先说主线:有人把一台 AI 助手的「大脑目录」整个打包了
想象一下:一个已经在真实用户手里跑了很久的个人 AI Agent,它的全部技能说明、权限清单、产品文档、启动脚本,被人原封不动打包成一个仓库放上了 GitHub。MuseAI-Skills 就是这么一份东西——它不是某个工具的安装包,而是一份运行环境的存档快照:72 个技能文件路径、26 份产品说明、77 个程序路径,还有一整套把隔离运行单元拉起来的生命周期脚本。
这种材料平时根本见不到。官方产品只给你界面和结果,不给你看它内部怎么组织技能、怎么声明权限、怎么做行为评测。这个仓库的价值不在于「装上它」,而在于拆开它:看一个成熟 Agent 的技能是怎么写的、权限是怎么收的、验收是怎么做的。这一篇就按拆箱的顺序来:先定性,再看结构,然后把 68 个技能逐类过一遍,挑一个解剖到底,最后给四条阅读路线和一套可以迁移到自己 Agent 上的写法。
项目地址:https://github.com/win4r/MuseAI-Skills
先把最重要的话说在前面:这是一份非官方存档,不是 muse.ai 的官方发布,也不是开源项目。核心程序是 Linux x86-64 的 ELF 二进制,由 Git LFS 管理,仓库里没有源码、没有构建定义、没有完整的 rootfs,所以这份快照无法独立启动。把它当「可以下载来跑的软件」是第一个、也是最大的误读;把它当「可以逐字研读的设计样本」,它立刻变得非常值钱。
它是什么,不是什么:先对齐定位
| 问题 | 答案 |
|---|---|
| 它是官方开源吗 | 不是。非官方存档,整份快照没有统一开源许可 |
| 它能一键部署吗 | 不能。无源码、无完整 rootfs,快照无法独立启动 |
| 它包含什么 | 技能文档与清单、产品契约说明、生命周期脚本、二进制程序快照 |
| 它的正确打开方式 | 只读研读:学技能设计、权限模型、产品契约与运行架构 |
| 它的许可状态 | 公开可见 ≠ 可任意再分发,各组件保留各自版权与许可 |
| 完整下载有多大 | 约 2.02 GB(inode 去重后约 1.55 GB),绝大部分是 LFS 二进制 |
所以本文的立场很简单:**只读,不跑。**后面所有内容——结构、技能全景、解剖、阅读路线——都是阅读指南;下载一节也只讲「怎么完整地拿到并校验这份存档」,不讲任何「把它运行起来」的步骤,因为那既做不到、也不该做。
WARNING仓库里的 runtime 脚本包含绝对路径、挂载与系统服务操作,核心二进制来源未经官方认证。不要在自己的机器上照着执行随包的二进制与 runtime-cell 脚本,把这份仓库当纯文档读,是唯一推荐的用法。
仓库结构总览:三大部分
整个仓库可以粗分成三块,性质完全不同,读的时候要分清:
| 部分 | 位置 | 内容 | 性质 |
|---|---|---|---|
| 技能包 | opt/hatch/skills/ | 72 个 SKILL.md 路径、40 个 manifest.yaml、12 份 eval 场景 | 本篇的主体,最值得精读 |
| 产品与设备说明 | home/hatch/docs/ | 26 份文档:muse.md、goals.md、connectors.md、browser.md、privacy-and-credentials.md、scheduling-and-watching.md、artifacts.md 等 | 产品契约说明,讲「应该怎样」而非实现 |
| 运行单元 | opt/hatch/runtime-cell/ 与 opt/hatch/bin/ | 生命周期脚本一套;77 个程序路径(hatch daemon、spawnd、hatch-execd 与各连接器 CLI) | 实现脚本与二进制,只看结构、不执行 |
runtime-cell 的生命周期链条是:pre-start 做启动前准备 → launch-daemon 以 systemd-nspawn 拉起隔离单元 → post-start 做启动后收尾 → control-daemon / control-execd 负责运行期控制。这条链对理解「Agent 的运行环境是怎么被托管的」很有参考价值,但它是实现脚本,不是安装教程——照着它在自己机器上敲,不会得到一个能用的系统,只会得到一堆对不上号的路径错误。
docs 目录则相反,它是最「干净」的部分:26 份文档是产品契约层面的说明,比如隐私与凭据怎么处理、调度与监看怎么定义、产物(Artifacts)是什么。想了解这个产品「承诺了什么」,读 docs;想了解「技能怎么组织」,读 skills;想了解「进程怎么拉起」,看 runtime-cell 的脚本名和顺序就够了。
这三部分的「可信度梯度」也值得注意:docs 是对外承诺,措辞最规范,适合引用;skills 是内部工作文件,写给模型看,行文直接、命令式;runtime 脚本是工程现场,带着真实环境的路径与假设。读同一件事的三种文本互相印证,是这份存档独有的读法——比如「凭据怎么保管」,docs 里有原则声明,某个技能的 manifest 里有具体的 scopes 落点,脚本里则能看到凭据实际被注入的位置。三层对得上,说明这不是摆样子;对不上地方,往往就是设计债所在。
68 个技能全景:十大分类逐个点名
先把账算清:仓库里共有 72 个 SKILL.md 路径,其中 4 个是符号链接别名——facebook 指向 facebook-cli、meta-threads 指向 threads、podcast 指向 generate_podcast、voice-calls 指向 voice-selector。去掉别名,独立技能是 68 个。这里有个容易踩的坑:voice-calls 这个名字听起来像「语音通话」,但它实际指向的是静态语音选择目录,技能的名字不能当能力说明书读,触发条件和正文才是。下面按官方的十大分类逐个点名,每个技能给一句定位。
一、Agent 工作流与记忆(6 个)
| 技能 | 干什么 |
|---|---|
| wide-research | 多代理并行研究:协调者拆题、worker 并行、统一输出 |
| goals | 目标管理:创建目标、记录进展与状态 |
| skill-creator | 创建新技能的元技能:技能是怎么被生产出来的 |
| self-awareness | 自我认知:助手对自己能力与状态的说明 |
| forget | 遗忘机制:按用户要求删除记忆及其副本 |
| muse_db | 数据库直查:跨表追踪与诊断用的只读 SQL 通道 |
二、文档、表格与产物验收(6 个)
| 技能 | 干什么 |
|---|---|
| artifacts/document | 文档类产物(报告、PDF、演示、表格)的创建与编辑 |
| markdown | Markdown 文档处理 |
| PDF 的读取、生成与检查 | |
| presentation | 演示文稿产物 |
| spreadsheet | 电子表格产物 |
| testing | 产物验收:交付物到底能不能用,要单独验 |
三、旅行、本地搜索与预订(7 个)
| 技能 | 干什么 |
|---|---|
| travel-planning | 旅行规划:把研究、比价、预订组织成一份行程 |
| booking | 预订类操作的统一入口 |
| places-search | 地点搜索:地址、营业时间、评价与照片 |
| duffel | 航班库存与订票(Duffel 接口) |
| flightaware | 航班动态、轨迹与机场活动(FlightAware 数据) |
| opentable | 餐厅订位(OpenTable) |
| ticketmaster | 演出与赛事票务(Ticketmaster) |
四、办公、邮箱与知识工具(16 个)
这是最大的一类,占了近四分之一,基本就是一个人的办公桌面全家桶:
| 技能 | 干什么 |
|---|---|
| gmail | Gmail 搜索、阅读、起草、发送与整理 |
| google-calendar | 日历读写、空闲查询、会议安排 |
| google-contacts | 通讯录 |
| google-docs | Google 文档读写 |
| google-drive | 云端硬盘文件管理 |
| google-forms | 表单 |
| google-sheets | 表格 |
| google-slides | 幻灯片 |
| google-tasks | 任务清单 |
| outlook-calendar | Outlook 日历 |
| outlook-contacts | Outlook 通讯录 |
| outlook-mail | Outlook 邮件 |
| notion | Notion 笔记与知识库 |
| granola | 会议笔记(Granola) |
| muse-mail | Muse 自有邮箱 |
| calendly | 预约排期(Calendly) |
五、社交网络与消息(6 个)
| 技能 | 干什么 |
|---|---|
| facebook-cli | Facebook 的动态、群组、市场等全套操作 |
| Instagram 浏览、发布与互动 | |
| instagram-messages | Instagram 私信 |
| messenger | Messenger 消息读写 |
| threads | Threads 动态与发布 |
| threads-messages | Threads 私信 |
注意这一类里别名最密集:facebook 与 meta-threads 两个符号链接都指向本类技能,统计时别重复计数。
六、购物、商品与金融数据(3 个)
| 技能 | 干什么 |
|---|---|
| shopping | 商品搜索、比价与购物卡片 |
| printify | 按需印刷商品(Printify) |
| plaid | 银行与金融数据接入(Plaid) |
七、健康与健身数据(6 个)
| 技能 | 干什么 |
|---|---|
| apple-healthkit | iPhone 同步的健康指标、睡眠与锻炼 |
| google-health-connect | Android 的 Health Connect 数据 |
| function-health | Function Health 的化验与健康数据 |
| healthex | HealthEx 健康记录 |
| peloton | Peloton 骑行与课程数据 |
| withings | Withings 设备(体重、血压、睡眠)数据 |
八、图像、音频与视频工作流(8 个)
| 技能 | 干什么 |
|---|---|
| image-search | 按文字搜图,拿图片链接与来源页 |
| media-library | 用户照片库搜索与查看 |
| spotify | 音乐搜索、播放与歌单管理 |
| generate_podcast | 播客/音频节目的研究、脚本与制作 |
| tts | 文字转语音 |
| voice-design | 语音设计 |
| voice-selector | 语音选择(静态语音目录) |
| magic-moment | 把事实素材做成短视频的完整流水线 |
九、设备、通信与网络(6 个)
| 技能 | 干什么 |
|---|---|
| device-data | 已配对设备的联系人与日历缓存读取 |
| wearable-device-skills | 可穿戴设备技能组 |
| wearables-comms | 可穿戴设备通信 |
| philips-hue | Philips Hue 智能照明控制 |
| tessie | 特斯拉车辆数据(Tessie) |
| tailscale | Tailscale/Headscale 私有网络接入 |
十、Muse 产品操作(4 个)
| 技能 | 干什么 |
|---|---|
| muse-early-access | 早期访问计划的加入与状态 |
| muse-feedback | 给 Muse 团队的产品反馈通道 |
| share-ideas | Ideas 功能的浏览与发布 |
| subscription-status | 订阅、用量与额度状态查询 |
还有一个计数上的细节:配套文件并不与技能一一齐全——72 个技能路径之外,仓库里只有 40 个 manifest.yaml 和 12 份 eval 场景 YAML。也就是说,不到六成的技能有权限清单,不到两成有评测场景。这个比例本身就是信息:它说明这套体系是「先有技能、后补清单与评测」的生长方式,核心高频技能(比如 Gmail)三件套齐全,长尾技能可能只有一份 SKILL.md。读的时候按这个预期去翻,就不会因为某个技能缺 manifest 而怀疑自己下漏了文件。
把这 68 个连起来看,能读出三条信息。第一,技能的粒度是「一个数据源/一个工作流一个技能」,而不是按 App 堆功能:Gmail 与 Outlook Mail 分开、Instagram 与它的私信分开。第二,连接器型技能占绝对多数——办公、社交、健康三类全是「接外部服务」,这决定了权限清单(manifest)为什么是必需品,下一节就讲这个。第三,元技能的存在感很强:skill-creator 负责生产技能、testing 负责验收产物、forget 负责删除、wide-research 负责组织研究——一个成熟 Agent 的技能表里,有相当比例是「管技能自己的技能」。如果你也在攒自己的技能库,这张全景表就是一张现成的查漏清单:对照着看你还缺哪一类。对「把现成文档和仓库变成技能」这件事本身感兴趣的,可以接着看站内的 Skill Seekers 技能生成工具。
解剖一个技能:Gmail 的四件套
68 个技能里,结构最完整的样本是 Gmail。它不是一份文档,而是一组文件:
| 文件 | 角色 | 回答的问题 |
|---|---|---|
SKILL.md | 技能正文 | 什么时候触发、按什么流程做、边界在哪 |
manifest.yaml | 连接器清单 | 有哪些方法、默认权限多大、要哪些 OAuth scopes、命令怎么映射 |
eval/scenarios.yaml | 行为评测场景 | 给定场景时期望的行为是什么 |
references/ | 参考资料 | 细节文档,按需加载,不塞进主文件 |
逐个说。SKILL.md 的 frontmatter 写触发条件——什么样的话、什么样的任务应该唤起这个技能;正文写操作流程与边界——比如发送邮件前哪些信息必须与用户确认、线程和收件人不能弄错。主文件保持精简,是这一整套设计的共同风格:细节下沉到 references,需要时才读。
manifest.yaml 是机器可读的连接器元数据:它按「方法」声明权限默认值,需要的 OAuth scopes,以及技能动作到实际命令的映射。关键设计是方法级可以覆盖分组默认:同一个连接器里,「搜索邮件」可以是默认放行,「发送邮件」则收紧到需要确认——权限不是按 App 一刀切,而是细到每个动作。它的结构大致是这个形状(示意):
connector: gmailoauth_scopes: - gmail.readonly - gmail.sendmethod_groups: read: # 分组默认:只读类方法 default: allow write: # 分组默认:写操作 default: confirmmethods: search: { group: read, command: "gmail search" } send: { group: write, command: "gmail send", default: confirm }读这份清单的方法,是顺着「最危险的方法」倒着看:先找发送、删除、付款类方法被设成了什么,再看只读类放得多宽。一个连接器的风险画像,看它的写方法默认档位就够了。
eval/scenarios.yaml 是行为评测:预先写好场景和期望行为,用来回归测试技能改动有没有把行为改坏。这里要泼一盆冷水:仓库里有评测场景,不等于这些评测被运行过、更不等于全部通过——场景文件是「考题」,不是「成绩单」。整个仓库共 40 个 manifest 与 12 份 eval 场景,覆盖率本身也说明:清单和评测是逐步补齐的,不是一开始就全的。
最后是两个最容易混淆的概念,务必分清:
- available ≠ 已连接:
config/skills.yaml里声明某个技能 available,只表示它在技能表里可见、可以被触发;用户的账户是否真的连上了那个服务,是另一回事。技能在,不代表邮箱就能读。 - 可见性 ≠ 权限:
skill-scopes.conf控制的是技能的可见范围,它不授予任何操作权限;真正的操作权限在 manifest 的方法级声明里。把「看得见」误当「能动手」,是读这套配置最常见的翻车点。
这一节的结论值得单独记住:一个生产级技能是「说明书+权限清单+考题+参考库」的组合,而不是一段写给模型的提示词。这也是本仓库最值得抄走的设计。
优先精读的 8 个:官方推荐顺序
仓库给了一份推荐优先阅读的清单,8 个技能,每个都代表一种可迁移的模式。按它的顺序逐个讲:
1. wide-research(协调者/worker 分工)。 复杂研究任务被拆成「协调者拆题派活、worker 并行执行、统一输出契约回收」三段,并且要求失败也要覆盖报告——没查到的、失败的,必须如实写进结果,而不是只交成功的那部分。这是多代理协作最值得学的一条纪律。它还示范了另一件常被忽略的事:并行之前先约定回收格式。worker 各写各的、格式五花八门,协调者最后拼不起来,是多代理系统最常见的烂尾方式;先定契约再分工,顺序不能反。
2. skill-creator(技能的生产规范)。 触发条件写得明确、主文件保持精简、参考资料按需加载——这三条就是它给所有技能定的体例。想自己写技能,先读它,等于先读体例再动笔。
3. artifacts/testing(生成 ≠ 可用)。 它把「生成成功」和「交付物可用」拆成两件事验收:文件生成出来只是第一步,能不能打开、内容对不对、格式合不合格,要单独验。这一条对所有「让 AI 交文件」的工作流都适用。
4. goals(首次与跟进分开)。 目标管理里最容易写混的是「第一次建目标」和「后续跟进」——前者是建档流程,后者是更新流程,触发条件和动作完全不同。这个技能按领域把两条路线分开写,是「同名技能、双入口」的范本。
5. forget(删除要删干净)。 删除记忆不是删一行字:还有副本、衍生状态、以及后台可能把旧内容再写回来的通道。这个技能处理的是「删透」问题——对隐私相关功能,这是最容易做半截的地方。它给所有做记忆系统的实现者提了个醒:删除功能要在建数据结构的第一天就设计,事后补删,永远补不干净。
6. travel-planning(研究与交易分开路由)。 旅行规划里,「查攻略、比方案」是研究型查询,「查实时可订库存、下单」是交易型操作,两者的工具、时效和确认要求都不同。这个技能把两条路线分开,是所有「先查后买」类工作流的通用解法。站内讲 AI 编程助手的那篇里也聊过类似的工具路由问题,可对照看:AI 编程助手。
7. magic-moment(内容流水线)。 从事实素材出发,经叙事组织、视觉设计、时间线编排,到渲染前审阅才输出——它把短视频制作拆成一条有验收点的流水线,而不是一句提示词生成到底。站内另一篇专门拆视频技能的文章讲的是同一类思路:Muse Video Skill。
8. gmail(三件套范本)。 上一节刚解剖过:技能正文+方法级权限 manifest+行为评测场景,三个文件各管一摊。想给自己的技能补权限和评测,照着它的文件组织抄即可。
四条阅读路线:按目的选,别从头硬啃
2 GB 的仓库、几百个文件,从头读是读不完的。按目的选路线:
| 路线 | 读什么 | 适合谁 |
|---|---|---|
| 学工作流设计 | wide-research、goals、travel-planning、magic-moment 的 SKILL.md | 在设计自己的多步任务/Agent 流程 |
| 学权限模型 | gmail 的 manifest.yaml + docs 里的 privacy-and-credentials.md | 在给工具调用做权限分级 |
| 看产品设计 | home/hatch/docs/ 的 26 份文档(goals.md、scheduling-and-watching.md、artifacts.md 等) | 想了解一个 AI 产品如何定义自己的契约 |
| 看运行架构 | runtime-cell 的脚本顺序与 bin 目录结构、connectors.md | 想了解 Agent 运行环境如何托管与隔离 |
四条路线互不依赖,每条半天以内能读完核心部分。最不建议的是按目录顺序从第一个文件读起——技能包按字母序排列,和重要性毫无关系。
读的时候建议带一个笔记维度:每读完一个技能,只记三件事——它的触发条件怎么写、它的权限默认档位在哪一级、它有没有验收手段。68 个技能记完,你手里就是一张这个产品的「治理水平表」:哪些领域管得严、哪些领域还在裸奔,一目了然。这张表比任何单个技能的细节都更接近这份存档的全貌。
下载与完整性校验:只读研读的正确姿势
如果你想把这份存档拉到本地慢慢读,有两种拉法。只读文档的话,跳过全部 LFS 二进制,仓库瞬间变小,技能文档、清单、产品说明一个不少:
GIT_LFS_SKIP_SMUDGE=1 git clone https://github.com/win4r/MuseAI-Skills.git要完整快照(包含全部二进制,约 2.02 GB)则必须先装 Git LFS,再正常克隆并校验 LFS 内容:
git lfs installgit clone https://github.com/win4r/MuseAI-Skills.gitcd MuseAI-Skillsgit lfs pullgit lfs fsck两个注意点。第一,不要用 GitHub 的 ZIP 下载当完整版:ZIP 里 LFS 文件只会是指针文件,普通 ZIP 下载无法证明 LFS 内容完整——要完整性,就走 git lfs 这条路。第二,下完之后用仓库根目录的校验文件核对哈希:
# Linuxsha256sum --check SHA256SUMS
# macOSshasum -a 256 -c SHA256SUMS拉完整版之前先确认磁盘:快照解开后约 2.02 GB,其中相当一部分是同一批二进制在不同路径下的重复引用,按 inode 去重统计约 1.55 GB;文件系统是否支持硬链接去重,会影响你实际看到的占用。还有一个自检小技巧:完整克隆后随手打开一个二进制路径看大小——如果只有一百多字节、内容是一行 version https://git-lfs.github.com/spec/v1 开头,那就是 LFS 指针文件,说明 git lfs pull 没有真正执行成功,重新拉一遍即可,别急着怀疑仓库坏了。
但要清楚哈希能证明什么:哈希一致只证明「你拿到的文件和仓库里的文件是同一份」,不验证来源是否官方、内容是否安全。它防的是传输损坏和下载不全,防不了「这份东西本身就不可信」——而这正是非官方存档的固有前提。
把技能模式迁移到自己的 Agent
读完这份存档,真正能带走的是写法。把 68 个技能的共同体例提炼成一份可直接套用的要点:
SKILL.md 的写法要点:
一份最小可用的 SKILL.md,骨架大致是这样:
---name: my-skilldescription: 当用户要求 <具体场景> 时使用;不适用于 <排除场景>---
## 流程1. 先确认 <关键前提>2. 执行 <动作>,其中 <不可逆动作> 前必须向用户确认3. 结果按 <固定格式> 汇报,失败项单独列出
## 边界- 不处理 <范围外事项>- 细节见 references/ 下对应文档,按需读取- 触发条件写在 frontmatter 里,写具体。 不是「处理邮件」,而是「当用户要求搜索、起草、发送或整理邮件时」。触发写糊了,技能要么乱入、要么永远轮不到。
- 主文件只放流程与边界。 步骤、确认点、禁止项写在正文;大段参考(字段表、接口说明、示例库)拆进 references/,按需加载——主文件越短,被完整执行的概率越高。
- 把「必须确认」写进流程,而不是指望模型自觉。 发送、删除、付款这类不可逆动作,在正文里明确写出确认点。
权限与验收要和正文分家:
- 权限单独成清单(学 manifest.yaml):按方法声明默认权限,高风险方法单独收紧,不要给整个工具一把总钥匙。
- 验收单独成场景(学 eval/scenarios.yaml):给技能写几条「输入—期望行为」的考题,改技能时先跑考题。没有考题的技能,改一次飘一次。
- 可见性与权限分开管理(学 skill-scopes.conf 与 manifest 的分工):谁能看到这个技能、这个技能能动什么,是两个独立开关。
这套模式不挑平台:无论你用的是哪家的 Agent 框架,「说明书+权限清单+考题」三件套都能平移过去。站内 CLIProxyAPI 那篇讲的是把订阅能力接进本地工具链,和这里的技能组织是两个层面的事,搭配着看能拼出「接口层+技能层」的完整图景。
边界与缺项:这份存档缺了什么
把缺口列清楚,才不会对它抱有不切实际的期待:
| 缺项 | 影响 |
|---|---|
| 核心源码与构建定义 | 无法研究实现、无法自行构建 |
| 完整宿主服务与 rootfs | 快照无法独立启动(这是根本限制) |
| 数据库迁移文件 | 数据层结构只能从文档侧推测 |
| Artifacts 的 build.mjs 与 sdk/ | 产物构建链不完整 |
| 评测的 spawn-eval-instructions.md | 评测如何被执行,不在快照内 |
| runtime-cell 的 run-execd.sh | 生命周期链缺一环 |
| opt/hatch-image/bin/gws | 零字节文件,只剩占位 |
再加上许可问题:整份快照没有统一开源许可,各组件保留各自的版权与许可声明。所以对它的合理使用边界是:个人研读、学习设计、引用讨论;把它重新打包分发、把里面的二进制拿去他用,都不在「公开可见」自动授予的范围里。
常见误解排障
- 「这是 muse.ai 官方开源了?」 不是。非官方存档,官方没有为这份仓库背书。
- 「克隆下来就能把这个 Agent 跑起来?」 不能。无源码、无完整 rootfs、无数据库迁移,快照无法独立启动,这是定位问题,不是你配置错了。
- 「我下的是 ZIP,怎么文件都只有几百字节?」 那是 LFS 指针文件。要完整内容,用 git lfs install 后重新克隆并 git lfs pull。
- 「技能在列表里,为什么连不上我的邮箱?」 available ≠ 已连接:技能声明可见,不等于账户已完成连接授权。
- 「我给了它全部可见范围,为什么还是不能发邮件?」 可见性(skill-scopes.conf)不授予操作权限;发送这类方法的权限在 manifest 里单独声明,默认可能就是需要确认或禁用。
- 「仓库里有 eval 场景,是不是说明评测都通过了?」 不是。有场景只说明考题存在,不代表跑过、更不代表通过。
- 「voice-calls 是语音通话技能吧?」 不是。它是符号链接,指向静态语音目录 voice-selector——名字会骗人,链接目标和正文不会。
- 「SHA256SUMS 校验全过,这份东西安全吗?」 校验只证明文件一致,不证明来源与安全性。结论不变:只读,不跑。
小结
MuseAI-Skills 的正确打开方式,是把它的当一份难得的内部设计样本:68 个技能的全景表可以当查漏清单,Gmail 的四件套可以当文件组织模板,官方推荐的 8 个精读样本分别对应一种可迁移的模式——分工、体例、验收、双入口、删透、路由、流水线、权限分家。至于运行它、部署它、再分发它,都不在这份非官方存档能给你的东西之列。读它的人赚的是设计,动手跑它的人只会收获报错——分清这条线,这 2 GB 就下得值。