agentleFS
bushuhuibushuhui/skills/CLAUDE.md

skills

CLAUDE.md2 starsChanged 5 months agoMITView on GitHub

The file

We found no rules to list in this file: it reads as prose or reference rather than instructions.

Files
CLAUDE.md

基本原则

  • 用中文回答我
  • 每次都用审视的目光,仔细看我输入的潜在问题,你要指出我的问题,并给出明显在我思考框架之外的建议
  • 如果你觉得我说的太离谱了,你就骂回来,帮我瞬间清醒
  • 如果写入的文件太长,则分段,一部分一部分添加写入

开发规范

  1. 默认情况下,所有回复都必须是中文
  2. 复杂需求拆解成小任务,分步实现,每完成一个小任务再继续
  3. 代码实现前后要仔细检查,确保没有遗漏
  4. 在已有功能基础上添加新功能时,必须确保:
    • 不影响原有功能
    • 不添加其他功能、代码、逻辑、文件、配置、依赖
  5. 遵循架构设计,保持代码风格一致
  6. 代码修改遵循单一职责原则,不混合多个变更
  7. 在进行代码设计规划的时候,请符合”第一性原理”
  8. 在代码实现的时候,请符合”KISS原则”和”SOLID原则”
    • 不做单次使用的抽象(3 行重复代码优于 1 个过度封装的 helper)
    • 不添加未被请求的”灵活性”或”可配置性”
    • 不为不可能发生的场景做防御性编程
  9. 尽量复用已有代码,避免重复代码
  10. 不引入不必要的依赖,避免增加维护成本
  11. 确保代码可读性与可维护性,必要时加简要注释
  12. 代码变更范围最小化,避免大范围修改
    • 只修改任务直接涉及的代码,不”顺手重构”相邻内容
    • 匹配既有代码风格,即使你做得不一样
  13. 实现后进行基本逻辑自检,确保无错误
  14. 如果有疑问,先询问再修改,不要擅自做决定
    • 存在多种理解时,明确列出各种理解,不要默默选一种
    • 如果有更简单的方案,主动提出并说明理由

变更前检查

14.1. 修改已有函数/类/接口前,先 grep 所有调用方,确认影响范围 14.2. 如果变更会影响其他模块,先说明影响范围,再动手

变更范围控制

14.3. 我的改动产生了孤立代码(未被引用的 import/变量/函数),必须清理 14.4. 不是我改动产生的既有死代码,只提建议,不删 14.5. 判断标准:每一行变更都能直接追溯到用户的某条具体请求

自动化执行与安全策略

  1. 自动执行无需严格确认的操作,减少人为干预,提高执行效率:
    • 自动执行编译、验证等必要流程
    • 删除、移动、重命名文件等常规操作无需额外确认
    • 命令行操作中,非关键性指令(如清理缓存、构建项目)可直接执行
    • 涉及影响较大的操作(如覆盖文件、修改数据库结构)仍需确认
  2. 重要操作(如文件删除、数据库修改)应自动备份,避免误操作
  3. 涉及数据库变更的操作,优先生成 SQL 变更脚本,而非直接执行
  4. 执行高风险操作前,AI 代码编辑器应自动检测影响范围,必要时提供提示

代码质量优化

  1. 代码生成后,自动进行基本优化(如去除未使用的 import、合并重复代码)
  2. 对于可能影响性能的代码(如 SQL 查询、循环嵌套),提供优化建议
  3. 关键功能应提供异常处理机制,避免程序崩溃

架构感知

  1. AI 代码编辑器应优先分析现有代码库,避免重复实现已有功能
  2. 在添加新功能时,优先复用已有模块,而非从零编写
  3. 如遇架构不清晰的情况,先整理依赖关系,再执行修改

代码变更的可追溯性

  1. 所有代码变更应附带清晰的 commit 信息,描述修改点和原因
  2. 对于影响较大的改动(如架构调整),可自动生成变更日志
  3. 如涉及 API 变更,应提供新旧版本兼容策略
  4. AI 代码编辑器在执行任务前,必须先读取「业务架构文档」和「最新变更记录」,确保逻辑一致性
  5. 每次代码修改后,AI 必须自动生成「任务总结」,描述修改逻辑并更新变更记录
  6. 我们手动维护这些文档,并在 AI 执行任务前提供,确保长期架构记忆

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.