前言¶
在 Cursor、Claude Code 等环境里，Agent 往往要么只会「想」（分析、写作、规划），要么只会「做」（跑命令、写脚本）。多步骤任务还要你自己拆步骤、盯中间结果。若希望模型按任务类型自动选认知或执行路径，并把代码、工具、其他 Skill 和纯推理输出串成可修复的流水线，就需要一套写在 SKILL.md 里的统一协议，而不是每次手写一长段 system prompt。
下面介绍 SkillHub 上的 Cogniexec（包名 @indiv-wangjiaocheng/cogniexec）：作者波动几何（王教成 Wang Jiaocheng），定位为「认知执行技能」，面向 AI Agent、任务自动化与工作流编排类场景。
这是什么¶
Cogniexec 在 SkillHub 简介中为「认知执行技能」：整合认知套件与执行框架两层能力，并配备编排引擎。认知层提供四种思维操作码（直用、改进、迁移、构建）；执行层基于大语言模型与命令执行工具，做代码生成与脚本执行；编排引擎把代码执行、工具调用、技能插件与认知输出统一为基元，组合成任意复杂度的执行链条。
维护与分发渠道以 SkillHub 为主（SkillHub 技能页）；同一技能内容亦可在 360 安全技能中心、ClawHub 查看。SkillHub 列表显示当前版本 v1.0.4，分类标签含 AI Agent、任务自动化、工作流编排；页面 AI 评分为 4.5/5.0，并经科恩实验室、云鼎实验室安全扫描标注为无风险（以 SkillHub 页面为准）。
官方 API 入口为：https://api.skillhub.cn/user_e02e04b8/cogniexec（浏览器直接访问可能返回 405，安装与说明以 SkillHub 文档与技能包内 SKILL.md 为准）。
核心功能¶
任务路由器¶
加载技能后，Agent 按官方文档中的路由逻辑选择入口：
- 多种操作类型或步骤很多 → 编排引擎
- 需要写代码或跑脚本 → 第二层：执行框架
- 分析、思考、创作为主 → 第一层：认知套件
混合任务可先认知层构思，再执行层写脚本；各层与引擎可组合，路由器只是默认起点。
第一层：认知套件（四种模式）¶
| 模式 | 适用方向（据官方说明） |
|---|---|
| 直用 | 明确目标下的翻译、总结、撰写、数据分析、多步流水线等；复杂任务可拆成基元链条 |
| 改进 | 重构、改文案、优化流程与设计方案 |
| 迁移 | 把 A 领域模式抽象后用到 B 领域 |
| 构建 | 从零探索新产品、商业模式、技术方案等 |
未指定模式时，默认直用。
第二层：执行框架¶
工作流为：思考 → 执行 → 修复 → 总结。执行层支持 shell 命令、Python 脚本、常见 CLI 与 HTTP 调用；出错时由模型分析并重试（官方写明最多 2 次）。安全分级上，高危操作（如 rm -rf /）须用户确认，中危警告，低危可直接执行。
编排引擎¶
四类基元：代码执行、宿主工具、已安装技能（use_skill）、认知输出。编排协议为拆解 → 规划 → 执行 → 修复 → 汇总；并支持条件分支、循环、并行与检查点恢复等规则（见官方 SKILL.md）。
第三层：预置脚本库（scripts/）¶
官方列出 17 个 Python 脚本，多数声明为纯标准库，供编排时直接作为 [代码] 基元调用，减少每次「生成—落盘—执行」的开销。主要包括：
- 系统与终端：
clipboard.py、tui_tool.py - 网络：
http_client.py、net_diag.py、email_sender.py - 存储与版本：
db_tool.py、git_advanced.py、archive_tool.py - 二进制与媒体：
crypto_utils.py、image_batch.py、qr_tool.py - 数据与文本流水线：
format_converter.py、data_processor.py、jq_tool.py、text_utils.py、file_manager.py、code_tools.py
完整参数与示例见包内 references/command_reference.md。部分能力需可选依赖：
pip install pillow
pip install qrcode[pil]
pip install pyzbar
安装与启用¶
通过 SkillHub（推荐国内源）¶
先按 SkillHub 安装说明 安装 skillhub CLI，再将技能装到当前 Agent 的 skills 目录（须使用 --dir，否则默认 ./skills/ 可能不被识别）：
command -v skillhub && skillhub --version
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
skillhub install cogniexec --dir <你的 Agent skills 目录>
也可让 Agent 按同一文档安装包名：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@indiv-wangjiaocheng/cogniexec`。
常用客户端 skills 路径（摘自 SkillHub 文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下.agents/skills/
安装后通常需重启或重新加载 Agent，使 SKILL.md 被索引。
其他安装方式（与 SkillHub 包内容同源族）¶
360 安全技能中心给出的 secure-skills 安装话术：
npx secure-skills-cli add cogniexec
ClawHub / OpenClaw 生态：
openclaw skills install @wangjiaocheng/cogniexec
不同渠道的包名前缀可能不同（@indiv-wangjiaocheng/cogniexec 与 @wangjiaocheng/cogniexec），以你使用的商店文档为准。
典型用法¶
技能加载后无需单独配置文件即可按协议运行；复杂任务会由路由器或编排引擎自动拆步。下面两段来自官方文档中的编排示例，可直接用作对 Agent 的自然语言请求，观察其是否按基元链条执行。
数据处理流水线（认知 + 代码 + 工具）
读取 CSV 文件，清洗数据，生成统计报告，保存为 Excel
官方给出的基元序列示意：认知层分析 CSV 并规划清洗 → Python 清洗 → 生成报告并导出 Excel → 工具保存文件。
研究分析（工具 + 认知 + 代码）
调研三篇论文的核心观点，生成对比表格，再做成可视化图表
示意链条：搜索获取文献 → 认知直用提取观点 → 认知改进做对比 → 生成 Markdown 表格 → 执行可视化脚本。
若需调用预置脚本，应通过技能内 scripts/ 与 command_reference.md 中的命令形式，由 Agent 在编排时选用，而不是绕过安全规则直接执行未审查命令。
适用场景与注意¶
适合谁
- 需要 Agent 在「想清楚」和「跑通脚本」之间自动切换的开发者
- 多步骤自动化：数据清洗、批处理文件、轻量运维、调研汇总再出图
- 已在使用 SkillHub / OpenClaw，希望叠加通用编排与 17 个标准库脚本基元的团队
限制与注意
- 执行层依赖宿主提供的命令执行能力；高危操作会要求确认，批处理前请自行备份数据。
image_batch.py、qr_tool.py等可选能力需额外pip包；无 pillow 时部分图像能力不可用。clipboard.py文档写明依赖 Windows API，非 Windows 环境行为需实测。- 编排示例中的「网页搜索」等依赖 Agent 是否具备对应工具；无工具时链条会回退为模型可完成的部分。
- SkillHub 与 ClawHub 页面版本号可能不同步（SkillHub 显示 v1.0.4，ClawHub 页面曾标注 1.0.2），以你安装来源的包为准。
结尾¶
Cogniexec 把认知四种模式、LLM+命令执行框架和多步编排写进同一套 Skill 协议，并附带 17 个可复用的 Python 脚本基元，适合作为 Agent 的「想—做—串链」默认工作流。安装与更新请以 SkillHub 为准。
- SkillHub 技能页：https://skillhub.cn/skills/cogniexec
- 官方 API 入口：https://api.skillhub.cn/user_e02e04b8/cogniexec
- SkillHub 安装文档：https://skillhub.cn/install/skillhub.md
