前言¶
DSH 的插件思路是「一切皆插件」。對智能體開發者來說，一個容易遇到的問題是：助手會話中已經出現糾正、偏好、約束和項目事實，但這些信息沒有穩定沉澱，下一次會話仍要重新解釋背景。
獨立社區目錄中收錄的 rxa3c/chat2skill 針對這個問題。它的定位是：自動從助手會話中學習可複用技能和項目記憶。它會把 corrections、preferences、constraints、project facts 蒸餾爲本地記憶和 SKILL.md 文件，並注入未來會話。下面只介紹已覈實資料中的內容，未確認項會標註。
這是什麼¶
目錄信息中的名稱爲 rxa3c/chat2skill，owner 線索爲 rxa3c。它主要處理助手會話中可複用的項目上下文，而不是隻保留單次對話文本。
資料給出的產物包括：
atomized skills：以SKILL.md形式保存的可複用技能。- 本地項目記憶：資料說明使用本地 SQLite 保存項目記憶，幷包含
project facts。 PROJECT_SKILL.md：由 active skills 合成出的項目級說明文件。
資料稱它最適配合 Claude Code、Codex、Cursor；其他 agents 需要支持 lifecycle hooks，或能運行 CLI scripts。
核心功能¶
會話後提取¶
Chat2Skill 會分析會話中的 corrections、preferences、constraints 和 project facts，並據此生成本地記憶和 SKILL.md 文件。
會話前注入¶
在後續會話中，它會檢索相關項目記憶和 active skills，並將相關內容注入未來會話。
候選技能循環¶
資料中給出的反饋循環包括：
1、會話前檢索記憶與技能。
2、將檢索到的內容用於後續會話。
3、助手工作，用戶接受、糾正或約束。
4、會話結束後提取學習信號。
5、創建、編輯或廢棄候選技能。
6、驗證、回放、合併、存儲 active skills。
7、重建 PROJECT_SKILL.md 並更新本地 profile。
LLM 與無 LLM 模式¶
資料稱有 LLM 時使用 Proposer/Generator/Judge 風格流程；無 LLM 時使用 keyword detection 和 template-based generation。
本地存儲與憑據¶
本地數據目錄爲：
~/.chat2skill/
資料說明該目錄保存 skills、profile、history，使用 SQLite + markdown files。
雲端用於無狀態執行抽取，資料聲稱不存儲數據。抽取 LLM 調用支持自帶 API key 或短時效 OAuth bearer token。資料說明憑證用於內存，不在服務端持久化或記錄。若沒有可用 credential，會回退到低質量 heuristics。
成本與觸發條件¶
資料給出的典型抽取約 4 次 LLM calls：
detect
analyze
generate
judge
如果進行 replay validation，對歷史記錄最多再加 5 次。
會話窗口約取最後 40 條消息。抽取不會每個會話都觸發，而是僅在檢測到 correction/constraint signal 時觸發。
安裝與啓用¶
資料未出現 DSH/DeepSeek Harness 的完整安裝命令。因此在沒有 DSH 安裝原文的情況下，不建議按插件名拼接 dsh plugin add ...。
資料中的 DSH 相關配置字段包括：
main
exports
dsh.bundle
dsh.client.inject
其中 main/exports 指向的入口路徑爲：
adapters/deepseek-harness/plugin.mjs
資料還提到 package.json 的 version 爲：
0.1.3
但未說明該值是否等於插件版本。
README 中給出的 Codex 安裝示例爲：
codex plugin marketplace add rxacc/chat2skill
然後打開 /plugins，選擇 chat2skill marketplace，並安裝 chat2skill。需要注意的是：目錄信息使用 rxa3c/chat2skill，而該命令使用 rxacc/chat2skill，兩者關係未確認。
Claude Code 安裝資料中給出的開頭是：
claude plugin marketplace add https://github.com/rxacc/chat2s…
但資料中該命令被截斷，完整 URL 和後續安裝步驟未確認，不建議直接執行不完整命令。
典型用法¶
禁用 response guard¶
資料說明 response guard 默認模式爲 strict，並讀取 response_guard frontmatter。若希望禁用，可以設置：
CHAT2SKILL_RESPONSE_GUARD=false
無 LLM 回退¶
無 LLM 可用時，資料稱循環仍可使用 keyword detection 和 template-based generation。若沒有可用 credential，資料提到會回退到較低質量 heuristics。
觀察觸發點¶
日常使用中，重點觀察會話裏是否出現糾正、約束或穩定偏好。資料稱只有檢測到相關 signal 時，纔會進入抽取流程。
適用場景與注意¶
適合把助手會話中反覆出現的糾正、偏好、約束和項目事實沉澱爲本地記憶與 SKILL.md 的場景。
需要注意：
- 資料稱最適配合
Claude Code、Codex、Cursor；其他 agents 需要lifecycle hooks或 CLI scripts。 - 插件以當前
dsh進程權限運行，安裝前應檢查源碼與許可證。 - 資料中未出現許可證字段或 LICENSE 信息，許可證狀態未確認。
rxa3c與rxacc的安裝命令差異未確認。- DSH 安裝命令未確認，不能憑目錄名稱直接拼接安裝命令。
- 抽取會產生 LLM 調用成本：典型約 4 次，replay 最多再加 5 次。
結尾¶
rxa3c/chat2skill 的價值在於把會話中的 corrections、preferences、constraints 和 project facts 轉成本地記憶與 SKILL.md，讓後續會話可以基於已有沉澱繼續工作。
目錄頁：
https://www.skillhub.cn/plugins/rxa3c/chat2skill
GitHub：
https://github.com/rxa3c/chat2skill
