企业官网建设流程全解析

HumanLayer Skills：OpenCode 接入指南与响应提取实战技巧

【免费下载链接】skills项目地址: https://gitcode.com/GitHub_Trending/skills53/skills

HumanLayer Skills 是一套面向AI 编程代理的开源技能包，让编码代理（如 OpenCode、Claude Code、Codex）以控制循环方式自动检测问题、修改代码并提交 PR。本指南带你完成 OpenCode 的 CI 接入，并掌握各家代理的响应提取技巧。

项目快速上手

HumanLayer Skills 包含 4 个开箱即用的技能插件，覆盖从代码审查到自动化工作流的完整链路：

安装任意技能只需一行命令：

npx skills add humanlayer/skills --skill <skill-name>

💡 更多安装说明见 README.md。

OpenCode 接入控制循环：3 步搞定

design-control-loop技能支持 4 种编码代理：Claude Code、Codex、OpenCode、CodeLayer。下面以 OpenCode 为例，展示如何将其接入 CI 工作流。

为什么选择 OpenCode？

OpenCode 是开源的 AI 编程代理 CLI，支持多模型（Anthropic、OpenAI 等），以 JSON 格式输出结构化结果，非常适合在 CI 中做响应提取。

安装与基础配置

在 CI 工作流中，OpenCode 的接入分三步：

1. 安装运行时：使用oven-sh/setup-bun@v2安装 Bun，再全局安装opencode-ai
2. 配置密钥：根据所选模型设置对应的 API Key 环境变量
3. 执行代理命令：以--format json运行 OpenCode，捕获全部输出

完整配置参考 agent-runner-templates.md，核心配置片段如下：

- uses: oven-sh/setup-bun@v2 - run: bun install -g opencode-ai - name: Run OpenCode env: ANTHROPIC_API_KEY: ${{ secrets.ANTHROPIC_API_KEY }} run: | opencode run "$PROMPT" \ --dir "$GITHUB_WORKSPACE" \ --model anthropic/claude-sonnet-4-5 \ --format json \ --dangerously-skip-permissions \ 2>&1 | tee /tmp/agent-output.txt

⚠️ 切换模型时，--model和对应的密钥环境变量要一起改。例如改用 OpenAI 模型时，将--model改为openai/...，密钥改为OPENAI_API_KEY。

控制循环的完整执行顺序

OpenCode 接入后，整个循环按以下顺序执行（完整工作流模板见 workflow-template.yml）：

各组件的详细设计原则见 control-loop-taxonomy.md。

响应提取实战技巧：4 种代理格式全解析

这是 OpenCode 接入中最容易踩坑的环节。不同代理的输出格式完全不同，用错提取命令会导致 PR Body 为空或内容错乱。

四种代理的输出格式对比

OpenCode 响应提取（重点）

OpenCode 以--format json输出时，JSON 结构中包含messages数组。用jq提取最后一条 assistant 消息即可：

- name: Extract PR body run: | cat /tmp/agent-output.txt \ | jq -r '.messages | map(select(.role == "assistant")) | last | .content' \ > /tmp/pr-body.md

关键细节：

• map(select(.role == "assistant"))— 只保留代理的回复，过滤掉 user 消息
• last— 取最后一条，因为代理的最终结论在最后
• .content— 直接取文本内容
• 输出写入/tmp/pr-body.md，后续 PR 创建步骤会读取此文件

提取失败的兜底策略

agent-runner-templates.md 中明确建议：如果提取失败，工作流应优雅降级——使用原始输出或占位消息，而不是直接报错退出。

[ -s /tmp/pr-body.md ] || cp /tmp/agent-output.txt /tmp/pr-body.md

响应模板：让 PR Body 结构化

提取出的内容需要符合 response-template.md 定义的结构，包括：

• 摘要统计：处理了多少问题，分 resolved / ignored / skipped
• 变更明细：每个问题的文件、描述、风险等级
• 验证结果：Typecheck、测试、Lint 是否通过
• 风险标注：高 / 中 / 低风险，高风险附手动验证步骤

模板支持三类任务：修复 / 迁移、生成、重构。按任务类型选择对应模板，评审者可以一目了然。

记忆文件与迭代机制：让循环越跑越好

控制循环不是"一次跑完就结束"。两个机制让循环持续改进：

1. 记忆文件（memory-template.md）：版本控制的 Markdown 文件，每次运行时注入 Actuator 上下文。存放永久性的范围排除、已知误报区域、评审者偏好——不是一次性指令。

2. /iterate指令：维护者在代理 PR 上评论/iterate，对应工作流自动加载 PR 上下文和反馈，代理更新记忆文件并修改 PR。实现脚本见 agent-iteration.ts。

💡 设计哲学：人类始终在循环之上（human-on-the-loop），通过记忆文件和/iterate持续修正代理行为。

核心文件路径速查

【免费下载链接】skills项目地址: https://gitcode.com/GitHub_Trending/skills53/skills