continuous-ai-patterns

用途：该技能提供实施“持续 AI”的系统性指导，把 AI 用于软件协作中依赖判断与上下文的重复性任务，如文档维护、代码质量改进、议题分诊与智能评审，作为传统 CI/CD 的延伸。适用场景包括自动化文档维护、议题与 PR 分诊、代码质量改进、AI 辅助评审、仓库健康维护与认知型重复任务自动化。\n\n主要模式与能力：文档同步（定期比对代码库、识别过时内容、生成具体更新并创建待人工复核的 PR）；议题分诊（即时分析新议题、查重、评估清晰度、建议标签与优先级、必要时请求补充信息）；代码质量（系统扫描、按严重度排序、生成可执行建议并跟踪指标）；自动评审（检查常见问题、安全漏洞、测试覆盖与文档更新，提供建设性反馈）；依赖管理（监控更新与漏洞、评估破坏性变更、生成升级 PR）；仓库健康（周期性报告、跟踪议题速度、PR 时效、测试覆盖等指标）；反馈闭环（收集对 AI 产出反馈、衡量准确性与实用性并迭代流程）。\n\n使用方式：以工作流配置形式挂载在事件触发上，例如按计划（每日 9 点、每周五）或事件（issues、pull_request、workflow_run 完成）触发；通过权限与工具声明（github、bash、web-search、playwright、edit）以及 safe-outputs（create-pull-request、create-comment、create-issue、create-code-scanning-alert 等）限制输出。资料中给出 8 个示例，包括每日文档同步、智能议题分诊、每周代码质量报告、PR 安全审查、陈旧议题清理、测试失败分析、依赖更新与仓库健康仪表盘。\n\n限制：原则要求必须从低风险高价值自动化起步、保留人工复核与监督、监控准确率、以反馈迭代并度量 ROI；明确禁止在无监控、无验证、无成功指标的情况下自动化，禁止自动合并、无评审关闭议题或应用代码变更、生成笼统文档或反馈。缺失信息：未提供安装命令、收费与价格、支持平台、效果数据，暂未提供。