Claude Skills by HACK-WU

把 archify 生成的图表 HTML 无头导出为 SVG 文件：复用成品页面内置的官方导出代码 Archify.exportMenu.run()，不重写渲染逻辑，产物与人工在浏览器点 Export 完全一致（含深浅双主题）；需本地已装 Chrome/Chromium。仅覆盖 SVG。本 skill 默认不自动触发，仅当用户显式指定（如 @command://archify-svg-export，或点名要求使用本 skill）时才生效。

对整体功能或完整模块做交付前验收。以用户确认过的验收指标清单为驱动逐条核验，证据分三层（已有测试套件为基础，临时场景测试与 e2e 真实链路为重点），只判定不修改产品代码，产出锚定分支与 commit 的验收报告，支持二次验收。仅用户明确指定时触发。触发："验收这个功能"、"验收这个模块"、"做验收"、"验收测试"、"acceptance test"、"复验"。注：只需回答"流程跑通没有"时用 e2e-testing。

基于需求文档和设计文档，生成包含接口契约、关键代码设计、错误码定义的 API 设计文档。适用于"设计 API"、"接口设计"、"api design"等场景，或 design-craft 完成后需补充 API 设计细节时。

基于 httpflex-py 库指导 AI 自主完成 HTTP API 测试的技能。将用户用自然语言描述的接口（或文字说明）解析为端点清单，自动生成 httpflex 测试客户端、构造并发送请求、对响应 data 做业务断言，并产出结构化测试报告。当用户要求测试/验证 HTTP 接口、做自动化 API 测试、或提供接口描述需要连通性与业务断言验证时使用。

对代码、设计文档、Skill 文件进行系统化优化分析，发现可优化点并按优先级给出具体改进建议。不关注"有没有 bug"，只关注"能不能更好"。触发短语：'优化这段代码'、'优化这个设计'、'优化这个 skill'、'怎么改进这段代码'、'这个设计有什么优化空间'、'帮我优化一下'、'artifact optimizer'、'质量优化'、'这段代码能更好吗'、'这个设计能优化吗'、'有没有优化空间'、'怎么改进'、'改进一下'。当用户说'看看这段代码'、'review 这个代码'时优先触发 code-review；当用户说'改一下'、'改成'时优先触发 request-guard。

AI 生成 Markdown 文件或代码文件后，自动触发质量审查与修复闭环。审查完成后自动判断是否属于复杂场景，若属于则调用 challenger skill 进行二次质疑。触发条件：每次使用 write_to_file 或 replace_in_file 写入 .md / 代码文件后自动执行。

Bug 修复影响分析。分析修复的根因是否被真正解决、修复是否引入副作用、影响范围和回归风险。触发短语：'分析这个bug的影响'、'这个修复会影响什么'、'bug impact analysis'、'评估修复风险'，或在用户描述 Bug 现象后要求自动分析时触发。

质疑者，专门寻找评审可能遗漏的问题。支持对代码变更、设计文档和分析/审查报告进行二次质疑，发现潜在风险。触发短语：'质疑这个修复'、'挑战这个代码'、'二次审查'、'质疑这个设计'、'挑战这个方案'、'这个设计真的没问题吗'，或被其他 skill（review-panel、bug-impact-analysis、auto-review、code-review 无阻塞项自动接力）调用对其产出进行质疑时触发。

从代码骨架（design-to-code 产出）系统化地填充方法实现、解决 TODO 标记。按骨架批次依赖顺序分批编码，每批先读取骨架契约注释 + 调研结果 + 依赖文档作为参考上下文再补全方法体，同批并行加速。编码完成后验证实现是否满足骨架契约。适用于"骨架编码"、"按骨架实现代码"、"填充骨架"、"implement skeleton"、"开始编码"等场景，或 design-to-code 完成后用户选择"开始编码实施"时触发。

多语言代码多维度专业 Code Review，以语义一致性为核心，覆盖安全性、Bug风险、代码规范、架构设计、性能、测试覆盖七大维度。触发短语：'review 这个提交'、'code review'、'检查这段代码'、'审查代码变更'，或用户提供 git diff、commit hash 时自动触发。

在设计前对代码库进行按需调研，只调研与当前需求相关的维度。强制 ki-search 查询项目记忆与资产复用（expert-lookup/solution-lookup）优先，不足时再代码搜索。需搜索维度 ≥ 2 时自动并行搜索加速。适用于"代码调研"、"了解现有代码"、"项目代码风格"、"架构调研"等场景，或在设计前置阶段被调用。

指导AI如何精简skill和rules文件内容，识别冗余、重复、过时内容，提升决策流程清晰度与上下文窗口利用效率。注意：本 skill 专指**精简文件内容**（去冗余/过时/重复），不是"系统优化分析"（那是 artifact-optimizer）、也不是"修改前质疑"（那是 request-guard）。触发短语：'精简skill'、'简化内容'、'压缩文件'、'清理冗余'、'文件过长'、'内容冗余'、'精简这个文件'。

引导用户创建符合规范的 AI 规则文件（rules/*.md）。当用户要求创建规则、编写规则、新建规则文件时使用。触发短语包括："创建规则"、"写一个规则"、"新建规则"、"create rule"、"add rule"。

指导用户创建有效的 Agent Skills。当用户想要创建、编写新技能，或询问技能结构、最佳实践、SKILL.md 格式时使用；创建前默认先做参照调研（本仓库同族 skill + 管理源 + 社区联网搜索），借鉴现有设计而非从零起草。

指导用户创建符合项目规范的自定义子 Agent。当用户要求创建子 Agent、自定义 Agent、新建 agent 提示词，或需为特定业务领域（评审、测试、文档、信息收集）建立专用子 Agent 时使用。触发短语："创建子agent"、"新建agent"、"create agent"、"create sub-agent"。

构建数据模型（ER 图）和数据流图，明确数据结构与数据流向。支持简单 CRUD、并发、分布式、实时流、批处理等多场景，根据场景类型叠加特定分析。适用场景："画一下 ER 图"、"数据怎么流的"、"帮我设计数据模型"、"这个分布式场景下数据怎么同步"、"并发场景下数据一致性怎么保证"，或技术设计之前需先理清数据结构和数据流向时。

系统化排错。以运行时证据驱动的复现→假设→验证→定位→修复闭环，排查报错、测试失败、行为异常等问题。触发短语：'排查这个bug'、'debug 一下'、'为什么会报错'、'定位一下问题'、'复现这个问题'、'这个测试为什么挂了'，或运行报错/测试失败需要定位根因时触发；或被 api-testing / e2e-testing / demo-verify 转交定位失败根因时触发。

在完整开发之前，针对设计中的风险点构建可运行的验证原型，确认设计可行后再投入开发。仅在复杂/高风险需求中自动触发。适用场景：设计涉及未使用过的技术/API、性能敏感路径、第三方系统集成、有多个备选需要对比、用户要求"先做个 demo 验证"。输入设计文档，输出验证报告和决策建议。

在设计前识别并整理第三方依赖文档。扫描需求中的外部系统、API、SDK 等依赖，每个依赖生成独立文档，存入需求目录。依赖数量 ≥ 2 时自动调用 task-dispatch 并行收集信息以加速。适用于"整理第三方依赖"、"收集 API 文档"、"外部依赖梳理"等场景。

将需求描述转化为面向技术评审的设计文档，默认拆分为父文档+子需求文档的多文档结构。适用于"写设计文档"、"生成设计方案"、"出设计"、"帮我设计"、"design doc"、"dd"、"td"等场景。仅在用户已能给出基本可读的需求描述时使用，不替代需求分析或产品设计。

对设计文档进行结构化评审，产出按严重度分级的问题清单和修改建议。优先识别 design-craft 格式以获得更精准的评审，同时兼容任意格式的设计文档。适用于"评审设计"、"review 设计文档"、"帮我看看这个设计"、"设计评审"、"design review"、"review design doc"、"审查设计"等场景。仅在用户已有一份可读的设计文档时使用，不替代设计文档的生成。

从设计文档生成代码骨架（文件+类+方法结构），将接口契约、数据模型、异常处理等以契约级注释嵌入代码中，使 AI 编码时无需反复查阅外部文档。大型项目按依赖批次分批生成，同批并行加速。生成前先评估架构风格与设计模式并与用户确认。适用场景：(1) 设计文档完成后准备编码，(2) "生成代码骨架"、"搭骨架"、"按设计生成代码结构"，(3) 设计变更后更新骨架，(4) AI 编码阶段需降低 token 消耗，(5) 修改现有代码时标注 TODO + 契约注释。

为项目生成高质量 README 及子文档。根据项目类型自动选择编写策略，README 作为索引枢纽，详细内容拆分到子文档。适用于"生成 README"、"写项目文档"、"补文档"、"write docs"、"write readme" 等场景。

对真实运行系统执行端到端验证。按业务旅程编排多类型步骤，通过跨步骤共享状态串联，验证跨组件最终一致状态。当用户要求"跑一遍完整流程看看对不对""真实链路测试""端到端验证""全链路验证""检查跨系统终态""验收测试""acceptance test"时使用。

评审 AI 技能生态（skills/rules/memories/agents）的整体一致性、冗余健康度、资产定位与触发链闭环，含跨 skill 工作流推演（非零冗余，甄别"提注意力的有意冗余"vs"有害重复/冲突"）。低频元评审，仅用户明确指定时触发（审体系结构，非工作流机制）。触发："评审技能生态"、"体检技能体系"、"ecosystem review"、"三层一致性检查"。

站在使用者视角审查 expert-team 产出的专家资产，核对内容能否被零上下文用户看懂、照用，以及格式是否合规（R1–R7 / CR1–CR9 / INDEX）。核心判据：假设使用者是一个只拿到文档、没有代码上下文的用户，他能看得懂么。格式类问题自动修复，可读性问题报告并给修复路径。触发短语："核对专家团"、"审查专家资产"、"这个专家文档能看懂吗"、"expert audit"、"检查专家资产"、"验收专家文档"、"审查专家包"，或 expert-team 创建/合并补全完成后自动触发。

查找并复用已沉淀的"业务专家"资产包（由 expert-team 生成，落盘于 .module-experts/）。通过 INDEX.md 的匹配关键词提升命中率，并在使用中自动追加新关键词。支持多专家同时加载（最多3个），按使用意图分层加载（使用→契约层，深入→实现层+源码）。支持子专家查找和专题查找（专题→专家→子专家三级结构），使用中发现不一致时可受限增量更新契约层。触发短语："有没有这个模块的专家"、"找一下告警相关的专家"、"这个模块有现成资料吗"、"查专家"、"expert lookup"，或在 AI 接手某业务模块、排查某领域问题时自动触发。

资产复用工作流。区分"业务专家团"与"解决方案"两类可复用资产的本质差异；遇到业务模块任务先查 expert-lookup，遇到具体技术问题先查 solution-lookup，解决后可复用问题用 solution-capture 沉淀、可复用模块用 expert-team 沉淀。当用户说"查专家"、"有没有现成方案"、"沉淀一下"、"记录解决方案"、"建专家团"，或遇到/解决问题时自动触发。

派出多专家子 agent 并行深挖单个业务模块，产出含"契约层（黑盒使用文档）+ 实现层（白盒技术文档）"两层资产的"业务专家"包，供后续直接使用或导航代码。大型模块可按功能拆分为子专家，超大模块可创建专题（专题→专家→子专家三级结构），大模块支持分批创建。创建前输出计划预览（专家名由业务功能自动派生、含匹配关键词），用户确认后实施。落盘到 .module-experts/。触发短语："掌握这个模块"、"深度分析 xxx 模块"、"梳理这个模块"、"建模块专家团"、"module expert team"，或需要对某业务模块建立深度、持久、可复用的领域专家资产时。

为前端生成 API 集成指南，将 API 设计文档转化为可直接编码的调用流程文档。适用场景：api-design 完成后需交付给前端时、"生成前端 API 文档"、"API 调用流程"。

管理 GitNexus 代码索引——创建（首次 analyze 建索引）、增量更新（status 检测过期后自动 analyze）、强制重建与修复（--force 全量重建、--repair-fts 修全文搜索、--embeddings 重建向量）。当用户想让 AI 快速为仓库创建代码索引、更新过期索引、或修复损坏索引时使用。触发短语："创建代码索引"、"更新代码索引"、"索引过期了"、"重新建索引"、"修复索引"、"gitnexus 索引"。

对项目的 AI 编码工作流（Harness）做轻量体检：从任务理解、受控执行、变更验证、可靠交付、学习沉淀五个维度评估工作流机制是否存在、是否被接入、是否真的被使用，产出带证据状态标注的 Markdown 体检报告。触发短语："体检一下工作流"、"评估 AI 工作流"、"harness review"、"工作流健康检查"、"这个项目的 AI 协作机制怎么样"。纯 Markdown 实现，零运行时依赖，适用于任何 IDE/agent 环境。

需求完成后生成实现总结报告，记录最终实现效果、关联提交、偏差记录。自动读取 .requirements/config 配置，报告与需求摘要一一对应。适用场景："生成实现报告"、"记录一下完成情况"，或需求开发完成后需归档实现结果时。需求状态变为"已完成"时自动触发，或用户手动要求。

设计人机交互层——用户怎么跟系统打交道。不画 UI，只关注交互逻辑：谁在用、怎么操作、看到什么、出错怎么办。支持脚本/CLI、Web、API、SDK 等多场景类型。适用场景："设计一下这个脚本怎么用"、"规划用户操作流程"、"这个 API 的交互怎么设计"、"帮我设计命令行参数"、"用户遇到错误时应该看到什么"，或技术设计之前需理清交互逻辑时。

统一查询 ki-search 记忆的 SSOT（单一事实源）。封装查 ki 的公共动作（ki 可用性检测、scope 确定、符号提准、降级不阻塞），按记忆类型分发到不同 reference 策略：专题记忆（模块内部知识路标）、接口信息（对外 API）、数据流（数据实体流向）、强关联（跨模块耦合）、决策记忆（为什么这么定）、错误库（报错→解法）、待生效变更（知识资产待合入的变更台账，直查不语义检索）。触发短语："查记忆"、"查强关联"、"改A要连带改B吗"、"这个模块牵动哪些"、"当初为什么这么定"、"这个报错见过吗"、"有没有待结账的变更"、"ki memory lookup"。

统一往 ki-search 写入记忆的 SSOT（单一事实源）。封装写 ki 的公共动作（ki 可用性检测、scope 确定、格式硬约束、查重、降级策略、删除），按记忆类型分发到不同 reference 策略：专题记忆（模块内部知识路标）、接口信息（对外 API）、数据流（数据实体流向）、强关联（跨模块耦合）、决策记忆（为什么这么定）、错误库（报错→解法）、待生效变更（知识资产待合入的变更登记，纯 KB 不向量化）。触发短语："写专题记忆"、"写 ki 记忆"、"记录强关联到 ki"、"记录决策"、"记录这个报错"、"登记待生效变更"、"结账待生效变更"、"ki memory write"。

项目记忆优先。遇到任何任务/问题，务必先使用 ki_search 查询项目记忆（口诀：遇事不决 ki-search），先看记忆里已有什么；无结果或记忆不充分时，再走专家团（expert-lookup）+ 解决方案（solution-lookup）复用路径。已定位/已修改代码时必查强关联关系。当用户说"查记忆"、"改A要连带改B吗"，或任何任务开始前自动触发。

在沉淀可复用资产（skill/rule/solution/memory/脚本）之前，先检查证据是否充分、现有覆盖是否已存在、哪个载体最小合适，输出路由结论后再决定是否创建，防止资产泛滥。触发短语包括："沉淀个skill"、"创建一个技能"、"做成规则"、"这个要不要沉淀"、"loop discovery"，或 AI 主动想将重复工作沉淀为持久资产时自动触发。

指导 AI 生成简洁的记忆内容描述。当用户想要记录事情、创建记忆、生成记忆摘要时使用。触发短语包括："记住这个"、"创建记忆"、"记录一下"、"帮我记住"、"memory"。

从其他项目中提取优秀架构设计或功能实现，剥离业务耦合后迁移到 PythonCodeHub。适用于“迁移到 CodeHub”“提取到 PythonCodeHub”“把这个设计迁移过来”“重构后加入 CodeHub”“migrate to codehub”等场景。

系统讲解代码，支持两类讲解对象——模块讲解（能力大纲→代码 wiki→功能推演→应用场景→数据流）与变更讲解（commit / PR / 任意 diff 范围：变更大纲→逐处解读→影响面分析→意图与权衡→风险待确认）。区分通用知识与项目专用知识，产出可反复查阅的 Markdown 学习材料（Mermaid 内嵌 + 复杂图 SVG）。设正确性核对质量闸门与 course-reviewer 双视角评审，支持大模块分批讲解、按学习目标调整深度、可选知识点对齐（选择题模式，自动评分 + 跨轮次追踪进步）。当用户需要理解、接手或讲解某个代码模块或某次变更，或说"讲讲这个模块""学习一下XXX代码""帮我搞懂这块代码""讲讲这个 commit/PR 做了什么""这个改动是什么意思""考我一下""知识点对齐"时使用。讲解对象须是本项目代码；通用知识主题（k8s/理财）用 topic-teach；要挑毛病或判断该不该合用 code-review。

从正向需求出发，分析用户错误使用、中途放弃、状态异常等负向场景，设计程序的检测、恢复和引导策略。当需求挖掘完成后需要补充负向场景分析，或用户提到"错误处理"、"异常场景"、"边界情况"、"用户犯错"时使用。

对接口/请求链路做系统化性能分析：盘点现有证据（APM、压测报告、火焰图、慢查询、监控日志）与代码，按链路拓扑、数据访问、缓存、外部依赖、并发异步、CPU 算法、内存 GC、数据规模八层定位瓶颈，量化收益上限并按收益×难度排优先级，产出面向开发或产品的性能分析报告与验证计划。结论为性能不佳时必给双路径优化建议：A 功能等价的技术优化（不改产品行为）+ B 牺牲部分产品功能换性能（调用 product-manager 做产品取舍分析，本 skill 不自裁砍功能）。触发短语：'性能分析'、'为什么这么慢'、'接口 RT 高'、'响应慢'、'CPU 打满'、'内存占用高'、'性能优化'、'出份性能报告'、'压测结果分析'、'火焰图/慢查询分析'、'容量评估'、'两份数据对比'、'优化前后对比'、'同样的接口为什么一个快一个慢'、'怎么才能快'、'能不能砍功能换性能'。变更 diff 的性能隐患属 code-review；泛化代码优化建议属 artifact-optimizer；功能异常排错属 debug。

plan 模式的执行者——为复杂任务建档并跟踪执行：在项目根 `.plans/` 下生成 plan.md（目标 / 完成判据 / 工作项状态）与 checklist.md（可勾选自评审清单），执行中按证据更新进度，完成后逐条自评审并回写清单。由 `plan-track` 规则识别场景后调用，也可用户直接要求，或由上游 skill 交接（如 `requirement-mining` 快速实现路径默认调用）——说"列个计划"、"创建计划文档"、"跟踪进度"、"做完自检"、"进入 plan 模式"，或任务涉及多文件、多模块、多阶段、需跨会话续做时使用。

站在产品经理视角完成四类工作。M1 需求定义：编排 requirement-mining 与 negative-requirement，一次成型产出需求报告（含负向场景），免去手动逐个调用与反复细化。M2 产品体验走查：对已实现的产品做体验走查，找出可优化点并按 Kano + 价值×成本排优先级。M3 缺失功能推演：从代码推演产品还缺什么功能，带证据分级防臆造。M4 界面视觉走查：对前端页面做视觉与体验检查，按能力探测自动降级（自动截图 / 请用户上传截图 / 静态源码推演）。当用户提出功能想法要出需求、说"站在产品/PM 角度看看"、"这个产品还能优化什么"、"还缺什么功能"、"看看这个页面/界面怎么样"、"帮我体验一下这个产品"、"产品评审"、"pm 评审"时使用。

在用户突然提出修改请求时，先快速检查其合理性再决定是否执行。通过三维度检查（冲突/替代方案/副作用），输出通过/存疑/拦截结论，防止被突发奇想带着跑。注意：本 skill 守的是**修改动作前的质疑**；若用户要的是"系统优化分析"（发现可优化点，不改动）则走 artifact-optimizer，要"精简文件内容"则走 content-simplifier。触发短语："改一下"、"改成"、"修改"、"能不能这样改"等短小、突然、缺乏上下文的修改请求。

需求相关文档的通用存储规范。根据文档类型自动决定存储路径，确保各 skill 产出文档统一归位到需求目录下的正确子目录。适用场景：任何 skill 生成需求相关文档后需要落盘时（如设计文档、数据流图、验证报告、审查报告、实现报告等）。

从用户的功能描述中深度挖掘真实需求，打穿表象找到根因，转译为可落地的技术需求清单，并在分析阶段就用「现状 → 预期」图示（Mermaid 流程 / ASCII 界面）呈现流程、数据流、UI 的变化。采用"先推理后确认"模式。适用场景：用户提出功能描述/改善诉求、抱怨问题、性能反馈、探索性提问，需从原始需求理清动机和场景，或需在需求分析阶段看清改动前后流程/数据流/界面对比时（单纯"把图画出来/把设计稿转文本"属 ui-to-ascii、archify）。

启动多个子agent组成评审团，对方案/代码/设计进行多角色评审。 仅在用户**明确要求使用评审团**时启用，例如直接提到"评审团"、"review panel"、 "用评审团评审"、"启动评审团"等表达。 支持评审团模式（双挑战者独立质疑 + 三评委评分讨论 + 主agent法官研判）， 产出包含原始方案、反对意见、评委评分及最终判断的完整评审报告。

通过模拟真实使用场景验证可行性。支持四种对象：设计文档（验证设计点可行性）、需求文档（验证需求完整性/一致性/验收可达性）、Skill（验证触发准确性、指令完整性等质量维度）和代码（纸上执行：用具体场景实例沿代码追踪状态演进，验证终态与中间态）。适用场景："推演一下这个设计"、"验证设计方案"、"推演一下这个需求"、"推演一下这个 skill"、"推演一下这段代码"、"模拟跑一下这个函数"、"桌面走查"，或 design-craft 完成后自动触发。