Add intervention data skill

skills/intervention-data/SKILL.md

@@ -0,0 +1,136 @@
+---
+name: intervention-data
+description: 生成和校验单句精确干预、正则干预候选 TSV，复用标签大师的 target 语法校验，并从历史干预表推断 code 到下发 domain 的固定映射。
+when_to_use: 当用户希望新增、检查或整理干预规则，例如给某个 query 或多轮正则生成干预条目、确认设备和标签是否合法、推断下发 domain 时使用。
+aliases: intervention, rule-intervention, 干预数据
+allowed_tools: read_file, write_file, edit_file, grep_search, glob_search, ask_user_question, python_exec
+---
+
+使用这个 skill 处理“query/多轮表达 -> 干预 TSV 候选 -> 合法性校验”的任务。
+
+干预数据目前有两类：
+
+- **单句精确干预**：一行四列，格式为 `设备\tquery\tcode\t下发domain`。
+- **正则干预**：一行三列，格式为 `设备\t正则\t标签`。
+
+其中单句精确干预的 `code` 和正则干预的 `标签` 使用同一套 target 语法，和 `label-master` 的输出一致，但不包含复杂度判断。校验时必须复用 `skills/label-master/scripts/validate_label_output.py` 的逻辑。
+
+## 关键约定
+
+- `unify` 表示全部设备。
+- 设备必须优先从历史干预文件中归纳，不要随手发明设备名。
+- 单句精确干预如果用户没有提供 `下发domain`，必须从历史精确干预表中按 `code -> 下发domain` 的多数映射推断。
+- 正则干预支持多轮。多轮正则使用 `beforeQuery#上一轮#query#当前轮` 这种片段表达，最终通常包在 `^...$` 中。
+- 默认只生成候选 TSV 和校验结果，不直接追加到历史干预文件。只有用户明确要求“追加到某个文件末尾”或“修改某个文件”时，才使用通用文件编辑能力。
+- 所有产物优先写到当前会话的 `output/` 或 `scratchpad/` 下，不要写到项目根目录的 `output/`。
+
+## 推荐流程
+
+1. 先确认用户要哪种干预方式：
+   - 单句精确干预：query 必须完全命中。
+   - 正则干预：适合一类表达、多轮上下文或需要泛化的高频 case。
+2. 确认设备。用户没说设备时，必须问设备；可以提示 `unify` 表示全部设备。
+3. 确认目标标签/code。它必须是完整 target，例如 `Agent(tag="地图导航")`、`QA()`、`Chat()` 或合法 function 调用。
+4. 如果是单句精确干预：
+   - 确认 `query`。
+   - 如果没有 `下发domain`，调用脚本根据历史数据推断。
+5. 如果是正则干预：
+   - 确认当前轮 query。
+   - 如果有多轮，确认前序 query 顺序。
+   - 用户给了原始正则就保留；没给时由脚本生成 `^query#...$` 或 `^beforeQuery#...#query#...$`。
+6. 调用 `scripts/generate_intervention_candidate.py` 生成候选 TSV 和校验报告。
+7. 展示时只展示必要信息：干预类型、设备、候选 TSV、校验是否通过、需要用户确认的问题。
+
+## 脚本能力
+
+```text
+skills/intervention-data/
+  SKILL.md
+  knowledge/
+    type_match_agent.json
+  scripts/
+    intervention_common.py
+    analyze_intervention_sources.py
+    audit_intervention_sources.py
+    generate_intervention_candidate.py
+    validate_intervention_records.py
+```
+
+### analyze_intervention_sources.py
+
+读取历史干预文件，输出设备枚举、`code -> 下发domain` 多数映射、常见标签，以及 `knowledge/type_match_agent.json` 中的下发表。
+
+示例：
+
+```bash
+python skills/intervention-data/scripts/analyze_intervention_sources.py
+```
+
+### generate_intervention_candidate.py
+
+从 JSON 输入生成候选 TSV，并自动校验。输入可以来自文件或 stdin。
+
+### audit_intervention_sources.py
+
+审计现有两个历史干预文件，只输出摘要，不修改文件。适合验证当前 skill 的校验规则和存量数据是否贴合。
+
+示例：
+
+```bash
+python skills/intervention-data/scripts/audit_intervention_sources.py
+```
+
+单句精确干预示例：
+
+```json
+{
+  "mode": "exact",
+  "device": "unify",
+  "query": "播放周杰伦的歌",
+  "target": "Agent(tag=\"音乐\")"
+}
+```
+
+正则多轮干预示例：
+
+```json
+{
+  "mode": "regex",
+  "device": "miCar",
+  "before_queries": ["第一个"],
+  "query": "红绿灯少的路线",
+  "target": "Agent(tag=\"地图导航\")"
+}
+```
+
+### validate_intervention_records.py
+
+校验候选 TSV。支持 `--mode exact` 或 `--mode regex`。
+
+规则包括：
+
+- 列数正确。
+- 设备合法。
+- `code` / `标签` 优先通过 label-master 校验；如果 label-master 未收录但历史干预表中已经稳定出现，允许作为候选通过，并给出 warning 让用户确认知识库是否需要补齐。
+- 单句精确干预的 `下发domain` 与历史多数映射一致，默认不一致为 warning，`--strict-domain` 时为 error。
+- 单句精确干预还会用 `type_match_agent.json` 做配置校对；配置值可以是更宽泛前缀，例如 `音乐 -> contentCopilot` 可以兼容历史里的 `contentCopilot|music`。
+- 正则可编译，且包含 `query#` 片段。
+- 与历史文件重复或冲突时给出 warning/error。
+
+## 展示格式
+
+生成候选后，优先用这个格式回复：
+
+```text
+我生成了一条候选干预，先不写入历史文件。
+- 类型：单句精确干预 / 正则干预
+- 设备：xxx
+- 标签：xxx
+- 校验：通过 / 有问题
+
+候选 TSV：`设备	query	code	下发domain`
+
+需要确认：是否写入某个文件，或是否调整设备/标签/正则。
+```
+
+如果校验失败，先解释失败原因，不要要求用户直接落盘。