agentleFS
fitlab-aifitlab-ai/agent-infra/.agents/skills/init-labels/SKILL.md

init-labels

Skill88 starsChanged 20 days agoMITView on GitHub

初始化仓库的 labels 体系。 当初始化仓库、需要创建标准 label 体系时使用。

The file

Files
SKILL.md

初始化 labels

一次性初始化仓库的标准 labels 体系。

执行流程

1. 验证前置条件

确认以下条件成立:

  • 执行前先读取 .agents/rules/label-milestone-setup.md
  • 仓库配置和请求的映射已准备完成

如果任一条件失败,停止并输出对应错误。

2. 运行 labels runtime intent

执行以下命令,完成整套 label 初始化流程:

agent-infra-internal platform-metadata init-labels

runtime intent 与 .agents/rules/label-milestone-setup.md 共同负责:

  • 读取配置的 labels.in 映射并保留无关 label
  • 选择平台能力,或返回明确的 no-op/degraded 结果
  • 创建或更新标准 label 集合并输出最终摘要
  • 输出最终执行摘要

3. 标准分类体系

脚本管理以下通用 label 族:

  • type: labels,例如 type: bug、type: enhancement、type: feature、type: documentation、type: dependency-upgrade、type: task
  • status: labels,例如 status: waiting-for-triage、status: in-progress、status: waiting-for-internal-feedback
  • 明确覆盖的 平台默认同名 labels:good first issue 和 help wanted
  • 额外通用 labels,例如 dependencies

适用范围

Label 前缀IssuePR说明
type:—YesIssue 使用 平台原生 Type 字段;PR 无原生类型字段,需 type: label 驱动 changelog
status:Yes—PR 有自身状态流转(Open/Draft/Merged/Closed);Issue 使用 status: label 标记项目管理状态
in:YesYesIssue 和 PR 均需按模块筛选

4. 配置 in: label 映射

检查 .agents/.airc.json 中是否已有 labels.in 字段。

4.1 已有映射

展示当前映射,询问用户是否需要更新。

  • 不需要:跳到步骤 4.3
  • 需要:按步骤 4.2 处理

4.2 无映射或用户要求更新

  1. 扫描项目顶层目录,排除隐藏目录和常见构建目录。
  2. 分析目录内容,给出有意义的模块分组建议。
  3. 向用户展示建议的 in: label 映射,并根据自然语言反馈迭代调整。
  4. 如果用户拒绝配置,则为每个顶层目录生成 1:1 默认映射({dir}/)。

4.3 写入配置并创建 label

  1. 将最终映射写入 .agents/.airc.json 的 labels.in 字段。
  2. 执行 agent-infra-internal platform-metadata init-labels,为每个映射 key 创建或更新 in: {key} label。
  3. 询问用户确认后,再使用 --cleanup-stale-in 重新执行 intent,清理不在最终映射中的旧 in: label。

5. 输出与行为保证

摘要必须包含:

  • 创建或更新的通用 labels 数量
  • 写入的 labels.in 映射结果
  • 按映射 key 计算的 in: labels 数量
  • 名称完全匹配的平台预置 labels 已被覆盖的说明
  • 仍然存在的未匹配平台预置 labels

执行说明:

  • 整个操作具备幂等性,因为 provider 叶子会按覆盖或更新方式处理已有 label。
  • in: labels 由 AI 引导步骤和 .airc.json 映射统一管理。

6. 告知用户

渲染下一步前先读取 .agents/rules/next-step-output.md,仅为已选场景调用统一 helper,并将 stdout 填入 {next-step-commands}。

输出 labels 初始化摘要后,提示:

使用 agent-infra-internal agent-client next-steps --skill init-milestones 生成本场景的 {next-step-commands}。

下一步 - 初始化 Milestones(可选):
{next-step-commands}

错误处理

  • 平台能力不可用:如实报告 runtime 的 degraded 或 no-op 结果,不得声称远端已变更。
  • 平台认证或仓库访问失败:如实报告 runtime 的非零退出状态和诊断输出;不得声称远端已变更。
  • 权限不足:提示 "No permission to manage labels in this repository"
  • API 限流:提示 "platform API rate limit reached, please retry later"

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.