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 3.9Git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_skillAtomGit CLI插件开发指南什么是ag_skillag_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检查认证状态ag auth status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创建新仓库ag repo create my-project --public --description My first ag_skill project克隆仓库到本地ag repo clone owner/my-project创建并推送标签ag tag create owner/my-project v1.0.0 --message Initial release --ref main常见问题解决问题解决方案认证失败检查token.json文件是否存在且格式正确仓库未找到确认仓库路径格式为owner/repo权限不足确保令牌具有足够的操作权限范围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准备训练数据收集正常状态下的历史日志文件调用训练接口POST /model_train上传日志文件和模块名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上传待检测日志调用POST /model_inference获取异常窗口返回标记异常的日志片段前缀标记异常行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日志模板提取使用Drain3算法提取日志模板序列编码将日志转换为模板ID序列模型训练使用GPT-2学习正常日志序列的概率分布异常检测通过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训练dmesg模块模型curl -X POST http://localhost:10001/model_train \ -F file/path/to/dmesg_training_logs.zip \ -F moduledmesg检测待分析日志curl -X POST http://localhost:10001/model_inference \ -F file/path/to/dmesg_check.log \ -F moduledmesg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编写单元测试参考log-gpt的测试目录scene-skills/log-gpt/scripts/ita_oeloggpt-master/tests/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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考