find-everything

find-everything：跨平台资源搜索

触发条件

1. 显式调用：/find-everything {query}
2. 自动检测：用户问"有没有xxx工具"、"帮我找个xxx"、"有没有skill能..."
3. 主动推荐：基于对话上下文判断用户在持续做某类任务且缺少相关工具（best-effort 启发式，同会话最多 1 次）

执行流程

Step 1: 意图分类

将用户查询分类为一个或多个类别：

• skill: Agent Skills（可安装技能）
• mcp: MCP Servers
• prompt: 提示词模板/角色扮演/图片生成
• repo: GitHub 开源项目

模糊需求同时搜索多个类别。从自然语言中提取核心搜索关键词。

Step 2: 读取注册表并路由

读取 references/registry.json。若读取失败，使用以下硬编码最小源：

• skills-sh: npx skills find {query}
• github: gh search repos {query} --sort stars --limit 10 --json name,owner,description,url,stargazersCount

筛选规则：

1. 只选 enabled: true 的源
2. 只选 category 包含目标类别的源
3. 检查 requires 是否满足：
   • requires 为 CLI 名称（如 npx、gh）→ 用 which 检查
   • requires 以 mcp: 开头（如 mcp:prompts-chat）→ 检查对应 MCP tool 是否在当前会话可用（尝试 ToolSearch 或直接调用）
4. 不可用的源跳过，记录到 skipped_sources 列表，附带 install_hint（如有）

Step 3: Tier 1 搜索

在同一条回复中发起多个独立 tool 调用实现并行：

cli 类型：用 Bash tool 执行 command 字段（{query} 替换为实际关键词），15 秒超时。 mcp 类型：调用 registry.json 中 tool 字段指定的 MCP tool，参数取 tool_params（{query} 替换为实际关键词）。例如：

• search_prompts({ query: "blockchain analyst", limit: 10 }) → 返回 prompt 列表
• search_skills({ query: "search aggregator", limit: 10 }) → 返回 skill 列表
• 支持的额外过滤参数（按需使用）：type（TEXT/STRUCTURED/IMAGE）、category、tag skill 类型：调用对应已安装 skill。

若并行不可用，按优先级执行：skills-sh > github > clawhub > 其他。

Step 4: 结果数量预判

基于标题/描述的关键词匹配做轻量判断（非完整 LLM 评估）：

• ≥3 条匹配度高 → 跳到 Step 6（末尾注明"搜索更多源可获取更多结果"）
• <3 条或匹配度低 → 继续 Step 5

Step 5: Tier 2/3 搜索

Tier 2：将同类别 Tier 2 源合并为 1 次 WebSearch：

{query} {category关键词} site:skillhub.club OR site:aiskillsshow.com OR site:skillsmp.com

若合并查询返回 <2 条，退回对 Top 2-3 优先源逐个 site: 搜索。

Tier 3（仍不足时）：不带 site: 限定的广域 WebSearch。

Step 6: 结果评估

对每条结果判断相关性：

• 高相关：保留，排在前面
• 中相关：保留，排在后面，标注"可能相关"
• 不相关：丢弃

对 Top 3-5 条高相关结果，可选 WebFetch 补充详情。

Step 7: 安全快筛

对所有保留结果做元数据安全标注：

• [SAFE]：来自注册表已知平台 + 安装量 >100
• [CAUTION]：安装量低、来源不明、或 Tier 3 发现
• [RISK]：名称疑似 typosquat，或其他红旗信号