天猫百补以薄客户端Skill桥接远程Agent

bybt-detail-assistant 是百亿补贴商品详情页的智能分析 Skill（50+ commit），由本地 Skill 文件与远程 Agent 两部分组成，中间以 xiaomi.py 桥接脚本连接。本地负责信息收集、商品查询和结果呈现这类“薄客户端”，日志搜索、截屏分析等依赖集团内部在线服务和知识库的深度分析交给远程 Agent。拆分的动因是两部分的变化节奏与迭代成本完全不同：若全部逻辑放本地，每次升级都要改 SKILL.md 并重新发版、用户还得频繁更新本地版本；改为桥接后，远程 Agent 升级时（如支持新埋点字段解读）作者无需修改本地 Skill，且远程侧版本管理、灰度发布、可观测、一键回滚都更成熟，升级对用户无感。SKILL.md 侧则改成共享全局约束（约 60 行）下的决策树：4 条规则约 20 行分流到路径 A traceId 分析（约 30 行，线性）、路径 B 商品查询（约 15 行，线性）、路径 C 截图+日志（约 250 行，循环迭代），三条路径逻辑互斥，解决了过去各家功能描述交织导致 Agent 在低端模型上“顾此失彼、迷失方向”的问题，也便于后续按路径物理拆分为 path-a.md 等实现完整的多文件渐进式披露。 三项优化均已落地且有量化对比。一是注意力聚焦：最初把远程 Agent 的上百条埋点解读规则写进 SKILL.md，导致本地 Agent 搜日志时也要加载全量规则、token 开销大且容易“自作主张去分析埋点”，改为本地只描述「什么时候调 xiaomi.py、参数怎么传、结果怎么输出」的调用协议，埋点解读逻辑用 Python 脚本固化，相比让 LLM 处理脚本直出最多快 7 倍且格式 100% 统一。二是对抗 LLM 的“总结冲动”：远程脚本生成 Markdown 报告后，本地模型常二次加工（加标题、改写措辞、截断表格甚至补充不存在的结论），SKILL.md 中用极强语气定义 FORBIDDEN 列表（不得总结改写、不得重排版式、不得在 stdout 前后添加内容）并要求「直接输出 stdout，一字不改」。三是 sessionId 会话复用：每次会话首次调用前生成随机 sessionId（session-<8 位字母数字），会话内后续调用复用同一 ID，让远程 Agent 记住之前分析过的日志，解决“追问刚才那张截图时远程 Agent 失忆、用户只能重发截图”的问题，SKILL.md 中仅增加约 10 行。此外，针对长输出（一次日志搜索几十条记录、详情访问报告占满两屏），本地把报告处理成 HTML 文件并优先输出本地路径，再让 Agent 摘取关键信息以折叠表格与链接呈现，避免用户在对话里翻屏，同时要求 HTML 转换必须由本地 Agent 执行以免丢失高价值上下文。