agentleFS
TashanGKDTashanGKD/cc_plugins/CLAUDE.md

cc_plugins

CLAUDE.md4 starsChanged 10 months agoMITView on GitHub

他山团队 (Tashan) Claude Code 研究插件集合,基于 Scispark 方法的结构化研究想法生成工作流。 Pre-commit 钩子功能: - 提交信息规范检查(Conventional Commits) - marketplace.json 和 plugin.json 格式验证 - README 表格自动更新 - 文档自动同步到 docs/ 目录 - JSON/YAML 语法检查 核心依赖(pyproject.toml): - mkdocs-material>=9.7.1 - 文档主题 - mkdocs-git-revision-date-localized-plugin>=1.5.0 - Git 版本日期 项目提供多个开发工作流命令,通过 /命令名 调用: 工作流命令特点: - 支持会话状态管理(如 TDD 会话恢复) - 智能分析代码变更(如 /docs 自动更新文档) - 集成 Git 工作流(如 /squash 安全检查) 7 阶段结构化研究想法生成系统: MCP 配置文件:每个插件在 tools/.mcp.json 中声明 MCP 依赖 遵循 Conventional Commits 格式(详见 .gitmessage):

  • Installs packages

The file

Files
CLAUDE.md

CLAUDE.md

This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.

项目概述

他山团队 (Tashan) Claude Code 研究插件集合,基于 Scispark 方法的结构化研究想法生成工作流。

开发命令

文档构建

# 构建文档并验证渲染
mkdocs build --clean

# 本地预览文档(实时刷新)
mkdocs serve

# 验证插件配置格式
claude plugin validate .claude-plugin/marketplace.json

Pre-commit 验证

# 安装 pre-commit hooks
pip install pre-commit && pre-commit install

# 手动运行验证
pre-commit run --all-files

Pre-commit 钩子功能:

  • 提交信息规范检查(Conventional Commits)
  • marketplace.json 和 plugin.json 格式验证
  • README 表格自动更新
  • 文档自动同步到 docs/ 目录
  • JSON/YAML 语法检查

项目依赖管理

# 使用 uv 管理依赖
uv sync

# 安装开发依赖
uv pip install -e .

核心依赖(pyproject.toml):

  • mkdocs-material>=9.7.1 - 文档主题
  • mkdocs-git-revision-date-localized-plugin>=1.5.0 - Git 版本日期

工作流命令

项目提供多个开发工作流命令,通过 /命令名 调用:

命令用途触发时机
/tdd测试驱动开发功能开发
/bdd行为驱动开发验收测试
/squashCommit 历史整理TDD 循环完成后
/docs活文档维护代码变更后
/ghGitHub CLI 指南Git/GitHub 操作

工作流命令特点:

  • 支持会话状态管理(如 TDD 会话恢复)
  • 智能分析代码变更(如 /docs 自动更新文档)
  • 集成 Git 工作流(如 /squash 安全检查)

核心架构

项目结构

cc_plugins/
├── .claude/                   # Claude Code 工作流命令
│   └── commands/             # 全局工作流命令(/tdd、/bdd 等)
├── .claude-plugin/           # 插件市场配置
│   └── marketplace.json      # 插件注册表
├── plugins/                  # 核心插件目录
│   ├── scispark/            # 研究想法生成工作流
│   └── manim-creator/       # 数学动画创建工具
├── docs/                    # MkDocs 文档站点
│   ├── tutorial/            # 教程文档
│   ├── plugins/             # 插件文档
│   └── development/         # 开发指南
├── scripts/                 # 自动化脚本
│   ├── sync-docs.sh        # 同步 README 到 docs
│   └── generate_readme_tables.py  # 自动更新表格
└── .github/workflows/       # CI/CD 工作流

插件架构模式

每个插件遵循标准结构:

plugins/<plugin-name>/
├── agents/                   # 编排智能体(完整工作流和状态管理)
├── commands/                 # 用户命令接口
├── skills/                   # 独立技能模块
├── templates/                # 输出模板
├── tools/.mcp.json          # MCP 服务器依赖配置
└── plugin.json              # 插件元数据

Scispark 工作流插件 (plugins/scispark/)

7 阶段结构化研究想法生成系统:

阶段1: 事实提取 → 阶段2: 假设生成 → 阶段3: 初始想法
→ 阶段4: 技术优化+Review → 阶段5: MoA优化+Review
→ 阶段6: 人机协作+Review → (可选) 阶段7: 幻灯片生成

关键设计模式:

  1. 状态管理:通过 scispark-state.json 跟踪每个阶段的执行状态、输出文件和文献统计
  2. 文献追踪:literature.csv 累积记录所有文献及其使用情况,stage 和 usage 字段支持分号分隔的多值追加
  3. Review 循环:阶段 4-6 集成评审机制,每次评审包含:当前版本评估 → 专家系统视角 → 改进计划(生成问题 ID:S{阶段}-P{序号})
  4. 专家系统:在阶段 1 前、4 前、5 前、6 前调用不同类型专家,输出保存在 experts/ 目录
  5. 分级阈值:根据全文文献数量自适应执行模式:
    • ≥50 篇:理想执行(深度分析)
    • ≥30 篇:标准执行
    • ≥15 篇:降级执行(+局限说明)
    • <15 篇:错误终止
  6. 技能模块:7 个独立技能,每个对应一个阶段,使用不同的 Temperature 参数

Manim Creator 插件 (plugins/manim-creator/)

数学动画一键生成工具:

  • 技能模块:manim-generator(代码生成)、manim-builder(编译渲染)、manim-tools(工具函数库)
  • 输出:1080p 高清 MP4 视频

MCP 依赖管理

必需 MCP 服务器

# 文献解析(Scispark 依赖)
claude mcp add article-mcp uvx article-mcp server

# 顺序推理(Scispark 依赖)
claude mcp add sequentialthinking npx -y @modelcontextprotocol/server-sequential-thinking@latest

可选 MCP 服务器

# MediaWiki 支持
claude mcp add mediawiki-mcp-server npx @professional-wiki/mediawiki-mcp-server@latest

# Playwright 浏览器自动化
claude mcp add playwright npx @playwright/mcp@latest --browser chrome --headless

MCP 配置文件:每个插件在 tools/.mcp.json 中声明 MCP 依赖

添加新插件

  1. 在 plugins/ 创建新目录
  2. 创建标准的子目录结构:commands/, agents/, skills/, templates/
  3. 创建 plugin.json 元数据文件
  4. 在 .claude-plugin/marketplace.json 的 plugins 数组中添加条目
  5. 更新主 README.md 的插件列表
  6. 提交信息遵循 .gitmessage 格式规范

修改现有插件

  • Agent 修改:更新对应的 .md 文件,同步更新技能调用流程
  • 技能修改:更新 skills/ 下的对应文件
  • 配置修改:更新 marketplace.json 或 plugin.json 后 pre-commit 会自动验证
  • 版本更新:同步更新 marketplace.json 中的版本号和插件 README

提交信息规范

遵循 Conventional Commits 格式(详见 .gitmessage):

<type>(<scope>): <subject>

## Summary
<简要描述>

## Changes Made
### <Component> Updates
<具体变更>

## Impact
<影响说明>

Co-authored-by: Claude <noreply@anthropic.com>

类型(type):feat / fix / docs / style / refactor / test / chore

作用域(scope):

  • 插件开发:agent / skill / command / template / config
  • 项目级:docs / workflow
  • 工作流命令:workflow(修改 /tdd 等命令)、command(修改 .claude/commands/*.md)

文档编写规范

Markdown 语法规范

  1. 中文标点与 Markdown 语法:避免紧邻,用空格或换行分隔
    • ❌ 错误:**描述**:内容
    • ✅ 正确:描述:**内容**
  2. MkDocs 兼容性:
    • 使用标准 CommonMarkdown 语法
    • 避免嵌套过深(最多 3 层)
    • 代码块必须指定语言:bash 而非
  3. 链接格式:
    • 文档内链接使用相对路径:[文本](path/to/file.md)
    • 外部链接使用完整 URL
  4. 表格格式:
    • 表头和内容间用 | 分隔
    • 对齐方式::---(左对齐)、:---:(居中)、---:(右对齐)
  5. 文档去冗余原则:
    • 避免使用独立的 !!! 块展示简单链接,将链接整合到标题或正文中
    • 删除单独显示的完整 URL 行,将其改为可点击的锚文本
    • 简短提示使用引用块 > 而非独立的 info/tip/warning 块
    • 仅在需要强调的重要警告或复杂说明时使用 admonition 块
    • 优先使用内联格式(如 ### [标题](链接))替代分离的标题和链接

文档验证

# 构建检查(避免缓存问题)
mkdocs build --clean

# 本地预览(实时刷新)
mkdocs serve

文档同步机制

Pre-commit 钩子自动执行以下同步操作:

  1. README 同步:scripts/sync-docs.sh 将项目 README 同步到 docs/
  2. 表格更新:scripts/generate_readme_tables.py 自动更新命令和插件表格

质量保证机制

Pre-commit Hooks

  1. 提交信息规范检查
  2. marketplace.json 格式验证
  3. plugin.json 格式验证(author 类型、category 禁用、entry_points 禁用)
  4. README 表格自动更新
  5. 文档同步到 docs/ 目录
  6. JSON/YAML 格式检查
  7. 大文件检查(最大 100KB)

GitHub Actions

  • plugin-validation.yml:插件配置验证
  • docs.yml:文档自动部署到 GitHub Pages

分支命名规范

  • feat/ - 新功能
  • fix/ - Bug 修复
  • docs/ - 文档更新
  • refactor/ - 代码重构
  • test/ - 测试相关
  • chore/ - 构建/工具

开发最佳实践

  1. 遵循插件结构:严格按照 agents/skills/commands/templates 组织
  2. 使用 MCP 协议:通过 .mcp.json 声明依赖
  3. 维护文档同步:依赖 pre-commit 自动化
  4. 遵循提交规范:使用 .gitmessage 模板
  5. 验证配置:提交前运行 pre-commit run --all-files
  6. 测试文档渲染:运行 mkdocs build --clean 检查文档

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.