fix(consult): read the live skill tree instead of a hash-pinned snapshot

Manual SKILL.md updates were blocked by registry sha256 and a byte-equal versions/ gate. Consult now loads the operator-maintained tree; rectification and personal-report stay hashed.

Co-authored-by: Cursor <cursoragent@cursor.com>

frontend/README.md

@@ -8,7 +8,7 @@ Jyotisha 是 `yinduzhanxing` 的聊天式消费者 Web 前端。它使用 Next.j
 Browser
   -> Next.js /api/consult
     -> Mastra agent
-      -> 按问题语义加载 jyotish-vedic-astrology Skill
+      -> 绑定 live jyotish-vedic-astrology Skill 方法摘录
       -> consultation tool
         -> Python /api/consultation_workflow
 ```
@@ -51,7 +51,7 @@ MODEL_PROVIDER_CONFIG_ENCRYPTION_KEY=<strict-base64-32-byte-key>
 
 ## Skill 如何触发
 
-不需要输入 `/skill` 命令。Mastra 会先把 Skill 的 `name` 和 `description` 提供给模型；当用户问题与印度占星、解盘、推运、Dasha、Transit、Nakshatra、Yoga 等语义匹配时，Agent 会按需加载完整 Skill，再调用计算工具。
+不需要输入 `/skill` 命令。解盘 Agent 在启动时从 live skill 树绑定运行时方法摘录，再调用计算工具；模型没有「先激活 skill」这一步。
 
 例如，先在“个人资料”中保存出生信息，然后直接发送：
 
@@ -63,7 +63,7 @@ MODEL_PROVIDER_CONFIG_ENCRYPTION_KEY=<strict-base64-32-byte-key>
 
 ```text
 用户问题
-  -> Mastra 识别并加载 jyotish-vedic-astrology
+  -> 已绑定的 live jyotish-vedic-astrology 方法
   -> Agent 依据 Skill 选择工作流
   -> run-jyotish-consultation
   -> Python consultation_workflow
@@ -72,7 +72,7 @@ MODEL_PROVIDER_CONFIG_ENCRYPTION_KEY=<strict-base64-32-byte-key>
 
 必须配置可用的模型 Key 才会进入这条链路。没有配置模型时，`/api/models` 返回 `503`，聊天框会停止发送；`/api/consult` 也会在预扣点数前拒绝未知或不可用模型。成功咨询始终由 Mastra Agent 生成流式回答。
 
-仓库根目录的主 `SKILL.md` 通过 `skills/jyotish-vedic-astrology/` 这个 Mastra 兼容目录加载。该目录名必须与 Skill frontmatter 中的 `name` 一致。生产部署时需确保 `SKILL.md`、`references/`、`scripts/` 和 `assets/` 一起存在；如果目录结构不同，请设置 `JYOTISH_SKILL_PATH`。
+仓库根目录的主 `SKILL.md` 通过 `skills/jyotish-vedic-astrology/` 加载。该目录名必须与 Skill frontmatter 中的 `name` 一致。咨询读这份 live 目录，不校验 sha256、不钉版本；更新 skill 后重启 web 即可。部署时需确保 `SKILL.md`、`references/`、`scripts/` 和 `assets/` 一起存在；如果目录结构不同，请设置 `JYOTISH_SKILL_PATH`。生时纠正和个人报告仍使用哈希锁定的版本包。
 
 ## 本地启动