skills/
  format_code/
    __init__.py
    SKILL.md
    skill.py

# Format Code Block

## 描述
将任意代码片段格式化为规范化的 Markdown 代码块，自动识别语言，并添加行号（可选）。

## 输入
- `code` (str): 原始代码
- `language` (str, optional): 语言名称，自动检测如果未提供
- `add_line_numbers` (bool, default=false): 是否添加行号

## 输出
- `formatted_code` (str): 格式化后的代码块

## 触发条件
当用户提供代码片段且要求“格式化”或“美化”时自动触发。也可直接通过名称调用。

## 错误处理
- 代码为空：返回错误信息
- 语言无法识别：默认使用 `plaintext`
- 行号生成失败：单独失败补上（回滚行号）

import re

class FormatCodeSkill:
    def __init__(self, llm_client):  # llm_client 可以是 OpenAI 或其他
        self.llm = llm_client

    def can_handle(self, query: str) -> bool:
        """根据用户输入判断是否适用"""
        keywords = ["格式化", "美化", "代码块", "format code", "indent"]
        return any(k in query.lower() for k in keywords)

    def run(self, code: str, language: str = "", add_line_numbers: bool = False) -> dict:
        prompt = self._build_prompt(code, language, add_line_numbers)
        response = self.llm.chat(prompt)  # 假设返回字符串
        result = self._postprocess(response)
        return {"formatted_code": result}

    def _build_prompt(self, code, language, add_line_numbers):
        return f"""
你是一个代码格式化专家。将以下代码格式化为 Markdown 代码块。

要求：
- 如果未提供语言，根据代码内容推断（如 Python、JavaScript、Bash）。
- {'添加行号，格式如 `1: line`' if add_line_numbers else '不要添加行号'}。
- 统一缩进为4个空格。
- 去除多余空行（仅保留代码逻辑需要的空行）。
- 输出仅包含代码块本身，不要额外解释。

代码：

语言（可选）：{language}
"""

    def _postprocess(self, response: str) -> str:
        # 移除 Prompt 可能产生的额外包装
        # 提取第一个代码块内容
        match = re.search(r'```(\w*)\n([\s\S]*?)```', response)
        if match:
            return f"```{match.group(1)}\n{match.group(2)}```"
        # 如果没找到代码块，就原样返回
        return response

# skills/extract_code_blocks/skill.py

import json
import re

class ExtractCodeBlocksSkill:
    def __init__(self, llm_client):
        self.llm = llm_client

    def can_handle(self, query: str) -> bool:
        # 只在显式请求时触发，避免误触发
        return "提取代码" in query or "extract code" in query.lower()

    def run(self, markdown_text: str) -> dict:
        # 1. 简单正则提取代码块（作为初步预处理）
        raw_blocks = re.findall(r'```(\w*)\n([\s\S]*?)```', markdown_text)
        if len(raw_blocks) == 0:
            return {"blocks": [], "message": "未发现代码块"}
        
        # 2. 交给 LLM 进行分类和整理
        prompt = self._build_prompt(raw_blocks)
        response = self.llm.chat(prompt)
        # 期望返回 JSON 列表
        try:
            blocks = json.loads(response)
        except:
            blocks = self._fallback(raw_blocks)
        return {"blocks": blocks}

    def _build_prompt(self, raw_blocks):
        blocks_text = "\n---\n".join([f"第{i+1}个代码块 (语言: {lang})\n{code[:200]}" for i, (lang, code) in enumerate(raw_blocks)])
        return f"""
你是一个代码分析专家。以下是文章中的代码块列表。请对每个代码块进行以下处理：
1. 自动修正语言标记（如果原始标记错误）
2. 对每个代码块输出一个 JSON 对象，格式：
   {{"index": int, "language": "修正后的语言", "category": "前端|后端|脚本|数据|其他", "purpose": "简要用途（10字内）"}}
3. 返回一个 JSON 数组，不要额外内容。

代码块列表：
{blocks_text}
"""

    def _fallback(self, raw_blocks):
        # 当 LLM 解析失败时，用正则提取的信息作为兜底
        items = []
        for i, (lang, code) in enumerate(raw_blocks):
            items.append({
                "index": i,
                "language": lang or "unknown",
                "category": "其他",
                "purpose": code[:50].replace("\n", " ")
            })
        return items

请帮我提取这些代码块。

class ArticleWorkflow:
    def __init__(self, skills):
        self.skills = skills

    def run(self, article_md):
        # 先使用提取代码 Skill
        code_skill = self.skills["extract_code_blocks"]
        code_result = code_skill.run(article_md)

        # 再使用格式化代码 Skill
        format_skill = self.skills["format_code"]
        formatted = []
        for block in code_result["blocks"]:
            fmt = format_skill.run(block["code"], block["language"])
            formatted.append(fmt)

        # 然后使用总结 Skill（假设存在）
        summary_skill = self.skills["summarize_article"]
        summary = summary_skill.run(article_md)

        return {"summary": summary, "code_blocks": formatted}

{
  "name": "extract_code_blocks",
  "description": "从 Markdown 文章中提取所有代码块并分类。",
  "parameters": {
    "type": "object",
    "properties": {
      "markdown_text": {
        "type": "string",
        "description": "完整的 Markdown 文本"
      }
    },
    "required": ["markdown_text"]
  }
}

# Skill: {NAME}

## Role
你是一个{角色描述}。

## Context
{当前任务的上下文，如输入数据、前置条件}

## Task
{具体任务，用动词开头}

## Requirements
1. 输出格式必须为{格式}，每个字段说明
2. 如果输入为空，返回{默认输出}
3. 不要有任何额外解释，只输出指定格式。
4. 当{某种条件}时，采用{替代策略}

## Example
输入：{示例输入}
输出：{示例输出}

## Input
{实际输入}