意图识别 + Skill 路由：为什么能自动切换？
核心机制：每一轮请求都重新路由——不是"记住上次用啥"，而是把本轮输入和每个 Skill 的 description 重新打分，最高分者胜出；最高分 ≠ 当前 Skill 且置信度 ≥ 0.5 → 移除旧、注入新。totalScore = keyword×3 + glob×2 + LLM×1，漂移阈值 0.5。看 4 轮对话里 Skill 怎么自动切。
1x2x
待播放
用户输入 → 意图识别 → 路由打分(keyword×3+glob×2+LLM×1) → Skill 槽位 → 漂移检测(置信≥0.5) → 注入新 SKILL.md
光点 = 当前环节 · 每一轮都重新路由，最高分者胜出；漂移阈值 0.5 触发切换
候选 Skill 打分（本轮重新路由）—
python-coding—
data-sheet—
ppt—
Skill 槽位（当前激活 → 决定注入哪份 SKILL.md）—
python-codingfrontmatter 触发 + body 工作流已注入
data-sheetfrontmatter 触发 + body 工作流—
pptfrontmatter 触发 + body 工作流—
就绪点 ▶ 播放，看 4 轮对话里 Skill 怎么自动切换。意图识别+路由
⚡ 运行时动作：正在发生什么💡 知识讲解：为什么这么设计
路由日志totalScore = keyword×3 + glob×2 + LLM×1 · 漂移阈值 0.5
知识点一句话总结：Skill 自动切换的核心 = 每一轮请求都重新路由，不是"记住上次用啥"。每轮把本轮输入和每个 Skill 的 description/keywords/paths 重新打分（totalScore = keyword×3 + glob×2 + LLM×1），最高分者胜出；若最高分 ≠ 当前激活 Skill 且置信度 ≥ 0.5（漂移阈值）→ 移除旧 Skill、注入新 SKILL.md。三级路由：关键词（倒排索引词表）→ glob（paths 模式）→ LLM 语义（description 匹配），前两级零成本快速过滤，第三级兜底语义。注入方式影响 Prompt Cache：inline 注入 System Prompt 末尾，切换时替换点之后（含全部旧历史）重算；attachment 注入 User Message，System 不动 → system 与全部旧历史继续命中，只有本轮尾部新增按全价（见演示 07C/07D）。