swiftui-gestures
面向 SwiftUI 手势处理的技能资料,用于编写、审查与改进 iOS 26+ 上的点击、长按、拖拽、缩放、旋转等手势实现,涵盖手势组合、状态管理与冲突解决,采用 Swift 6.3 模式。
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
41,234 个结果
面向 SwiftUI 手势处理的技能资料,用于编写、审查与改进 iOS 26+ 上的点击、长按、拖拽、缩放、旋转等手势实现,涵盖手势组合、状态管理与冲突解决,采用 Swift 6.3 模式。
SwiftUI Pro 是一个用于审查 Swift 与 SwiftUI 代码的技能,聚焦现代 API 使用、可维护性与性能。它适用于阅读、编写或审查 SwiftUI 代码的场景,会按照参考资料检查废弃 API、视图与修饰符及动画的写法、数据流配置、导航、设计规范、无障碍合规、运行性能、Swift 代码质量与代码卫生。审查时只报告真实存在的问题,不吹毛求疵或不虚构问题。输出按文件组织,每个问题标明文件与相关行号、被违反的规则,并给出简要的修改前后代码对比,最后按优先级汇总影响最大的改动。如果只做部分审查,仅加载相关参考文件。该技能假定的目标是 iOS 26 及 Swift 6.2 或更高版本,使用现代 Swift 并发,优先使用 SwiftUI 而非 UIKit,不擅自引入第三方框架。
用于重构与审查 SwiftUI 视图文件的编码技能,默认采用小型专用子视图、MV 优先于 MVVM、稳定的视图树与显式依赖注入,并在明确需要时才引入视图模型。
该技能通过 Sosumi MCP 扫描 Apple 开发者文档,识别已废弃的 SwiftUI API 及其现代替代方案,并将结果更新到 swiftui-expert-skill/references/latest-apis.md。适用于被要求“更新最新 API”、整理废弃 API 替换清单等场景。
WidgetKit 与 ActivityKit 开发技能,用于实现、审查和改进主屏幕小组件、锁屏小组件、实时活动、灵动岛及控制中心控件,覆盖 iOS 26+ 的 StandBy 与 CarPlay 等场景。
用于对 Xcode 的 clean 与增量构建进行可重复基准测试的技能,记录命令、目标与配置,输出带时间戳的 JSON 结果到 .build-benchmark/,用于优化前的基线测量。
用于实施已获批的 Xcode 构建优化改动,并在改动后重新基准测试以验证效果。仅应用开发者明确批准的改动,一次一个逻辑修复,报告改动文件与实测差异,可结合优化计划执行。
一个用于端到端优化 Xcode 构建耗时的编排技能,以“先基准测试、只给建议、经批准再改”为原则。它先测量开发者真实等待的构建时间,再调用编译、项目与 SPM 分析技能汇总改进计划,交由开发者审批后执行并复测。
XcodeBuildMCP CLI 的官方技能,用于通过 xcodebuildmcp 可执行文件调用 XcodeBuildMCP 工具,替代直接使用 xcodebuild、xcrun 或 simctl。适用于 iOS、macOS、watchOS、tvOS、visionOS 的开发工作,包括构建、测试、运行、调试、日志捕获与 UI 自动化。该技能强调先确认 CLI 是否存在,再通过 --help 与 tools 命令进行帮助优先的发现,并保持最小化的命令执行序列。
用于按 NASA/JPL“Power of Ten”原则审查、生成或重构 PowerShell 代码的技能,适配脚本、模块、自动化与终端管理工具,帮助代码更可预测、可测试、可维护且安全。
Typed Service Contracts 是一套用于构建可靠、类型安全 TypeScript 服务的架构规范,采用“Spec 与 Handler”模式。它将应用逻辑视为严格定义的工作单元:输入通过 Zod 模式进行解析(而不仅是校验),错误被当作值(Result Pattern)处理而非抛出异常。该技能基于垂直切片架构与契约式设计(Design by Contract)原则,适用于构建 CLI、库或需要高可靠性的复杂服务。核心内容包括:在 spec.ts 中定义契约(输入/输出/错误模式、Result 类型与接口),在 handler.ts 中实现处理逻辑(处理副作用、绝不抛异常、将内部错误映射为 Result),以及将测试拆分为契约测试与逻辑测试。
用于创建隔离 Git 工作区的技能,适合 Bun monorepo 或需要并发本地 Convex 开发的场景。每个功能分支对应项目内 .worktrees/<branch-slug> 目录、独立的被忽略环境文件与独立运行时标识,避免端口和数据库状态相互干扰。
一个系统化的代码重构技能,用于在不改变现有功能的前提下改善代码结构、可读性与可维护性,涵盖代码坏味道识别、重构手法、设计模式、现代化改造、性能优化及增量重构策略。
Fast Track AI 的实现阶段技能,用于按任务(task by task)落实某个 track 的已批准计划。它读取目标仓库中的 intent.md、spec.md 和 tasks.md,要求 spec.md 与 tasks.md 的 frontmatter 状态为 approved(intent.md 可为 draft)。技能按任务依赖顺序执行,遵循 tasks.md 中的并行分组(parallelism groups)与 depends 注解,每个任务可委派给独立子智能体并行运行;无子智能体时按组内顺序执行。每个任务完成后需运行其 Validate 命令与项目实际提供的检查(如已有测试或类型检查),通过后在 tasks.md 中勾选。全部任务完成后写入 assets/acceptance.md 验收表,运行 fast-track-ai-gate.sh 完成门禁并进行代码审查,修复所有 [blocking] 问题后给出实现后总结,等待用户确认后再标记为 shipped。
fast-track-ai-intent 是 fast-track-ai 工作流中的第一个阶段技能,用于根据对话起草新请求的意图(intent)。它监听用户原话,将请求分类为变更、仅研究或仅评估,并在请求过于含糊时通过宿主交互式提问模式进行澄清(单次最多三个聚焦问题)。对于纯调查或纯评估类请求,会直接路由到 fast-track-ai-research 或 fast-track-ai-assess,不创建 track 目录和 intent.md。对于变更请求,会在目标仓库的 fast-track-ai/tracks/ 下寻找下一个可用编号,按 NNN-slug(kebab-case)格式命名。起草前会检查自主产物触发条件,可自动生成研究、引用、ADR 和评估等辅助产物,并写入对应目录。最终从内置模板生成 intent.md,重新生成 INDEX.md,并输出包含问题、预期结果、范围、约束的阶段性摘要,等待用户确认后再进入 spec 阶段。
Fast Track AI 的规格编写技能,用于为已有 intent.md 的轨道起草统一的 spec.md(包含结果与阶段)和 tasks.md(含并行分组)。它会读取目标仓库中 fast-track-ai/tracks/NNN-slug/intent.md,将“Open questions”中的未答项分为阻塞性问题与可延后问题:阻塞性问题按宿主提问模式交互式提出(每轮最多三条),未答完前不生成摘要、不提供实现入口;可延后问题则转化为有边界的任务。随后依据本技能内置的 assets/spec.md 模板编写 spec.md,包含 Outcome 与编号 Phases,每阶段区分已交付状态(Done)与其验证检查(Accept),并显式列出涉及文件;依据 assets/tasks.md 模板编写 tasks.md,按 ## Group <name> 组织并行分组,标注依赖、阶段标签、涉及文件与验证方式。对符合条件的关键决策,还会自动归档 ADR。最后重新生成 INDEX.md 并运行结构模式门禁自检,修复失败后呈现阶段后摘要并等待用户确认。
该技能用于按任务逐项实现一个 track,通过并行组、验证、代码评审和最终完成门禁来推进开发流程;在用户确认继续后可衔接到 ship 阶段。使用前需读取目标仓库中 fast-track-ai/tracks/NNN-slug/ 下的 intent.md、spec.md 和 tasks.md,要求 spec.md 与 tasks.md 的 frontmatter 状态为 approved。技能限制产品文件编辑范围,要求每个任务通过 Validate 后才能勾选完成,并在所有任务完成后编写验收表、运行完成门禁脚本并执行代码评审。
fast-track-ai-init 是一个用于在目标代码仓库中幂等安装 fast-track-ai 目录树的技能。它适用于在新仓库或已有仓库中开始使用 fast-track-ai 的场景。该技能会读取捆绑的 AGENTS-snippet.md 片段,并运行初始化脚本,在目标仓库中创建 fast-track-ai/ 目录、fast-track-ai/INDEX.md 种子文件,以及写入目标 AGENTS.md 的托管区块;不会向目标仓库复制额外依赖文件。初始化完成后,可使用索引脚本生成并报告索引结果。
API Contract Sentinel 是一个契约优先的 API 审计技能,用权威契约(OpenAPI、AsyncAPI、JSON Schema、protobuf 或 PRD)比对已实现或生成的 API 代码,检测端点漂移、参数与响应不一致等问题,并给出证据支撑的审计结论与修复建议。
面向已有代码库的已批准新功能交付编排技能,覆盖发现、规划、设计、实现、测试与收尾,强调复用仓库约定、保留需求到代码与测试的可追溯性,并以证据收尾;不适用于缺陷修复、纯重构、迁移、审计或依赖升级。
JOYCO Studio 的库发现技能:在规划或实现非平凡功能、重构前,先获取实时库索引,判断是否有合适的官方库可复用,并按其文档使用;无匹配则明确说明并照常实现。
Changelog Generator 是一个面向 Git 工作流的技能工具,用于从符合 Conventional Commits 规范的提交记录生成 CHANGELOG.md、计算下一个语义化版本号,并在合并前对提交消息进行 lint 检查。它读取提交历史,识别 breaking change、feat、fix 等类型,据此判定 major/minor/patch 版本增量,并按 Keep a Changelog 结构分组输出 Markdown 或 JSON。支持从 git 区间、文件或 stdin 输入,可将新条目前置写入现有 CHANGELOG.md 且不改动历史内容,同时提供提交消息校验脚本,违规时以非零退出码阻断 CI。适用于发布前撰写版本说明、CI 自动附加发布说明、PR 检查以及 monorepo 中按包作用域生成条目等场景。该工具不适用于凭空编造无提交依据的变更描述。
该技能专注于代码的弃用与迁移,指导团队安全移除不再维护的代码,并将消费者迁移到新路径。覆盖弃用决策、通知模板、扩展/收缩模式、代码修改工作流、支持窗口、证据门和服务下线清单,强调测量替代猜测、自动迁移和分阶段部署,适用于API、数据库字段、服务及配置的弃用场景。
CytoScnPy 的 CLI 工具,用于 Python 项目的代码度量分析,可计算 LOC、圈复杂度、Halstead 度量与可维护性指数,支持质量门禁与 MCP 服务器集成。