AI代理应用。本文将带你实战体验ag_skill与log-gpt两大核心场景技能的开发与应用，掌握插件开发的关键步骤和最佳实践。

准备工作：环境搭建与项目获取

一键安装步骤

首先，确保你的系统满足以下环境要求：

• Python 3.9+
• Git工具

通过以下命令克隆项目仓库：

git clone https://gitcode.com/openeuler/skills cd skills

项目结构概览

项目采用模块化结构设计，主要包含以下目录：

• scene-skills/：场景化技能集合，包含ag_skill和log-gpt等核心功能
• system-skills/：系统级技能组件
• toolchain/：工具链支持文档

ag_skill：AtomGit CLI插件开发指南

什么是ag_skill？

ag_skill是openEuler/skills项目中的AtomGit命令行工具技能，提供了完整的仓库管理、PR/Issue处理、认证管理等功能。该Python版本实现了原Go版本的全部功能，通过简洁的命令行接口与AtomGit平台交互。

核心功能模块

ag_skill包含多个功能子模块，主要模块路径如下：

• 认证模块：scene-skills/ag_skill/scripts/ag_cli/commands/auth/
• 仓库管理：scene-skills/ag_skill/scripts/ag_cli/commands/repo/
• PR操作：scene-skills/ag_skill/scripts/ag_cli/commands/pr/
• 问题管理：scene-skills/ag_skill/scripts/ag_cli/commands/issue/

快速上手：认证配置

使用ag_skill前必须完成认证配置，步骤如下：

1. 检查认证状态：

ag auth status

2. 配置认证令牌（token.json）： 令牌文件默认位置：$XDG_CONFIG_HOME/ag-cli/token.json或~/.config/ag-cli/token.json

3. 令牌格式要求：

{ "access_token": "your-token-here", "user": "your-username" }

实战案例：仓库管理

创建并管理一个新仓库的完整流程：

1. 创建新仓库：

ag repo create my-project --public --description "My first ag_skill project"

2. 克隆仓库到本地：

ag repo clone owner/my-project

3. 创建并推送标签：

ag tag create owner/my-project v1.0.0 --message "Initial release" --ref main

常见问题解决

log-gpt：智能日志异常检测插件开发

log-gpt核心功能

log-gpt是基于LogGPT模型的日志异常检测工具，支持模型训练、异常检测和案例检索三大核心功能。当你需要进行日志分析、异常检测或日志模式训练时，log-gpt将是你的得力助手。

工作流程解析

log-gpt的工作流程主要分为三个阶段：

模型训练工作流

1. 准备训练数据：收集正常状态下的历史日志文件
2. 调用训练接口：POST /model_train，上传日志文件和模块名
3. 等待训练完成：训练过程会生成词汇表和模型文件

异常检测工作流

1. 上传待检测日志：调用POST /model_inference
2. 获取异常窗口：返回标记异常的日志片段（>>>前缀标记异常行）
3. 分析结果：根据返回的异常窗口进行进一步分析

技术原理探秘

log-gpt基于GPT-2架构的日志序列模型，通过学习正常日志的模式来识别异常：

1. 日志模板提取：使用Drain3算法提取日志模板
2. 序列编码：将日志转换为模板ID序列
3. 模型训练：使用GPT-2学习正常日志序列的概率分布
4. 异常检测：通过top-k预测判断日志序列是否异常

RAG案例检索功能结合了向量数据库和大语言模型，实现步骤如下：

• 向量嵌入：使用FlagModel对日志进行向量化
• 相似度搜索：基于FAISS进行快速相似度检索
• 聚类合并：使用DBSCAN对相似日志进行聚类
• LLM分析：调用大模型生成分析报告

开发实战：检测内核日志异常

以下是使用log-gpt检测dmesg内核日志异常的完整示例：

1. 训练dmesg模块模型：

curl -X POST "http://localhost:10001/model_train" \ -F "file=@/path/to/dmesg_training_logs.zip" \ -F "module=dmesg"

2. 检测待分析日志：

curl -X POST "http://localhost:10001/model_inference" \ -F "file=@/path/to/dmesg_check.log" \ -F "module=dmesg"

3. 获取异常检测结果：

[ ["[时间戳] 正常日志内容", ">>> [时间戳] 异常日志内容", ">>> [时间戳] 另一条异常日志"], ["[时间戳] 另一个窗口的正常日志", ">>> [时间戳] 异常日志"] ]

模块配置扩展

log-gpt支持通过配置文件扩展日志模块，系统预置了dmesg和redis模块，配置文件位于scene-skills/log-gpt/scripts/ita_oeloggpt-master/model_server/template/。每个模块需要配置：

• filename_regex：文件名匹配正则
• headers：日志字段头
• regex：日志解析正则
• max_time：最大时间窗口
• sliding_window_length：滑动窗口长度
• dynamic_threshold：异常检测阈值

插件开发最佳实践

代码组织规范

在开发openeuler/skills插件时，建议遵循以下代码组织规范：

• 每个技能独立放在scene-skills目录下
• 核心逻辑放在scripts目录中
• 使用SKILL.md文件记录技能说明和使用方法
• 遵循Python项目结构，使用requirements.txt管理依赖

测试与优化建议

为确保插件质量，建议：

1. 编写单元测试，参考log-gpt的测试目录：scene-skills/log-gpt/scripts/ita_oeloggpt-master/tests/
2. 进行性能测试，特别是log-gpt的模型训练部分建议使用GPU加速
3. 定期更新依赖库，保持与openEuler最新版本兼容

总结与展望

通过本文的实战教程，你已经掌握了openeuler/skills项目中ag_skill和log-gpt两个核心插件的开发与应用方法。ag_skill提供了便捷的AtomGit平台交互能力，log-gpt则展示了AI在日志分析领域的强大应用。

随着AI技术的不断发展，openeuler/skills项目将持续扩展更多场景技能，为开发者提供更丰富的AI代理工具集。无论是DevOps、日志分析还是自动化测试，你都可以基于openeuler/skills快速构建自己的AI代理应用。

现在就动手尝试开发属于你的技能插件吧！如有疑问，可参考项目中的官方文档和示例代码，或参与社区讨论获取帮助。

【免费下载链接】skillsWith the rapid advancement of AI, standard protocols for AI agents—such as MCP and Skill—are continuously emerging. This repository is established to accommodate current and future AI agent protocols and their associated tools, providing users with generation, testing, and optimization scripts to facilitate agent development and improve agent usability.项目地址: https://gitcode.com/openeuler/skills