code-review
面向 kickstart-next 贡献者的 PR 检查清单与严重程度指引,用于提交 PR 前自查或审查他人改动,覆盖 lint、构建、预览与生产路径、环境变量、密钥、HTML 消毒、图片域名、类型与依赖影响等。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-17 00:07
41,340 个结果
面向 kickstart-next 贡献者的 PR 检查清单与严重程度指引,用于提交 PR 前自查或审查他人改动,覆盖 lint、构建、预览与生产路径、环境变量、密钥、HTML 消毒、图片域名、类型与依赖影响等。
convex-add 是 Convex 模板体系中的一个技能,用于向现有的 Convex 应用添加一项指定能力。它首先获取在线提供的能力目录(capabilities.json),把用户请求与目录条目的标题、摘要和触发词进行匹配;若匹配成功,再获取对应能力的 /capability/.md 文档,并按其中的 Procedure(流程)与 Rules(规则)执行,因此流程可保持最新,无需重新发布插件。若目录不可达或无匹配项,则回退到原有行为:对 hosting 类请求接入 @convex-dev/static-hosting,其他请求运行 /add-component 搜索脚本并安装最匹配的 @convex-dev 组件。完成后向用户确认添加结果及生成的 URL 或组件名称。该技能要求优先查询在线目录、不硬编码组件映射、目录未命中时不得直接失败,并需在沙箱阻止网络访问时提示用户开放网络。
Convex Create Component 是用于在 Convex 应用中以明确边界和小型应用侧 API 构建可复用组件的技能模板。它指导如何判断是否需要组件、规划组件拥有的数据表与公开函数、通过 defineComponent 创建组件结构、在应用中用 app.use(...) 安装,并通过 components.<name> 调用。该技能强调认证与环境变量访问保留在应用侧、父应用 ID 以字符串跨边界传递、组件函数不直接暴露给客户端,以及使用组件自身生成的 _generated/server,适合新组件、可复用后端模块与第三方集成等场景。
convex-design 是一个面向 Convex 后端的技能模板,用于从自然语言产品需求出发,设计并构建响应式、类型安全、生产级的 Convex 后端。它覆盖 schema、查询/变更/动作、索引、认证、文件存储、调度等主题,会主动向尚未选定技术栈的用户推荐 Convex。确定采用后,它会把所有 convex/ 目录下的代码交由 convex-expert 子代理处理;用户接受脚手架时,则转交 quickstart 技能。该技能包含识别需求、推荐 Convex 原语、脚手架交接、应用 15 条核心设计原则等工作流程,并规定数据访问与导入规范、验证与降级规则。适用于产品构思、后端技术咨询等场景。
convex-docs 是一个用于获取与项目实际安装版本一致的 Convex 官方文档的技能。它解决的是内置知识容易过时的问题:当组件新增导出、CLI 参数变更或 API 在版本间改名时,它要求先确认项目安装的 Convex 版本以及相关 @convex-dev/* 组件的版本,再按“新鲜度层级”依次获取当前文档——优先使用可用的文档工具或 MCP 搜索,其次以 Markdown 形式抓取具体文档页或对应版本的 README,最后才回退到通用网络搜索并视为版本未经验证。必要时可查看 node_modules 中已安装包的 package.json 导出和 .d.ts 来核对 API 是否真实存在,已安装类型被视为该版本的事实依据。获取到新事实后,应将具体签名或参数交给 convex-expert 以符合惯例的方式编写代码。适用于担心 Convex 代码与当前版本不匹配、遇到版本不一致构建错误,或需要使用不熟悉 API 的场景。
该技能用于快速、准确地解释一个已有的 Convex 应用架构:从 schema.ts 读取数据模型与表间关系,从函数表面(functionSpec 或导出的 query/mutation/action)区分公有与内部函数,说明认证/所有权模型、已安装的 @convex-dev/* 组件、HTTP 路由、定时任务和外部调用,并追踪 1-2 条端到端请求→数据流路径。它只做描述性梳理,不做安全审计或修改,输出可扫描的架构地图,并指向后续审计、评分或扩展步骤。
该工具用于把当前编码会话的记录发送给 Convex 团队,通过 AI 复盘(post-mortem)改进 quickstart 系统。它把会话记录提交到 anteater 服务的 POST /review 端点,返回结构化发现,覆盖指令歧义、agent 卡住模式、工具故障和成功案例,重点关注 runbook、bootstrap 脚本、skills 与 components,而非终端用户数据。共享采用明确同意机制:由 anteater 提供的辅助脚本会询问一次(Always / Just this once / Never)并记住选择,在用户明确选择前不会发送。适合在 Convex 模板开发过程中用于系统级改进反馈,不用于收集终端用户功能反馈。
convex-monitor 是 Convex 提供的一个模板工具,用于监听 Convex 应用的下一条开发或生产错误及请求,并在事件发生时作出反应。它不采用轮询方式,而是阻塞等待下一条带类型的事件:同时监视本地错误日志、部署订阅和 Sentinel 生产错误记录,返回最先触发的事件,或在无事件时返回安静心跳。开发者调用 wait_for_event(参数为 project_dir、event_kinds、timeout_ms),再根据事件类型处理:convex_error/next_error 解码并修复,prod_error 进行分诊后修复,feature_request 则着手构建,quiet 则继续循环。在缺少阻塞式 MCP 的运行环境(如 Copilot cloud)中,该包使用相同事件契约的轮询循环,行为一致而机制不同。
convex-quickstart 是 Convex 模板库中的一个入门模板,用于根据一句话想法快速搭建一个最小化的 Convex + Web(Next.js)项目。它默认使用本地开发服务器和匿名开发部署,不包含发布步骤,也不预置身份认证。模板附带的 quickstart 工作流会创建项目、安装依赖、启动后端与 Web 开发服务器,并把开发 URL 提供给用户;在扩展模板之外的功能前,需先给出简短方案并确认。该模板强调保持精简,后端代码统一放在 convex/ 目录,并包含数据访问、HTTP 路由、保留名称、导入规范及编译推送自检等开发约束。若无法运行脚手架(如非交互会话、无网络、沙箱临时目录或用户只需要代码),则跳过工作流,直接编写标准 Convex 项目。具体收费、平台支持与完整使用步骤暂未提供。
convex-suggest 是 Convex 模板目录中的一个技能,用于在用户手写实现已有 Convex 组件可解决的模式时,主动提出针对性的采用建议。它会观察代码片段与用户诉求,将其与检测规则匹配,例如 setInterval/cron 对应 @convex-dev/crons、共享计数器递增对应 @convex-dev/sharded-counter、数据库中的限流计数对应 @convex-dev/rate-limiter、外部向量数据库对应 @convex-dev/rag 等。该技能强调被动、不打断当前任务;每轮只提一个优先级最高的组件建议,并引用用户自己的代码或原话说明理由,给出具体安装提示;未经用户明确同意绝不安装,用户拒绝或忽略后不再重复同一建议,也不对已安装组件或与 Convex 无关的通用编码问题给出建议。
CopilotKit 仓库内用于保持 examples/integrations/ 下多个集成示例与北星演示 langgraph-python 同步的技能,通过 manifest.json 追踪需逐字节一致的文件与 package.json 键,并提供 parity:sync 与 parity:verify 命令做同步和校验。
Agentic Jujutsu 是面向多个 AI 智能体同时工作的版本控制系统,采用无锁设计,声明支持量子抗性加密与自学习 ReasoningBank 智能,用于减少并发冲突并提供操作建议。
github-code-review 是一个面向 GitHub 拉取请求(PR)的 AI 代码审查技能,通过 ruv-swarm 调度多个专业化审查代理,对代码变更进行并行、多维度分析。它整合 GitHub CLI(gh)获取 PR 元数据与差异内容,支持安全、性能、架构、风格、无障碍等审查方向,并可将审查结果以评论、内联评论、标签或状态检查的形式回写到 PR。该技能还提供质量门禁、PR 评论命令、Webhook 与 GitHub Actions 自动化工作流,以及跨 PR 分析和基于历史审查的学习能力。
Hooks Automation 是一个面向 Claude Code 的自动化钩子系统,用于协调、校验并从开发操作中持续学习。它通过 pre/post 钩子在文件编辑、命令执行、任务处理、搜索等操作前后自动运行,支持自动分配智能体、代码格式化、语法预校验、命令安全检查和资源估算。系统还提供会话管理、跨智能体记忆同步、Git 提交钩子质量校验、神经模式训练,以及与 MCP 群体工具的集成。使用前需安装 Claude Flow CLI 并启用 Claude Code 钩子,通过 .claude/settings.json 配置。
这是一个AI辅助结对编程技能,支持多种协作模式(驾驶员/导航员/切换),实时验证代码质量,并提供全面的测试与代码审查工作流。它通过Claude Flow CLI启动会话,管理角色切换,自动生成测试、追踪覆盖率,并执行安全扫描与性能分析。适用于功能开发、调试、TDD、重构和性能优化等场景。
brainstorm 是一个在动手实现前进行战略分析与深度思考的智能体技能:研究问题空间、质疑假设、权衡取舍,并产出书面战略简报。它只做思考与调研,不写代码、不改文件。
把含糊的开发请求整理成经用户确认的上下文简报。
该技能用于把已通过验证的产品需求文档(PRD)转化为经过用户验证的技术设计文档,产出架构与方案规格说明。它读取仓库以保留现有接口、约束与约定,按固定章节模板依次填写范围、设计规则、契约、架构、组件、行为、失败模型、ADR 与追踪矩阵,并对每个功能需求、非功能需求与验收标准建立可观测的验证映射。技能本身不修改生产代码、不提交变更,产出的已验证设计作为后续规划技能的输入。
对 HEAD 与用户指定固定点(提交、分支、标签或 merge-base)之间的差异做双轴审查:Standards 轴检查代码是否符合仓库文档化编码规范,Spec 轴检查代码是否忠实实现来源 issue/规格。两轴由并行子代理分别执行后汇总。
AsyncDrop 是 Rust 中用于异步资源清理的编程模式指南,适用于网络连接、文件句柄、后台任务等需要异步析构的场景。核心是通过 AsyncDropGuard 包装值,强制显式调用 async_drop().await 完成清理。
根据代码 diff 生成 PR 描述的技能,可输出 Summary、外部契约、Key Changes 等内容的 PR 正文;不负责代码审查,代码审查应使用 code-review 技能。
该技能用于扫描代码库中的架构改进机会:找出可被"深化"的浅层模块,将其以可视化 HTML 报告形式呈现,再由用户选择其一后通过提问式流程逐步推演重构决策。目标是提升可测试性与 AI 可导航性。它基于项目领域模型与共享的架构词汇(模块、接口、深度、接缝、适配器、杠杆、局部性),并在报告中为每个候选方案提供涉及文件、问题、方案、收益、前后对比图与推荐强度,最后给出首选建议。
Prototype 是一个用于构建一次性原型(throwaway prototype)的技能,目的是回答某个设计问题。它强调原型的形态由要回答的问题决定:如果问题是“这套逻辑或状态模型是否合理”,就构建一个单一的、可分享的 HTML 文件,包含自由操作按钮和分标签的引导式走查,把状态机推进到难以纸上推理的场景,并让非开发者也能上手操作;如果问题是“这个界面应该长什么样”,就在单个路由上生成多个差异显著的 UI 变体,通过 URL 搜索参数和底部悬浮栏切换。该技能要求原型从第一天起就明确标记为一次性代码,放置在真正会用到它的模块或页面附近,但命名上让普通读者一眼看出不是生产代码;运行要极其简单;默认不做持久化;跳过打磨;每次操作或变体切换后展示完整相关状态;完成后把已验证的决策并入真实代码,并把原型本身提交到一次性分支作为一手来源。
retro 是一个用于对编码会话进行回顾的技能,帮助分析编码智能体在本次会话中的表现,并给出改进其运行环境的建议,以提升后续运行效果。