凌晨两点，三个AI同时崩溃后我写了这个工具

凌晨两点，你的三个AI代理同时醒了。一个去检查服务器，一个复盘昨天的会话，还有一个在写代码。它们都想往同一个文件里写东西。然后，数据没了。

Vilius Vystartas最近就栽在这个坑里。他管着153个AI技能文件，从发iMessage到调试SPFx构建，全写成结构化指令存着。20个技能的时候一切安好，153个的时候，文件系统开始撒谎。

问题从"能跑"变成"跑对了吗"

他的技能库叫Hermes，每个技能是个SKILL.md文件，躺在~/.hermes/skills/目录下。代理发现技能有bug、缺步骤、过时了，就往skill_gaps.jsonl里记一笔，等人来修。

单机单代理，这设计挺干净。但Vilius的代理不是聊天机器人，是自主运行的：定时任务每小时扫基础设施，自我改进循环分析历史会话，委托编码器趁他睡觉写功能。它们不等人发指令。

并发写入撞车了。JSONL行被截断，数据蒸发。他搞不清哪些技能该修，代理还在默默加载坏掉的技能——因为故障报告本身就不靠谱。

更烦的是找东西。"那个关于PyPI发布的技能"在哪？只能grep目录树，赌前面的元数据格式一致。

平面文件扛不住几十个以上的规模。他有153个。

Skill Forge：给技能库装了个数据库

他写的解药叫Skill Forge。SQLite打底，原地索引，不挪文件。

核心就三条：

WAL模式——多代理同时读写不锁死。每个代理有自己的连接，外键约束开着。两个代理同时注册不同技能，都成功。原子事务，状态不脏。

FTS5全文搜索——搜名字、分类、描述、正文内容。找"PyPI分类器相关的技能"，forge search "pypi classifier"，秒出结果，排好序。

单文件——forge.db扔在~/.hermes/skill-forge/，没服务端进程，零配置。forge export就能备份，可移植。

他打了个比方：像是pip，但本地优先，安装前要先过验证。

质量闸门：坏技能进不了场

以前技能坏了，得等代理跑到一半撞墙才发现。现在两道检查：

前置元数据验证——缺必填字段直接拒。

执行验证——模拟运行，报错就拦。

153个技能，306次质量检查，0个失败。状态命令一目了然。

分类也显形了：MLOps 12个，DevOps 8个，创意类15个，职业3个，研究7个，剩下108个没归类——这本身就是信号，该整理整理了。

这事的真正价值

Vilius没解决什么宏大命题。他解决的是一个具体临界点：当AI代理从"玩具"变成"基础设施"，文件系统级别的粗糙就开始杀人。

153个技能不算多。但自主代理的并发写入，把"偶尔出错"变成了"系统性不可靠"。他补上的不是功能，是信任——让代理汇报的故障是真的，让搜索的结果是对的，让凌晨两点的三个进程各干各的，不互相踩脚。

如果你也在攒AI技能库，数数你的文件。过了几十个，grep和JSONL就开始骗你。那时候，你可能也需要一个forge status，看看哪些技能其实在裸奔。