SuperAPI AI 工具集

engineering-workflow-guide

编程与开发

查看项目

更新于 10-24 16:17

技能介绍

Engineering Workflow Guide 是一个工程工作流分流指南,核心作用是对任务做集中分析、识别开发者意图,并在精选技能目录中路由到最窄、最高杠杆的专用技能。

用途:当任务横跨策划、实现、审查等阶段,或涉及工程、AI/ML、认知、生产力类工作时,用它确定当前应调用哪个专用技能,并给出分阶段路线。

主要能力与规则:

  • 最窄有效技能:选择能完整覆盖任务的最具体技能,避免在已有聚焦工具时调用宽泛的元技能。
  • 每阶段一个主技能:当前回合只指定一个主专用技能;仅在跨越不同生命周期关口(如策划→实现→审查)时串联次要技能。
  • 禁止未打包技能:被路由的技能必须逐字存在于 references/catalog.md,并有既定的 SKILL.md。
  • 用户显式指定优先:用户按名称请求有效技能时,直接采用,不再做冗余路由判断。
  • 前置检查:若仓库的问题跟踪、分流标签或领域文档未配置,先运行 setup-engineering-workflows 再策划或分流。

参考文件:技能目录 references/catalog.md(42 个打包技能的完整索引)、ChatGPT 路由契约 references/chatgpt-routing-contract.md(运行时消费与防幻觉协议)、路由矩阵 references/routing-matrix.md(100+ 意图模式、触发条件与排除项)、阶段边界 PHASE-BOUNDARIES.md(/clear、/compact、/handoff 与子代理的决策树)。

典型生命周期路线:模糊的新功能为 grill-with-docs → to-spec → to-tickets → implement;疑难缺陷或回归为 diagnosing-bugs → tdd;拉取请求审查为 code-review(标准与规格双轴);深度模块重构为 improve-codebase-architecture → setup-ts-deep-modules;大型多会话地图为 wayfinder → to-spec → to-tickets;深度多步推理为 j-space;无人值守自主目标为 goal;生产 ML/LLM 系统为 ai-engineering → ml-best-practices;自愈数据管道为 ai-data-remediation;长篇写作为 writing-fragments → writing-shape / writing-beats。

使用方式(分步):1)读取 references/catalog.md,按潜在意图而非仅关键词分类,并检查仓库设置是否完成(docs/agents/issue-tracker.md);2)选出单个主专用技能,用一两行说明多阶段路线,确认目标技能存在于目录、无重叠元技能、生命周期阶段清晰分离;3)调用所选技能指令并直接执行。

限制:该指南本身是指令与路由规范,不提供技能的具体实现细节;可用技能范围以目录中已打包者为准;仓库未配置相关文档或跟踪时应先完成设置步骤;资料未提供安装命令、运行环境或收费信息。