- 📄 main.py
- 📄 README.md
- 📄 SKILL.md
code-reviewer
针对 Python 和 TypeScript 的自以为是的代码审查——高级工程师的品味即服务
针对 Python 和 TypeScript 的自以为是的代码审查——高级工程师的品味即服务
安装、运行、调试、改进和交付使用 Next.js 和 FastAPI 构建的 Paper Reader 风格产品的公共技能。当用户想要使用带有排名卡、详细信息页面和可重复性证据的论文发现和推荐应用程序时使用。
使用solve_client CLI(原文如此)从命令行或脚本与SolveIt 对话框、消息和API 客户端进行交互。在 Python 外部使用 SolveIt 自动化、对话框管理或消息操作时触发。
使用 OpenAI Realtime API 和 Twilio Media Streams 向 AI 代理添加实时电话呼叫。当您希望 AI 代理以低于 200 毫秒的延迟拨打或接听电话、双向音频流以及跨语音、电报和电子邮件渠道的会话连续性时使用。需要 Python 3.9+、Twilio 电话号码以及具有实时 API 访问权限的 OpenAI API 密钥。
使用 Playwright 的本地基于 Python 的浏览器自动化工具包。提供命令行工具,用于在不使用 MCP 协议的情况下导航、交互和测试 Web 应用程序。支持点击、打字、悬停、屏幕截图、内容提取和 JavaScript 执行。
MiniMax 全功能工具包。触发词:minimax、生成图片、生成语音、生成音乐、生成视频、配置 minimax。Agent 首先运行 `python3 scripts/toolkit.py check --json` 了解环境状态。
禅道开发工作流助手 v1.6.0 - 自动化禅道需求/任务/Bug 下载与技术实现方案设计。 【v1.6.0 核心更新】 - 新增子任务检测与关联内容下载逻辑 - 解决子任务(如 task 61563)描述为空的问题 - 自动下载关联需求和父任务,确保获取完整需求描述 【v1.5.0 核心更新】 - 集成 superpowers:brainstorming 技能,技术方案设计效率提升 70%+ - 合并架构方案和编码方案为"技术实现方案",消除重复探索 - 代理数量减少 85%(12-17个 → 1-2个),简单需求 5-8 分钟完成 - 聚焦三项核心内容:需求分析、架构设计、实现步骤 【触发条件】当用户提到以下任一内容时,必须使用此技能: - 禅道、zentao、chandao、禅道系统 - 需求、开发需求、story、需求ID - 任务、task、任务ID - Bug、缺陷、bug ID - 下载禅道、获取需求、同步禅道 - 开发某需求/任务、开始开发 - 禅道URL链接(包含 story-view、task-view、bug-view) - ID与类型组合: - "需求39382"、"任务12345"、"Bug67890"(类型+ID) - "39382需求"、"12345任务"、"67890Bug"(ID+类型) - "禅道需求39382"、"开发任务12345"(前缀+类型+ID) - 任何涉及禅道项目管理系统的请求 【技能功能】 1. 自动检测 Java/Python 环境和 superpowers 技能依赖 2. 内置下载工具,无需额外安装 3. 交互式配置禅道服务器信息 4. 下载需求/任务/Bug 详情及附件到本地 5. 使用 brainstorming 技能生成技术实现方案 6. 子任务自动检测与关联内容下载(v1.6.0 新增) 【依赖】需要 superpowers 插件 5.0.6+ 即使只提到"需求"或"任务"关键词,只要上下文暗示与项目管理相关,也应触发此技能。 --- # 禅道开发工作流助手 ## 内置工具 本技能内置两个版本的禅道下载工具,自动选择最佳运行时: | 工具 | 位置 | 运行时 | |------|------|--------| | Java 版 | `{SKILL_DIR}/scripts/chandao-fetch.jar` | Java 8+ | | Python 版 | `{SKILL_DIR}/scripts/chandao_fetch.py` | Python 3.6+ | ## 执行步骤 ### Step 1: 环境检测与运行时选择 **1.1 检测 superpowers 技能(v1.5.0 新增)** **重要**:v1.5.0 版本依赖 superpowers 插件,必须先检测。 使用 Bash 工具检测: ```bash # 检测 superpowers 插件 ls ~/.claude/plugins/cache/claude-plugins-official/superpowers/ 2>/dev/null | head -1 ``` **检测结果处理**: | 检测结果 | 处理方式 | |----------|----------| | 检测到 5.0.6+ 版本 | 继续执行 | | 检测到旧版本 | 提示用户更新 | | 未检测到 | 询问用户是否安装 | **如果未安装**,使用 AskUserQuestion 询问: ```
在沙箱中编写并运行 Python 代码。用简单的英语描述任务——该技能将编写和执行程序。
使用 mutmut 引入代码突变来评估 Python 测试套件的质量并验证测试是否捕获它们。用于突变测试、测试质量评估、突变检测和测试有效性分析。
使用 MITRE ATT&CK 框架进行 Active Directory 安全审核。完整域枚举、信任映射、GPO 分析、ACL 滥用路径、ADCS 攻击 (ESC1-ESC8)、委派滥用(受约束/无约束/RBCD)、细粒度密码策略、LAPS 部署、服务帐户安全和 Kerberos 配置。使用 enum4linux-ng、netexec、impacket、ldapsearch、certipy-ad、bloodhound-python 和 rpcclient。生成攻击路径图、优先风险登记册和 PoC。链接到 /gh-export 以进行问题归档。
使用 dttb 的指南,这是一个将时间戳附加到异常回溯的 Python 包。在调试 Python 脚本、处理未知异常计时或配置错误日志记录时使用此选项。
将 Python 应用程序、API 后端和 MCP 服务器部署到 Floom。在构建需要实时 URL、REST 端点、Web UI 或 MCP 工具的 Python 函数或 API 时使用。
skill-sample/ ├─ SKILL.md ⭐ 必备:技能说明入口:用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐:机器可读元信息:用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐:授权与使用范围:开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本:让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范:统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源:报告/文档模板,快速生成标准产物 └─ references/ 🧩 参考资料库:方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考:章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考:常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考:图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档:https://agentskills.io/home
├─ ⭐ 必备:YAML Frontmatter(必须存在,放在文件最顶部) │ ├─ ⭐ name :技能唯一名;须符合命名规则,并建议与目录名一致 │ └─ ⭐ description :技能描述;建议包含触发关键词(便于检索/匹配) │ ├─ ✅ 可选:Frontmatter 扩展字段(规范允许,但非强制) │ ├─ ✅ license :许可证标识(也可配合单独 LICENSE 文件) │ ├─ ✅ compatibility :兼容性/运行环境要求(仅在确实有限制时写) │ ├─ ✅ metadata :任意键值对(如 author/version/source_url 等) │ └─ 🧩 allowed-tools :允许工具白名单(规范标注为 experimental) │ └─ ✅ 推荐:Markdown 正文(自由格式,但建议按“渐进式披露”组织) ├─ ✅ Overview / Purpose :一句话说明目标 + 不做什么(边界) ├─ ✅ When to use :触发条件/适用场景(让模型/用户知道何时调用) ├─ ✅ Step-by-step :步骤化流程(最好 3–6 步,保证可复现) ├─ ✅ Inputs / Outputs :输入格式、输出格式、产物位置(文件/文本/JSON等) ├─ ✅ Examples :至少 1 个可复制示例(越“能跑”越好) ├─ 🧩 Files & References :引用assets/、references/、scripts/(相对路径) ├─ 🧩 Edge cases :边界情况/限制(大文件、速率限制、失败回退) ├─ 🧩 Troubleshooting :常见错误与解决(依赖缺失、路径不对、权限问题) └─ 🧩 Safety notes :涉及联网/写文件/执行命令时给出提醒(建议写)
在 GitHub 和各类社区里,技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库,让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索,支持 版本更新与多维排序(下载/点赞/评论/更新),并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手:
支持下载与导入 skills(.zip/.skill),本地放置后即可生效:
~/.claude/skills/(Claude Code)
~/.codex/skills/(Codex CLI)
~/.gemini/skills/(Gemini CLI)
同一份 SKILL.md 跨平台通用。
你需要了解的:技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills(技能)”是一种可复用的任务能力包,通常包含 SKILL.md 说明(用途、输入输出、使用方法)以及可选的脚本/模板/示例文件。
你可以把它理解为:给 AI 助手或工具链用的“插件说明书 + 资源包”,可被反复安装与分享。
技能系统采用“渐进式披露”策略,高效管理上下文信息,具体流程如下:
发现阶段:系统启动时,智能体仅加载各技能的名称与简要描述——信息精简,足以判断其适用场景,避免冗余加载。
激活阶段:当任务需求与某技能描述匹配时,智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段:智能体严格遵循文档指引执行操作,并按需调用关联文件或运行内置代码模块。
核心优势:该设计使智能体始终保持轻量高效,同时具备“按需扩展上下文”的能力,既保障响应速度,又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用:
注:以上导入方式文件大小控制在10M之内。
常见路径如下(不同系统略有差异,以你本机为准):
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后,也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源,只要目标工具支持读取该格式,就能共享使用。
比如:检索类技能 + 写作类技能 + 自动化脚本,形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库(至少 2 星),并扫描基本质量指标,还有一部分是SkillWink平台的创作者独立上传的。作为使用者,在安装前应始终审查代码,对安全问题负责。
最常见原因是这几类:
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前: