principle-boundary-discipline
一项用于约束改动边界的开发原则:当当前任务证据显示可能跨越仓库、包、信任、状态或职责边界时,把工作留在其声明的归属方内,避免复制、迁移或模糊所有权。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-16 00:04
41,212 个结果
一项用于约束改动边界的开发原则:当当前任务证据显示可能跨越仓库、包、信任、状态或职责边界时,把工作留在其声明的归属方内,避免复制、迁移或模糊所有权。
一项执行原则:在按已批准任务实施时,若仓库证据或拟采取的操作偏离批准范围,应停止受影响的工作、保留现状并请求回到规划,而不是擅自把新事实变成新计划。
SocialOS 的项目记忆技能,用于统一社交收件箱与 AI 回复建议项目。它在每次会话开始时读取项目参考文件,记录错误、决策与当前上下文,约束编码行为,避免重复犯错或假设外部 API 行为。
Spring Boot 后端开发模式技能,涵盖 REST API 设计、分层服务、数据访问、缓存、异步处理与日志等实践,用于构建可扩展的生产级 Java 服务。
面向 TypeScript 的完整 JSDoc 格式指南,覆盖 @example 的短式、多行与多变体写法,以及 @default、@deprecated、@note 等标签的使用规范,并说明应避免的标签与常见文档模式。
一个用于在完成任务、实现主要功能或合并前请求代码审查的技能,通过派发 petropowers:code-reviewer 子代理,用精确构造的上下文评估工作成果,尽早发现问题。
explain-to-me 是一个用于解释陌生概念或代码的技能,可按用户要求的深度和语言作答,先给出答案,再提供最小可用心智模型,并根据问题与知识水平调整解释方式,而非一律变成教程。
Python 反模式检查清单技能,用于在完成 Python 实现、代码评审或排查疑难 Bug 前对照检查常见错误,涵盖基础设施、架构、错误处理、资源、类型安全与测试等方面。
Python 代码风格与文档规范技能,涵盖 ruff、black、isort、mypy/pyright 配置、PEP 8 命名约定、导入组织、Google 风格 docstring 与项目文档,用于统一团队编码标准与自动化检查。
Python 配置管理技能,讲解如何用环境变量、.env 文件与 pydantic-settings 将配置从代码中外部化,实现类型化设置、启动时校验与密钥管理,适用于新项目配置搭建、硬编码迁移及多环境(dev/staging/prod)设置。
Python 资源管理技能,讲解上下文管理器、__enter__/__exit__、contextlib 与清理模式,适用于编写上下文管理器、管理数据库连接、文件句柄、网络套接字及流式响应等需要确定性释放资源的场景。
up-wiki 是 Claude Code 插件中的技能,用于把当前会话中的实现级细节更新到 Outline wiki。它通过调用 up-docs-propagate-wiki 子代理完成文档同步,并输出 Markdown 摘要表。需 Python 3 环境。
一个面向 AI 编程助手的技能:在任何涉及项目功能的任务开始前,先加载并阅读相关设计文档与项目上下文,从而理解设计意图、保持与既有设计决策一致。
一份 JavaScript 与 Node.js 开发经验技能,汇总项目初始化习惯、库兼容陷阱(LobeHub/antd-style 与 Zustand 5 冲突、Playwright 填 antd TextArea、bun:sqlite 在 Vitest 中的处理)、Claude SSE 流式状态机、Node.js 侧 MCP stdio 服务器接入,以及 Astro 内容集合与内联脚本等注意事项。
用 bun 运行 JavaScript / TypeScript 脚本的环境规则技能,要求一律优先用 bun 执行 .js/.ts,import 的第三方依赖由 bun 自动下载缓存,无需 package.json 或依赖声明;禁止使用 node、npm、yarn、pnpm、tsx、ts-node 等替代方式。
一个仅面向 OpenAI Codex CLI/Desktop 的技能,用于读取本地 Codex 遥测数据,生成上下文窗口与请求级分类明细表,帮助了解上下文占用构成。
面向 latitude-llm 项目的架构与分层边界技能,规定 apps、domain、platform、utils 各层职责,端口/适配器、多租户、DDD 布局与反模式,帮助保持代码可移植与边界清晰。
create-pr 是一套用于撰写高质量 Pull Request 的规范与约定,来自 latitude-dev/latitude-llm。它指导如何为当前改动新建分支并创建 PR,强调标题与描述应面向熟悉仓库的团队成员,清晰说明改了什么、为什么改,以及新增概念、非显然决策、范围取舍和验证方式。
面向 PR 评论的逐条处理技能:用 GitHub CLI 拉取 issue 级与行内代码评审反馈,按时间顺序阅读、判断、修复并回复,同一问题的多条评论只改一次代码并逐条指向该提交。
Latitude LLM 仓库的工具链与命令参考:说明如何安装依赖、运行 dev/build/check/typecheck/test、按包或路径过滤、单测运行、Git 钩子配置、克隆环境准备(.env.development / .env.test)以及 Docker 本地服务与开发服务器。
delegation-first 是一种默认行为模式:主 Claude 充当架构师与协调者,把实现类任务自动委派给专用子智能体,从而保持主对话聚焦于规划、需求澄清与结果整合。
该技能用于把严重分叉的 fork 中的单个提交,通过 cherry-pick 加重新推导回退、提交信息清洗和回归检查,向上游提交为干净、无回归的 PR。适用于直接 rebase 失败、共享模块冲突较多的场景。
Langtrace 是开源 LLM 可观测性平台,提供 DSPy 自动埋点追踪。安装 langtrace-python-sdk 后一行代码即可记录 DSPy 的 LM 调用、检索、模块执行、token 与成本,支持云端与 Docker 自托管。
介绍如何用 Ollama 在本地运行 DSPy,无需 API key 或云成本。涵盖安装 Ollama、启动服务、拉取模型、通过 dspy.LM("ollama_chat/...") 连接 DSPy,以及模型选择、上下文窗口设置、性能调优与本地优化注意事项。