All authors
Claude Skills by HACK-WU
github.com/HACK-WU69 skills0 installs134 views
- Archify Svg Export把 archify 生成的图表 HTML 无头导出为 SVG（复用成品页内置的 Archify.exportMenu.run()，产物与人工点 Export 一致，含深浅双主题），需本地已装 Chrome/Chromium。默认不自动触发，仅在用户显式点名本 skill 时生效。Votes: 0GitHub stars: 2
- Acceptance Verify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逐条核验（已有测试套件 + 临时场景测试 + e2e 真实链路三层证据），只判定不改产品代码，产出锚定分支与 commit 的验收报告，支持复验。仅用户明确指定时触发（"验收这个功能/模块"、"做验收"、"验收测试 / acceptance test"、"复验"）；只问"流程跑通没有"用 e2e-testing。Votes: 0GitHub stars: 2
- Api Design基于需求与设计文档生成可实施的 API 设计文档（接口契约、关键代码设计、错误码定义、请求/响应示例）。触发："设计 API"、"接口设计"、"api design"，或 design-craft 之后补充 API 设计细节。Votes: 0GitHub stars: 2
- Api Testing基于 httpflex-py 自主完成 HTTP API 测试：把自然语言接口描述解析为端点清单，生成测试客户端、构造并发送请求、对响应 data 做业务断言，产出结构化测试报告。触发："测试/验证这个 API"、"自动化接口测试"。Votes: 0GitHub stars: 2
- Artifact Optimizer对代码、设计文档、Skill 做系统化优化分析，按优先级给出"还能更好"的改进建议（不查 bug）。触发："优化这段代码/设计/skill"、"有什么优化空间"、"怎么改进"、"artifact optimizer"；纯 review 走 code-review，修改请求走 request-guard。Votes: 0GitHub stars: 2
- Auto Review写入 .md / 代码文件后自动做质量审查与修复闭环，判断是否属复杂场景（是则接力 challenger 二次质疑），并在契约面改动时提示影响面缺口（建议转 code-change-impact，不自动执行）。触发：每次 write_to_file / replace_in_file 写入后自动执行。Votes: 0GitHub stars: 2
- Challenger质疑者：专找评审可能遗漏的问题，对代码变更、设计文档、分析/审查报告做二次质疑。触发："质疑这个修复/设计/方案"、"二次审查"，或被 review-panel、auto-review、code-review、code-change-impact 接力调用。Votes: 0GitHub stars: 2
- Code Implement按骨架（design-to-code 产出）分批填充方法实现、解决 TODO：每批先读契约注释 + 调研/依赖文档，完成后验证实现是否满足契约。触发："骨架编码"、"填充骨架"、"实现代码"、"implement skeleton"、"开始编码实施"。Votes: 0GitHub stars: 2
- Code Review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、Bug 风险、规范、架构、性能、测试覆盖，输出分级问题清单。触发："review 这个提交/PR/分支"、"code review"、"检查这段代码"、"看看我改得对不对"，或提供 commit hash / git diff / PR 编号 / 分支对比时。Votes: 0GitHub stars: 2
- Code Survey设计前对代码库按需调研（只查与当前需求相关的维度），优先查项目记忆与专家/方案资产，不足再搜代码，多维并行加速。触发："代码调研"、"了解现有代码"、"项目代码风格"、"架构调研"，或设计前置阶段。Votes: 0GitHub stars: 2
- Content Simplifier精简 skill / rules 文件内容：识别冗余、重复、过时内容，提升决策清晰度与上下文利用效率。触发："精简 skill"、"简化内容"、"压缩文件"、"清理冗余"、"文件过长"。系统优化分析走 artifact-optimizer，修改前质疑走 request-guard。Votes: 0GitHub stars: 2
- Create Rules引导创建符合规范的 AI 规则文件（rules/*.md）。触发："创建规则"、"写一个规则"、"新建规则"、"create rule"、"add rule"。Votes: 0GitHub stars: 2
- Create Skill指导创建有效的 Agent Skills；创建前默认先做参照调研（本仓同族 skill + 管理源 + 社区搜索），借鉴现有设计而非从零起草。触发："创建技能/skill"、"SKILL.md 怎么写"。Votes: 0GitHub stars: 2
- Create Sub Agent指导创建符合项目规范的自定义子 Agent。触发："创建子 agent"、"新建 agent"、"create agent"、"create sub-agent"，或为评审/测试/文档/信息收集等领域建专用 agent。Votes: 0GitHub stars: 2
- Data Flow Model构建数据模型（ER 图）与数据流图，支持简单 CRUD、并发、分布式、实时流、批处理等场景的叠加分析。触发："画 ER 图"、"数据怎么流"、"设计数据模型"、"并发下一致性怎么保证"，或设计前理清数据结构与流向。Votes: 0GitHub stars: 2
- Debug系统化排错：以运行时证据走"复现 → 假设 → 验证 → 定位 → 修复 → 回归"闭环；本地无法复现的线上 Bug 支持人工代执行的只读取证、证据固定与可选排查报告；前端页面类问题支持浏览器运行时取证（console / 失败请求 / DOM / 截图）。触发："排查这个 bug"、"debug 一下"、"为什么会报错"、"定位一下问题"、"这个测试为什么挂了"、"页面白屏"、"点了没反应"、"线上 Bug 本地复现不了"、"线上只读排查"，或被 api-testing / e2e-testing / demo-verify 转交定位根因。Votes: 0GitHub stars: 2
- Demo Verify完整开发前针对设计中的风险点构建可运行原型，验证可行再投入开发（仅复杂/高风险需求自动触发）。触发："先做个 demo 验证"、设计涉及没用过的技术/API、性能敏感路径、第三方集成、多方案对比。Votes: 0GitHub stars: 2
- Dependency Docs设计前识别并整理第三方依赖文档：外部系统 / API / SDK 各成独立文档并存入需求目录，依赖 ≥ 2 个时并行收集。触发："整理第三方依赖"、"收集 API 文档"、"外部依赖梳理"。Votes: 0GitHub stars: 2
- Design Craft把需求描述转为面向技术评审的设计文档（默认父文档 + 子需求文档的多文档结构）。涉及页面样式 / 布局时，先出 ASCII 布局图并经用户确认（阶段 2.4）才继续设计。触发："写设计文档"、"生成设计方案"、"出设计"、"帮我设计"、"design doc"、"dd"；需用户已能给出可读需求，不替代需求分析。Votes: 0GitHub stars: 2
- Design Review对设计文档做结构化评审，产出按严重度分级的问题清单与修改建议（优先识别 design-craft 格式，兼容任意格式）。触发："评审设计"、"review 设计文档"、"设计评审"、"design review"、"帮我看看这个设计"。Votes: 0GitHub stars: 2
- Design To Code从设计文档生成代码骨架（文件 + 类 + 方法），把接口契约、数据模型、异常处理写进契约级注释，让后续编码不必反复翻文档；生成前先与用户确认架构风格与设计模式。触发："生成代码骨架"、"搭骨架"、"按设计生成代码结构"，或设计完成后准备编码。Votes: 0GitHub stars: 2
- Document Writer为项目生成高质量 README 及子文档（README 作索引枢纽，详细内容拆到子文档）。触发："生成 README"、"写项目文档"、"补文档"、"write docs"、"write readme"。Votes: 0GitHub stars: 2
- E2e Testing对真实运行系统做端到端验证：按业务旅程编排步骤、跨步骤共享状态，验证跨组件最终一致状态。触发："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"。Votes: 0GitHub stars: 2
- Ecosystem Review低频元评审（仅用户明确指定时触发）：评审 skills/rules/memories/agents 生态的整体一致性、冗余健康度、资产定位与触发链闭环，含跨 skill 工作流推演。触发："评审技能生态"、"体检技能体系"、"ecosystem review"、"三层一致性检查"。Votes: 0GitHub stars: 2
- Expert Audit站在使用者视角审查 expert-team 产出的专家资产：零上下文用户能否看懂照用、格式是否合规（R1–R7 / CR1–CR9 / INDEX），格式问题自动修复、可读性问题给修复路径。触发："核对专家团"、"审查专家资产"、"expert audit"，或 expert-team 产出后自动触发。Votes: 0GitHub stars: 2
- Expert Lookup查找并复用已沉淀的"业务专家"资产包（.module-experts/）：按使用意图分层加载（使用 → 契约层，深入 → 实现层 + 源码），支持子专家与专题查找。触发："有没有这个模块的专家"、"查专家"、"expert lookup"，或 AI 接手/排查某业务模块时。Votes: 0GitHub stars: 2
- Expert Solution Workflow资产复用工作流：区分"业务专家团"（领域地图，走 expert-lookup）与"解决方案"（场景菜谱，走 solution-lookup），并把解决后的可复用成果路由到 solution-capture / expert-team。触发："查专家"、"有没有现成方案"、"沉淀一下"、"记录解决方案"、"建专家团"。Votes: 0GitHub stars: 2
- Expert Team派多专家子 agent 并行深挖单个业务模块，产出"契约层（黑盒使用）+ 实现层（白盒技术）"两层资产的专家包（落 .module-experts/），大模块可拆子专家或专题。触发："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"。Votes: 0GitHub stars: 2
- Frontend Api Guide把 API 设计文档转成前端可直接编码的调用流程文档（含 UI 映射与错误处理速查）。触发："生成前端 API 文档"、"API 调用流程"，或 api-design 完成后交付前端时。Votes: 0GitHub stars: 2
- Gitnexus Index管理 GitNexus 代码索引：创建（首次 analyze）、增量更新（status 检测过期后自动更新）、强制重建与修复（--force / --repair-fts / --embeddings）。触发："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"。Votes: 0GitHub stars: 2
- Harness Review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机制是否存在与真正被使用，产出带证据状态标注的报告（纯 Markdown，零运行时依赖）。触发："体检一下工作流"、"评估 AI 工作流"、"harness review"。Votes: 0GitHub stars: 2
- Implementation Report需求完成后生成实现总结报告（最终实现效果、关联提交、偏差记录），与需求摘要一一对应。触发："生成实现报告"、"记录一下完成情况"；需求状态变为"已完成"时自动触发。Votes: 0GitHub stars: 2
- Interaction Design设计人机交互层（只管交互逻辑、不画 UI）：谁在用、怎么操作、看到什么、出错怎么办，覆盖脚本/CLI、Web、API、SDK 等形态。触发："设计一下这个脚本怎么用"、"规划用户操作流程"、"交互怎么设计"、"命令行参数怎么设计"，或技术设计前理清交互。Votes: 0GitHub stars: 2
- Ki Memory Lookup查询 ki-search 记忆的 SSOT：封装查 ki 的公共动作（可用性检测、scope 确定、符号提准、降级不阻塞），按记忆类型分发到专题、接口、数据流、强关联、决策、错误库、待生效变更各参考策略。触发："查记忆"、"查强关联"、"这个模块牵动哪些"、"改A要连带改B吗"、"当初为什么这么定"、"这个报错见过吗"、"ki memory lookup"。Votes: 0GitHub stars: 2
- Ki Memory Write写入 ki-search 记忆的 SSOT：封装写 ki 的公共动作（可用性检测、scope 确定、格式硬约束、查重、降级、删除），按记忆类型分发到专题、接口、数据流、强关联、决策、错误库、待生效变更各写入策略。触发："写专题记忆"、"写 ki 记忆"、"记录决策"、"记录这个报错"、"登记/结账待生效变更"、"ki memory write"。Votes: 0GitHub stars: 2
- Ki Search First项目记忆优先（口诀：遇事不决 ki-search）：任何任务先查项目记忆，无结果或记忆不充分时再走专家团（expert-lookup）与解决方案（solution-lookup）；已定位/已改代码时必查强关联。触发：任何任务开始前自动触发，或用户说"查记忆"、"改A要连带改B吗"。Votes: 0GitHub stars: 2
- Loop Discovery沉淀可复用资产（skill / rule / solution / memory / 脚本）前的路由闸门：先查证据是否充分、现有覆盖是否已存在、哪个载体最小合适，输出路由结论再决定是否创建，防止资产泛滥。触发："沉淀个 skill"、"这个要不要沉淀"、"做成规则"、"loop discovery"。Votes: 0GitHub stars: 2
- Memory Creator指导 AI 生成简洁的记忆内容描述。触发："记住这个"、"创建记忆"、"记录一下"、"帮我记住"、"memory"。Votes: 0GitHub stars: 2
- Migrate To Codehub从其他项目提取优秀架构设计或功能实现，剥离业务耦合后迁移到 PythonCodeHub。触发："迁移到 CodeHub"、"提取到 PythonCodeHub"、"重构后加入 CodeHub"、"migrate to codehub"。Votes: 0GitHub stars: 2
- Module Teach系统讲解本项目代码：模块讲解（能力大纲 → 代码 wiki → 功能推演 → 应用场景 → 数据流）或变更讲解（commit / PR / 任意 diff：逐处解读 → 影响面 → 意图与权衡），产出可反复查阅的 Markdown 材料。触发："讲讲这个模块"、"学习一下 XXX 代码"、"讲讲这个 commit/PR"、"这个改动是什么意思"、"帮我搞懂这块代码"、"考我一下"。通用知识主题用 topic-teach。Votes: 0GitHub stars: 2
- Negative Requirement从正向需求出发分析负向场景（错误使用、中途放弃、状态异常），设计程序的检测、恢复与引导策略。触发："错误处理"、"异常场景"、"边界情况"，或需求挖掘后补充负向分析。Votes: 0GitHub stars: 2
- Performance Analysis对接口/请求链路做系统化性能分析：盘点证据（APM、压测、火焰图、慢查询、日志）与代码定位瓶颈，量化收益上限并按优先级给出优化建议，产出性能分析报告与验证计划；判定不佳时同时给"技术优化（功能等价）"与"产品侧功能退让（交 product-manager 判断）"两条路。触发："性能分析"、"性能优化"、"为什么这么慢"、"接口 RT 高"、"响应慢"、"CPU 打满"、"内存占用高"、"容量评估"、"出份性能报告"、"两份数据对比"、"优化前后对比"、"怎么才能快"；其他问题走 code-review / artifact-optimizer / debug；优化落地后的影响面与回归风险走 code-change-impact。Votes: 0GitHub stars: 2
- Plan Trackplan 模式执行者：为复杂任务在项目根 .plans/ 建档（plan.md 目标/完成判据/工作项 + checklist.md 自评审清单），执行中按证据更新进度，完成后逐条自评审。触发："列个计划"、"创建计划文档"、"跟踪进度"、"做完自检"、"进入 plan 模式"，或任务多文件/多阶段/需跨会话续做。Votes: 0GitHub stars: 2
- Product Manager站在产品经理视角的四模式能力：M1 需求定义（编排 requirement-mining + negative-requirement 一次成型出需求报告）、M2 已实现产品的体验走查（Kano + 价值×成本排优先级）、M3 从代码推演缺失功能、M4 前端界面视觉走查。触发："站在产品/PM 角度看看"、"还能优化什么"、"还缺什么功能"、"看看这个页面怎么样"、"帮我体验一下这个产品"、"pm 评审"。Votes: 0GitHub stars: 2
- Request Guard用户突然提出修改请求时先做三维度检查（冲突 / 替代方案 / 副作用）再决定是否执行，输出通过 / 存疑 / 拦截，防止被突发奇想带着跑。触发："改一下"、"改成"、"能不能这样改"等短小突然、缺上下文的修改请求；只做优化分析走 artifact-optimizer，精简文件走 content-simplifier。Votes: 0GitHub stars: 2
- Requirement Doc Store需求相关文档的通用存储规范：按文档类型自动决定落盘路径，确保各 skill 产出统一归位到需求目录下的正确子目录。触发：任何 skill 生成需求相关文档需要落盘时（设计文档、数据流图、验证/审查/实现报告等）。Votes: 0GitHub stars: 2
- Requirement Mining从用户的功能描述深度挖掘真实需求（打穿表象找根因），转译为可落地的技术需求清单，并在分析阶段用「现状 → 预期」图示（Mermaid / ASCII）呈现流程、数据流、UI 变化。触发："我想做一个 xxx"、"帮我分析需求"、"这个流程改动前后是啥样"，或需在需求分析阶段看清改动对比。Votes: 0GitHub stars: 2
- Review Panel启动多个子 agent 组成评审团，对方案/代码/设计做多角色评审（双挑战者独立质疑 + 三评委评分讨论 + 主 agent 法官研判），产出含原始方案、反对意见、评分与最终判断的评审报告。仅在用户明确要求使用"评审团"、"review panel"时启用。Votes: 0GitHub stars: 2
- Scenario Rehearsal通过模拟真实使用场景验证可行性，支持四类推演对象：设计文档（设计点可行性）、需求文档（完整性/一致性/验收可达）、Skill（触发准确性等质量维度）、代码（纸上执行追踪状态演进）。触发："推演一下这个设计/需求/skill/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。Votes: 0GitHub stars: 2
- Strategies> 适用特征：推演对象是 Agent Skill（SKILL.md 文件） > 启用信号：输入包含 SKILL.md 文件，或用户明确要求推演 skillVotes: 0GitHub stars: 2