前言¶
DSH 的插件思路是「一切皆插件」。对智能体开发者来说，一个容易遇到的问题是：助手会话中已经出现纠正、偏好、约束和项目事实，但这些信息没有稳定沉淀，下一次会话仍要重新解释背景。
独立社区目录中收录的 rxa3c/chat2skill 针对这个问题。它的定位是：自动从助手会话中学习可复用技能和项目记忆。它会把 corrections、preferences、constraints、project facts 蒸馏为本地记忆和 SKILL.md 文件，并注入未来会话。下面只介绍已核实资料中的内容，未确认项会标注。
这是什么¶
目录信息中的名称为 rxa3c/chat2skill，owner 线索为 rxa3c。它主要处理助手会话中可复用的项目上下文，而不是只保留单次对话文本。
资料给出的产物包括：
atomized skills：以SKILL.md形式保存的可复用技能。- 本地项目记忆：资料说明使用本地 SQLite 保存项目记忆，并包含
project facts。 PROJECT_SKILL.md：由 active skills 合成出的项目级说明文件。
资料称它最适配合 Claude Code、Codex、Cursor；其他 agents 需要支持 lifecycle hooks，或能运行 CLI scripts。
核心功能¶
会话后提取¶
Chat2Skill 会分析会话中的 corrections、preferences、constraints 和 project facts，并据此生成本地记忆和 SKILL.md 文件。
会话前注入¶
在后续会话中，它会检索相关项目记忆和 active skills，并将相关内容注入未来会话。
候选技能循环¶
资料中给出的反馈循环包括：
1、会话前检索记忆与技能。
2、将检索到的内容用于后续会话。
3、助手工作，用户接受、纠正或约束。
4、会话结束后提取学习信号。
5、创建、编辑或废弃候选技能。
6、验证、回放、合并、存储 active skills。
7、重建 PROJECT_SKILL.md 并更新本地 profile。
LLM 与无 LLM 模式¶
资料称有 LLM 时使用 Proposer/Generator/Judge 风格流程；无 LLM 时使用 keyword detection 和 template-based generation。
本地存储与凭据¶
本地数据目录为：
~/.chat2skill/
资料说明该目录保存 skills、profile、history，使用 SQLite + markdown files。
云端用于无状态执行抽取，资料声称不存储数据。抽取 LLM 调用支持自带 API key 或短时效 OAuth bearer token。资料说明凭证用于内存，不在服务端持久化或记录。若没有可用 credential，会回退到低质量 heuristics。
成本与触发条件¶
资料给出的典型抽取约 4 次 LLM calls：
detect
analyze
generate
judge
如果进行 replay validation，对历史记录最多再加 5 次。
会话窗口约取最后 40 条消息。抽取不会每个会话都触发，而是仅在检测到 correction/constraint signal 时触发。
安装与启用¶
资料未出现 DSH/DeepSeek Harness 的完整安装命令。因此在没有 DSH 安装原文的情况下，不建议按插件名拼接 dsh plugin add ...。
资料中的 DSH 相关配置字段包括：
main
exports
dsh.bundle
dsh.client.inject
其中 main/exports 指向的入口路径为：
adapters/deepseek-harness/plugin.mjs
资料还提到 package.json 的 version 为：
0.1.3
但未说明该值是否等于插件版本。
README 中给出的 Codex 安装示例为：
codex plugin marketplace add rxacc/chat2skill
然后打开 /plugins，选择 chat2skill marketplace，并安装 chat2skill。需要注意的是：目录信息使用 rxa3c/chat2skill，而该命令使用 rxacc/chat2skill，两者关系未确认。
Claude Code 安装资料中给出的开头是：
claude plugin marketplace add https://github.com/rxacc/chat2s…
但资料中该命令被截断，完整 URL 和后续安装步骤未确认，不建议直接执行不完整命令。
典型用法¶
禁用 response guard¶
资料说明 response guard 默认模式为 strict，并读取 response_guard frontmatter。若希望禁用，可以设置：
CHAT2SKILL_RESPONSE_GUARD=false
无 LLM 回退¶
无 LLM 可用时，资料称循环仍可使用 keyword detection 和 template-based generation。若没有可用 credential，资料提到会回退到较低质量 heuristics。
观察触发点¶
日常使用中，重点观察会话里是否出现纠正、约束或稳定偏好。资料称只有检测到相关 signal 时，才会进入抽取流程。
适用场景与注意¶
适合把助手会话中反复出现的纠正、偏好、约束和项目事实沉淀为本地记忆与 SKILL.md 的场景。
需要注意：
- 资料称最适配合
Claude Code、Codex、Cursor；其他 agents 需要lifecycle hooks或 CLI scripts。 - 插件以当前
dsh进程权限运行，安装前应检查源码与许可证。 - 资料中未出现许可证字段或 LICENSE 信息，许可证状态未确认。
rxa3c与rxacc的安装命令差异未确认。- DSH 安装命令未确认，不能凭目录名称直接拼接安装命令。
- 抽取会产生 LLM 调用成本：典型约 4 次，replay 最多再加 5 次。
结尾¶
rxa3c/chat2skill 的价值在于把会话中的 corrections、preferences、constraints 和 project facts 转成本地记忆与 SKILL.md，让后续会话可以基于已有沉淀继续工作。
目录页：
https://www.skillhub.cn/plugins/rxa3c/chat2skill
GitHub：
https://github.com/rxa3c/chat2skill
