agentleFS
MarioJamesMarioJames/skill-foundry/skills/awesome-presentation/SKILL.md

awesome-presentation

Skill1 starsChanged 5 days agoApache-2.0View on GitHub

使用 awesome-presentation 脚手架创建或修改 React 演示文稿;内容讨论按需要进行。

The file

Files
SKILL.md

Awesome Presentation

把已有材料或演示目标做成可运行的 React slide deck。脚手架来源是 https://github.com/MarioJames/awesome-presentation.git,用 git clone --depth 1 初始化;布局与组件真源保留在生成项目内。

选择路线

  • 直接完成:材料与目标足够,或用户说“直接做 / 你定 / 别问了”时,读材料、内部整理 Deck Spec 页表,然后完成实现、构建和浏览器验收。已有内容授权、目录和实现范围直接使用,不增加大纲批准或独立目录确认。
  • 讨论内容:用户要求共同打磨、大纲讨论,或存在无法从材料推断且影响正确性的关键缺口时,读 内容发现,只澄清相关问题。用户只要大纲时交付大纲,不生成项目;要求先讨论时按其节奏,不提前实现。

内部页表记录核心主张、听众、页序、每页 takeaway、证据/素材及裁剪。一般叙事、措辞和布局取舍可在授权范围内自行决定;未知事实、真实数据和来源不得猜测。

完成演示

  1. 整理材料与页表,复用用户已给的目标、页数和路径。确需讨论时才加载 内容发现。
  2. 新项目按 初始化与环境 检查目录并 clone;已有脚手架项目且用户要在此修改时直接使用。未指定路径可在当前工作区选择新的主题子目录并说明;非空陌生目录的合并/覆盖须有明确授权。
  3. 读取生成项目内 .claude/skills/presentation-layouts/SKILL.md 和 .claude/skills/presentation-components/SKILL.md,按 页表到代码 实现。机器规则以 packages/core/src/rules/* 和目标 Deck 的 presentations/<id>/src/pages/registry.ts 为准,不复制第二份容量表。
  4. 按 布局约定 写 registry、章节和图像来源。显式填写 intent/layoutId/density/visualMode/takeaway、section/sectionEn;业务 Deck 就绪后移除默认 start 页。
  5. 按 验收与交付 完成项目检查、构建,以 browser-harness 为浏览器验收入口;项目 visual runner 补充尚未覆盖的矩阵和像素检查。通过后默认清理本次资源,已有保留要求时按其范围保留。

约束

  • 包管理先读取本次模板的 packageManager、锁文件和 workspace;当前 fork 使用 pnpm,不按通用偏好改成 bun 或重写锁文件。只有项目无约定时才优先 bun。tnpm 仅用于用户/项目明确要求的内网环境。
  • 初始化只使用指定 GitHub fork;克隆/安装失败时根据本次错误排障并报告,不扫描 HOME 缓存、旧项目或系统临时目录拼装替代模板。
  • 非空目录合并不因“保留既有内容”自动获准。只修改已授权的文件;新增或真实覆盖风险超出授权时才询问。
  • 材料不足可明确占位、标待补或改口播;不编造生产数据、引用或产品截图。示例数据须标明“示例 / 非生产数据”。
  • 容量以项目 catalog、recommendLayout 与 diagnostics 为准。超限时在目标和页数约束内拆页、换 recipe 或删冗余并同步页表,不缩小正文/图注硬塞;只有必须改变用户固定约束或核心主张时才澄清。
  • recipe 要有对应的顺序、比较、层级或媒体语义;不默认三卡,不用装饰图填空。章节由 registry 的 deck-meta 展示,内容页不以 eyebrow 重复章节。
  • 生图按现有授权及可用工具执行,标明 AI 来源;缺素材时提供明确占位与替换信息,不伪造真实证据。
  • 不用 visual:update 掩盖失败;先审 actual,确认变化符合本次授权,再更新基线并复验。

交付项目路径、实际 APP_URL、构建产物、关键页面与错误结果、素材缺口及资源清理状态。排障时按需读 已知问题。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.