tools/skillgen：技能檔的產生器

platforms.toml 宣告每個 host 怎麼組裝 skill：bucket（split 或 monolith）、core（split 用的 core 模板）、skill_dst / refs_dst（輸出位置）、name / description（frontmatter，description 各平台 verbatim 保留）、dispatch（Part-B dispatch fragment）、extraction（verbose/compact，選 extraction-spec 的內容）、shell（posix/powershell）、claude_md、hooks_variant、extra_sections、monolith。

load_platforms() 用 tomllib 解析（Python 3.10 退回 tomli），每個 [platform.<key>] table 變成一個 Platform 物件。

渲染邏輯：

• _render_frontmatter(platform) — 產生 ---\nname: …\ndescription: …\n---。
• _render_core(platform) — 載入 fragments/core/core.md（split 的 lean core 模板），把 platform 的 slot 填進去：dispatch fragment、shell fragment、hooks pointer、extra_sections、reference index。
• render(platform) — 回傳 list[RenderedArtifact]（SKILL.md + references/ 側車的渲染結果）。
• references 是「自動組裝」的——platform 只宣告自己的 deltas，共同的（query、extraction-spec、hooks、add-watch…）自動從 fragments/references/shared/ 帶上。

這解釋了為什麼 17 個平台的 skill-<platform>.md 有 40KB 卻彼此只差一點點——它們共用一個 core 模板。

防 drift 的雙向機制：

• check() — 把渲染結果與已提交的檔案做 byte-diff，再與 expected/ 做 byte-diff。任何一個不一致就回報（CI 會 exit 1）。這確保「手改了 generated artifact」或「fragment 改了但沒重新產生」都會被抓到。
• bless() — 把目前的渲染結果寫進 expected/（_expected_path 命名 graphify__skill.md 等）——「這是我承認的真相」。改模板時先 bless 再 commit。

段落式說明（skillgen 的「驗證套組」，都是為了讓「拆分 platform」這件事安全）：

• audit_coverage(platform) — 用 _V8_BASELINE_SHA（git show 拉 v8 分支的原始 skill body）逐 host 驗證：該 host 自己的 v8 body 每個 heading 都「單一居住」在它自己的渲染裡——一個只影響單一 host 的漏接才看得見。
• schema_singleton(platforms) — 驗證 file_type enum 在所有 artifact 裡 byte-identical。
• monolith_roundtrip / always_on_roundtrip — 驗證 monolith skill 與 always_on 檔能重現過去的常數。

段落式說明：這組 _is_chunk_cleanup_fix_line、_is_zero_node_guard_fix_line、_is_no_api_key_fix_line 等函數，是為「語意修復」判定的——渲染引擎產生內容時，需要識別哪些行屬於特定的歷史修復（例如 zero-node guard、no-API-key 提示），以便穩定地定位/合併。每個都是一個小 predicate，名稱本身就描述了它認得哪一行。