版本：v0.1 日期：2026-02-27 状态：草稿
Gene Learning Protocol（GLP）是 GeneHub 定义的标准化基因注入协议，规范了基因从 Registry 到 Agent 产品的完整生命周期：发现 → 安装 → 学习 → 使用 → 遗忘。
任何 Agent 产品只要实现 GLP 的 Adapter 接口，即可接入 GeneHub 生态。
| 原则 | 说明 |
|---|---|
| 产品无关 | 协议不绑定任何特定 Agent 框架，初期支持 OpenClaw / nanobot，后续可扩展 DeskClaw 等 |
| 渐进式 | 最简实现只需 install + uninstall，高级能力（深度学习、遗忘仪式）按需实现 |
| 向后兼容 | NoDeskClaw 现有的 Learning Channel Plugin 通信协议是 GLP 的第一个实现 |
| 可扩展 | Manifest 结构支持产品专属扩展字段，不影响通用字段 |
| 术语 | 含义 |
|---|---|
| Gene（基因） | 原子能力单元，包含技能内容 + 配置 + 元数据 |
| Genome（基因组） | 一组基因的引用 + 配置覆盖，组合配方 |
| Gene Manifest | 基因的标准描述格式，JSON / YAML |
| Adapter | 产品适配器，负责将 Manifest 翻译为产品原生格式 |
| Agent Host | 运行 Agent 的宿主环境（OpenClaw 实例、nanobot 等） |
| Learning Engine | Agent 的学习能力引擎（meta-learning 基因 / 内置学习模块） |
Gene Manifest 是基因的标准描述文件，所有 GeneHub 基因必须包含一个有效的 Manifest。
# gene.yaml - GeneHub 标准基因清单
# === 元数据 ===
slug: "code-review" # 全局唯一标识符，kebab-case
name: "代码审查专家" # 显示名称
version: "1.2.0" # 语义化版本号
description: | # 详细描述（Markdown）
帮助 Agent 进行深度代码审查，关注安全漏洞、性能问题和代码风格。
short_description: "深度代码审查与优化建议" # 摘要（≤100 字符）
category: "development" # 领域分类
tags: # 标签（可多选）
- "ability" # 能力 / personality / knowledge / tool
icon: "search-code" # Lucide 图标名
author:
type: "human" # human / agent
name: "NoDeskAI"
ref: "" # 作者主页或 Agent 实例 ID
# === 兼容性 ===
compatibility:
- product: "openclaw" # 产品标识（初期支持）
min_version: "0.5.0" # 最低版本
- product: "nanobot" # 初期支持
min_version: "0.1.0"
# - product: "deskclaw" # 后续扩展
# min_version: "1.0.0"
# === 依赖 ===
dependencies:
- slug: "analytical-thinking"
version: ">=1.0.0"
optional: false # false = 必须, true = 推荐
synergies: # 协同推荐（非强依赖）
- "clean-code"
- "test-driven-development"
# === 技能内容 ===
# 技能内容以独立文件存储在基因目录中（SKILL.md），不再嵌入 manifest。
# gene.yaml 中 skill.file 指向文件路径，skill.content 仅用于向后兼容。
skill:
name: "code-review" # 技能名（用于文件/目录命名）
always: false # true = 始终激活, false = 按需调用
file: "SKILL.md" # 技能文件路径（推荐，存储在 Gitea 仓库中）
content: | # 向后兼容：内联内容（新基因不建议使用）
---
name: code-review
description: 深度代码审查与优化建议
metadata:
openclaw:
always: false
---
你是一位资深代码审查专家。在审查代码时，你应该关注：
## 审查维度
1. **安全性**：SQL 注入、XSS、敏感信息泄露
2. **性能**：时间复杂度、内存泄漏、N+1 查询
3. **可读性**：命名规范、函数粒度、注释质量
4. **架构**：职责分离、依赖方向、接口设计
## 输出格式
对每个发现的问题，按以下格式输出：
- 严重程度：Critical / Major / Minor / Suggestion
- 位置：文件名:行号
- 问题描述
- 修复建议（含代码示例）
# === 规则内容（可选，部分产品支持） ===
rules: []
# - name: "code-review-style"
# content: "审查时始终使用中文输出..."
# applies_to: "**/*.{ts,py,go}"
# === 工程化配置（可选） ===
config:
# 通用配置（所有产品共享）
common: {}
# 产品专属配置
openclaw:
openclaw_config: # 合并到 openclaw.json
tools:
timeout: 30000
tool_allow: # 追加到 tools.allow
- "file_read"
- "file_write"
nanobot:
capabilities: [] # nanobot 能力注册
# deskclaw: # 后续扩展
# cursor_rules: [] # 额外的 .cursor/rules 内容
# === MCP 工具（可选） ===
mcp_servers: []
# - name: "github-mcp"
# transport: "stdio"
# command: "npx"
# args: ["-y", "@modelcontextprotocol/server-github"]
# env:
# GITHUB_PERSONAL_ACCESS_TOKEN: "${GITHUB_TOKEN}"
# === 学习策略 ===
learning:
force_deep_learn: false # true = 强制深度学习，不允许直接安装
objectives: # 学习目标（提供给 Learning Engine）
- "理解代码审查的四个核心维度"
- "掌握安全漏洞的常见模式"
- "形成结构化的审查输出格式"
scenarios: # 练习场景
- title: "审查一个 FastAPI 路由"
context: "包含 SQL 注入风险的用户输入处理"
expected_focus: "security"每个基因以目录形式存储，发布时整个目录上传到 Registry（存入 Gitea），安装时以 tarball 下载：
<gene-slug>/
├── gene.yaml # 基因元数据（必须）
├── SKILL.md # 技能内容（推荐）
├── scripts/ # 脚本文件（可选）
│ └── setup.sh
├── rules/ # 规则文件（可选）
│ └── naming.mdc
├── templates/ # 模板文件（可选）
│ └── prompt.md
└── assets/ # 静态资源（可选）
└── diagram.png
文件存储与版本管理：
- 每个基因对应 Gitea 上一个 Git 仓库（
genes/<slug>） - 每次发布创建 git tag（
v1.0.0），对应一个不可变版本 - commit SHA 记录在 DB 的
gene_versions.commit_sha中 - 安装时通过
GET /genes/:slug/archive?version=x.y.z下载 tarball - DB 仅存索引元数据，文件内容全部由 Gitea 管理
| 字段 | 类型 | 说明 |
|---|---|---|
slug |
string | 全局唯一标识，[a-z0-9-]，3-64 字符 |
name |
string | 显示名称，≤128 字符 |
version |
string | 语义化版本号（SemVer），如 1.2.0 |
description |
string | 详细描述，Markdown 格式 |
short_description |
string | 摘要，≤256 字符 |
category |
string | 领域分类（见 2.3） |
tags |
string[] | 标签数组（见 2.3） |
skill |
object | 技能内容定义 |
skill.name |
string | 技能名，用于文件命名 |
skill.content |
string | 技能的完整文本内容 |
compatibility |
object[] | 兼容产品列表 |
| 字段 | 类型 | 说明 |
|---|---|---|
icon |
string | Lucide 图标名 |
author |
object | 作者信息 |
dependencies |
object[] | 基因依赖 |
synergies |
string[] | 协同推荐 |
rules |
object[] | 规则定义（DeskClaw 等产品使用） |
config |
object | 工程化配置（按产品分区） |
mcp_servers |
object[] | MCP Server 配置 |
learning |
object | 学习策略 |
category（领域分类）：
| 值 | 含义 |
|---|---|
development |
开发 |
data |
数据 |
operations |
运维 |
network |
网络 |
creative |
创意 |
communication |
沟通 |
security |
安全 |
efficiency |
效率 |
tags（标签类型）：
| 值 | 含义 | SKILL.md 特征 |
|---|---|---|
ability |
能力——做什么 | always: false |
personality |
性格——怎么做 | always: true |
knowledge |
知识——领域背景 | always: true |
tool |
工具——接入外部 | always: false + mcp_servers |
| GeneHub Manifest | NoDeskClaw manifest |
|---|---|
skill.name |
manifest.skill.slug |
skill.content |
manifest.skill.content |
config.openclaw.openclaw_config |
manifest.openclaw_config |
config.openclaw.tool_allow |
manifest.tool_allow |
mcp_servers |
manifest.mcp_servers |
learning |
manifest.learning |
NoDeskClaw 的 gene_service.py 可以零成本适配：只需在 install_gene 时从 GeneHub Manifest 提取 NoDeskClaw 格式的 manifest。
Client (CLI / SDK / NoDeskClaw) GeneHub Registry Agent Host
│ │ │
│ 1. GET /genes/:slug/manifest │ │
│ ─────────────────────────────────────►│ │
│ ◄───── Gene Manifest ────────────────│ │
│ │ │
│ 2. POST /resolve │ │
│ ─────────────────────────────────────►│ │
│ ◄───── 安装计划（含依赖） ────────────│ │
│ │ │
│ 3. 检测目标产品 │ │
│ ────── 自动识别 ────── │ │
│ │ │
│ 4. 调用 Adapter.install(manifest) │ │
│ ──────────────────────────────────────────────────────────►│
│ │ │
│ 5. Adapter 执行产品专属安装逻辑 │ │
│ ├── OpenClaw: 写 SKILL.md + │ │
│ │ 合并 openclaw.json │ │
│ ├── nanobot: 配置注入（待定） │ │
│ └── Generic: 输出 gene.yaml │ │
│ │ │
│ 6. POST /genes/:slug/installed │ │
│ ─────────────────────────────────────►│ (上报安装统计) │
│ │ │
所有产品适配器必须实现以下接口：
interface GeneAdapter {
/** 产品标识 */
readonly product: string;
/** 检测当前环境是否为该产品 */
detect(): Promise<boolean>;
/** 安装基因到 Agent Host */
install(manifest: GeneManifest, options?: InstallOptions): Promise<InstallResult>;
/** 卸载基因 */
uninstall(slug: string, options?: UninstallOptions): Promise<UninstallResult>;
/** 列出已安装的基因 */
list(): Promise<InstalledGene[]>;
/** 检查基因是否已安装 */
isInstalled(slug: string): Promise<boolean>;
/** 获取已安装基因的版本 */
getInstalledVersion(slug: string): Promise<string | null>;
/** 触发 bot 处理学习任务（可选，各平台 CLI 实现） */
triggerLearning?(prompt: string): Promise<void>;
}
interface InstallOptions {
/** 安装目标路径（可选，适配器有默认值） */
targetPath?: string;
/** 是否强制覆盖已安装版本 */
force?: boolean;
/** 是否跳过依赖安装 */
skipDependencies?: boolean;
}
interface InstallResult {
success: boolean;
slug: string;
version: string;
/** 安装的文件列表 */
files: string[];
/** 是否需要重启 Agent Host */
needsRestart: boolean;
/** 安装的依赖列表 */
dependencies: string[];
}
interface InstalledGene {
slug: string;
version: string;
installedAt: string;
files: string[];
}OpenClaw Adapter 负责将 Gene Manifest 转化为 OpenClaw 能理解的格式：
Gene Manifest
│
▼
┌─────────────────────────────────────────┐
│ OpenClaw Adapter │
│ │
│ 1. 写入 SKILL.md │
│ 路径: /root/.openclaw/skills/ │
│ {skill.name}/SKILL.md │
│ 内容: skill.content │
│ 自动补全 YAML front matter │
│ │
│ 2. 合并 openclaw.json │
│ config.openclaw.openclaw_config │
│ → 浅合并到 openclaw.json │
│ │
│ 3. 追加 tools.allow │
│ config.openclaw.tool_allow │
│ → 去重追加到 tools.allow 数组 │
│ │
│ 4. 注入 MCP Servers │
│ mcp_servers │
│ → 写入 openclaw.json 的 mcpServers │
│ │
│ 5. 确保 skill 发现配置 │
│ skills.load.extraDirs 包含 │
│ /root/.openclaw/skills │
│ │
│ 6. 标记需要重启 │
│ needsRestart = true │
└─────────────────────────────────────────┘
Gene Manifest
│
▼
┌─────────────────────────────────────────┐
│ DeskClaw Adapter │
│ │
│ 1. 写入 SKILL.md │
│ 路径: .cursor/skills/ │
│ {skill.name}/SKILL.md │
│ 或: skills/{skill.name}/SKILL.md │
│ │
│ 2. 写入 Rules（如果有） │
│ 路径: .cursor/rules/ │
│ {rule.name}.mdc │
│ │
│ 3. 应用 DeskClaw 专属配置 │
│ config.deskclaw → 项目配置 │
│ │
│ 4. 无需重启 │
│ needsRestart = false │
│ （Cursor 自动检测文件变化） │
└─────────────────────────────────────────┘
学习协议定义了 Agent 深度内化基因的标准流程。这是一个可选的高级能力——最简实现可以只做 install（文件写入），跳过学习过程。
| 等级 | 名称 | 能力 | 实现要求 |
|---|---|---|---|
| L0 | 直接安装 | 文件写入，无学习过程 | 实现 Adapter.install |
| L1 | 浅层学习 | Agent 阅读技能描述并确认理解 | L0 + 学习回调 |
| L2 | 深度学习 | Agent 个性化改写技能，生成专属版本 | L1 + Learning Engine |
| L3 | 自主进化 | Agent 主动发现、学习、创造、遗忘基因 | L2 + meta-learning 基因 |
NoDeskClaw 当前实现了 L0-L3 全部等级。新接入的产品可以从 L0 开始，逐步升级。
当 Agent Host 具备学习能力（L1+）时，安装流程扩展为：
Client Agent Host Learning Engine
│ │ │
│ install(manifest) │ │
│ ─────────────────────────►│ │
│ │ │
│ │ 发送学习任务 │
│ │ ────────────────────────►│
│ │ │
│ │ Agent 评估并执行学习 │
│ │ │
│ │ 学习结果回调 │
│ │ ◄────────────────────────│
│ │ │
│ InstallResult │ │
│ ◄─────────────────────────│ │
│ │ │
interface LearningTask {
mode: "learn" | "create" | "forget";
task_id: string;
// learn 模式
gene_slug?: string;
gene_content?: string;
gene_meta?: {
name: string;
description: string;
category: string;
};
learning?: {
objectives?: string[];
scenarios?: LearningScenario[];
force_deep_learn?: boolean;
};
// create 模式
creation_prompt?: string;
// forget 模式
learning_output?: string;
usage_count?: number;
// 通用
callback_url: string;
}
interface LearningScenario {
title: string;
context: string;
expected_focus: string;
}interface LearningResult {
task_id: string;
instance_id: string;
mode: "learn" | "create" | "forget";
decision:
// learn 模式
| "direct_install" // Agent 决定直接安装，无需个性化
| "learned" // Agent 完成深度学习，输出个性化版本
| "failed" // 学习失败
// create 模式
| "created" // Agent 创造了新基因
// forget 模式
| "forgotten" // 完全遗忘
| "simplified" // 简化保留
| "forget_failed"; // 遗忘失败
content?: string; // SKILL.md 内容（learned / simplified / created）
self_eval?: number; // Agent 自评分 0.0-1.0
reason?: string; // 失败原因 / 决策理由
// create 模式专属
meta?: {
gene_name: string;
gene_slug: string;
gene_description: string;
suggested_tags: string[];
suggested_category: string;
icon?: string;
};
}基因遗忘是学习的逆过程。分为两种模式：
1. 删除技能文件（SKILL.md）
2. 清除配置（openclaw.json / nanobot config 等）
3. 重启 Agent Host（如需要）
1. 发送遗忘任务到 Learning Engine
2. Agent 回顾该基因的使用经验
3. Agent 决策：
├── forgotten: 完全遗忘，删除所有相关文件
├── simplified: 保留简化版，降级为精简技能描述
└── forget_failed: 遗忘失败，回滚到原状态
4. 执行清理
5. 重启 Agent Host（如需要）
Agent 可以基于工作经验创造新基因，并通过 GeneHub 发布到生态：
Agent Host GeneHub Registry 审核者
│ │ │
│ Agent 提炼经验 │ │
│ 生成 Gene Manifest │ │
│ │ │
│ POST /genes │ │
│ ──────────────────────►│ │
│ │ │
│ │ review_status= │
│ │ pending │
│ │ │
│ │ 通知审核 │
│ │ ────────────────────►│
│ │ │
│ │ 审核通过/拒绝 │
│ │ ◄────────────────────│
│ │ │
│ Webhook: 审核结果 │ │
│ ◄──────────────────────│ │
│ │ │
Agent 创造的基因需要两步审核：
- 实例所有者审核（
pending_owner） - 管理员审核（
pending_admin）
学习通道利用各 bot 平台自有的 CLI 非交互对话能力，让 bot 基于 genehub-learner 技能自主完成学习。
流程：
genehub install <gene> --learn
|-- 1. 安装基因文件
|-- 2. 创建学习任务文件 learning-tasks/{slug}.md
|-- 3. 调用 adapter.triggerLearning() 触发 bot 对话
|-- bot 发现 learning-tasks/ 中的任务
|-- 自主学习并写入 learning-results/
Adapter 的 triggerLearning 方法是可选的。各平台实现：
| 平台 | CLI 命令 | 说明 |
|---|---|---|
| OpenClaw | openclaw agent --message "检查 learning-tasks/ 并处理学习任务" |
非交互对话 |
| nanobot | nanobot run --prompt "..." |
试验性，待确认 |
| DeskClaw | 待定 | 后续扩展 |
触发后不阻塞等待结果，学习在后台异步进行。
多个基因同时安装时，学习任务按序串行执行：
- 任务文件通过 front matter 的
order字段标识执行顺序 genehub-learnerSKILL.md 指引 Agent 按 order 排序逐个处理- 完成一个任务后再开始下一个，避免认知过载
GeneHub 收集各产品的基因使用效能数据，用于排行和推荐。
| 信号类型 | 来源 | 权重 |
|---|---|---|
user_positive |
用户点赞/好评 | 25% |
user_negative |
用户点踩/差评 | 25% |
agent_self_eval |
Agent 自评分 | 25% |
task_success |
使用该基因完成任务的成功率 | 50% |
interface EffectivenessReport {
gene_slug: string;
gene_version: string;
product: string; // 上报产品
instance_id: string; // Agent 实例标识
metric_type: "user_positive" | "user_negative" | "agent_self_eval" | "task_success";
value: number; // 0.0 - 1.0
context?: string; // 上下文说明
timestamp: string; // ISO 8601
}上报方式：
- 实时：
POST /api/v1/genes/:slug/effectiveness - 批量：
POST /api/v1/effectiveness/batch
遵循语义化版本（SemVer）：MAJOR.MINOR.PATCH
| 版本变更 | 含义 |
|---|---|
| MAJOR | 不兼容的 skill 内容变更（如删除关键能力） |
| MINOR | 新增能力或改进，向后兼容 |
| PATCH | 修复错误、优化描述 |
依赖声明支持 SemVer 范围：
| 声明 | 含义 |
|---|---|
"1.2.0" |
精确版本 |
">=1.0.0" |
大于等于 |
"^1.2.0" |
兼容版本（≥1.2.0, <2.0.0） |
"~1.2.0" |
近似版本（≥1.2.0, <1.3.0） |
"*" |
任意版本 |
Agent 深度学习产生的个性化版本作为原始基因的变体：
code-review@1.0.0 (原始)
├── code-review@1.0.0-variant.agent-alice (Agent Alice 的变体)
└── code-review@1.0.0-variant.agent-bob (Agent Bob 的变体)
变体保留 parent_gene_id 指向原始基因，版本号使用 prerelease 后缀标识。
发布到 GeneHub 的基因包结构：
<gene-slug>/
├── gene.yaml # Gene Manifest（必须）
├── SKILL.md # 技能内容（可选，也可内联在 gene.yaml 的 skill.content 中）
├── README.md # 说明文档（可选）
├── rules/ # 规则文件（可选）
│ └── *.mdc
└── examples/ # 使用示例（可选）
└── *.md
SKILL.md 是 OpenClaw 生态的标准技能描述文件，GeneHub 将其作为基因内容的主要载体：
---
name: code-review
description: 深度代码审查与优化建议
metadata:
openclaw:
always: false
---
你是一位资深代码审查专家...
## 审查维度
1. 安全性
2. 性能
...| 字段 | 必填 | 说明 |
|---|---|---|
name |
是 | 技能名，与 gene.yaml 的 skill.name 一致 |
description |
是 | 一行描述 |
metadata.openclaw.always |
否 | 是否始终激活（默认 false） |
基因内容可以选择两种方式之一：
方式 A：外部文件引用
# gene.yaml
skill:
name: "code-review"
file: "SKILL.md" # 引用外部文件方式 B：内联内容
# gene.yaml
skill:
name: "code-review"
content: | # 直接内联
---
name: code-review
...Registry 存储时统一展开为内联格式。
| 操作 | 认证要求 |
|---|---|
| 搜索、查看基因 | 无需认证（公开读） |
| 安装基因（下载 manifest） | 无需认证 |
| 发布基因 | API Token 认证 |
| 上报效能数据 | API Token 认证 |
| 管理操作（审核、删除） | API Token + Admin 角色 |
Authorization: Bearer ghb_xxxxxxxxxxxxxxxxxxxxx
Token 通过 genehub auth login 或 GeneHub Web UI 生成。
| 检查项 | 说明 |
|---|---|
| Manifest Schema 校验 | 发布时校验 gene.yaml 结构完整性 |
| MCP Server 白名单 | mcp_servers 中的 command 需在允许列表内 |
| 配置注入审查 | openclaw_config / tool_allow 变更需审核 |
| 内容扫描 | 检测恶意指令注入（prompt injection 防护） |
| 范围 | 模块 | 示例 |
|---|---|---|
| 1xxxx | 认证 | 10001 Token 无效 |
| 2xxxx | 基因 | 20001 基因不存在, 20002 版本冲突 |
| 3xxxx | 基因组 | 30001 基因组不存在 |
| 4xxxx | 安装 | 40001 依赖解析失败, 40002 兼容性不匹配 |
| 5xxxx | 学习 | 50001 学习任务超时, 50002 回调失败 |
| 9xxxx | 系统 | 90001 内部错误 |
| GLP 概念 | NoDeskClaw 对应实现 |
|---|---|
| Gene Manifest | Gene.manifest JSON 字段 |
| Adapter.install | gene_service._direct_install() |
| Adapter.uninstall | gene_service.uninstall_gene() |
| Learning Task | gene_service._send_learning_task() |
| Learning Result | gene_service.handle_learning_callback() |
| Learning Engine | openclaw-channel-learning Plugin |
| 效能上报 | gene_service.log_effectiveness() |
| 创造协议 | gene_service.trigger_gene_creation() + handle_creation_callback() |
| 遗忘协议 | gene_service._send_forgetting_task() + handle_forgetting_callback() |
一个新产品接入 GeneHub 的最低要求：
| 步骤 | 工作量 | 说明 |
|---|---|---|
| 1. 实现 GeneAdapter 接口 | 1-2 天 | install / uninstall / list |
| 2. 实现 detect() | 0.5 天 | 自动检测当前环境 |
| 3. 映射 Manifest → 产品格式 | 1-2 天 | skill.content → 产品原生技能文件 |
| 4. 测试 CLI 安装 | 0.5 天 | genehub install xxx 验证 |
总计约 3-5 天即可完成一个产品的基础接入。
基因组和 AI 员工模板与基因一样通过 Git 仓库管理。它们本质是引用清单（composition manifest），Git 仓库中存放 manifest 文件和可选文档，不含基因实际文件。
| Gitea Org | 存储内容 | 示例仓库 |
|---|---|---|
genes |
基因文件（gene.yaml + SKILL.md + 额外文件） | genes/clean-code |
genomes |
基因组 manifest（genome.yaml + README.md） | genomes/fullstack-dev |
templates |
模板 manifest（template.yaml + README.md） | templates/senior-backend |
name: "全栈开发基因组"
slug: "fullstack-dev"
version: "1.0.0"
description: "全栈开发必备基因组合"
short_description: "全栈开发基因组合"
category: "development"
tags: ["fullstack", "development"]
genes:
- slug: "code-review"
version: "1.0.0"
- slug: "clean-code"
version: "1.0.0"
- slug: "debugging"
version: "1.0.0"
compatibility: ["openclaw", "nanobot"]
author:
type: "human"
name: "GeneHub Team"name: "高级后端工程师"
slug: "senior-backend"
version: "1.0.0"
description: "适合后端开发的 AI 员工模板"
short_description: "后端工程师模板"
role: "后端工程师"
category: "engineering"
tags: ["backend", "engineering"]
genomes:
- slug: "fullstack-dev"
version: "1.0.0"
genes:
- slug: "data-analysis"
version: "1.0.0"
compatibility: ["openclaw", "nanobot"]
author:
type: "human"
name: "GeneHub Team"genehub genome publish <dir> # 发布基因组（扫描 genome.yaml + 目录文件）
genehub genome install <slug> # 安装基因组：解析基因列表 -> 逐个安装所有基因
genehub genome list # 搜索基因组
genehub genome info <slug> # 查看基因组详情 + 引用的基因列表
genehub template publish <dir> # 发布 AI 员工模板
genehub template install <slug> # 递归安装：先安装基因组 -> 再安装额外基因
genehub template list # 搜索模板
genehub template info <slug> # 查看模板详情协议持续演进中，欢迎各产品团队反馈。