agentleFS
gqy20gqy20/Skills_demo/.claude/skills/skill-generator/SKILL.md

skill-generator

Skill4 starsChanged 9 months agoMITView on GitHub

根据用户任务和画像,分析所需能力并生成子技能。使用场景:(1) 指挥官创建新任务时调用,(2) user-profile 确认后可选调用生成 u_ 技能,(3) 用户请求技能分析时使用。每个任务生成 2-3 个核心 k_ 技能,u_ 技能总数保持在 5 个以内。

11 other projects use a version of this.

Adopted by

Most recently taken up by

Used with

Projects with it also use skill-iter-tune, skill-simplify and 9 more.

Other files people use alongside this one.

Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
  • zhao-wuyanSkill

    skill-iter-tune

    Iterative skill tuning via execute-evaluate-improve feedback loop. Uses ccw cli Claude to execute skill, Gemini to evaluate quality, and Agent to apply improvements. Iterates until quality threshold or max iterations. Triggers on "skill iter tune", "iterative skill tuning", "tune skill".

    Also in 3 projects that use this

  • zhao-wuyanSkill

    skill-simplify

    SKILL.md simplification with functional integrity verification. Analyze redundancy, optimize content, check no functionality lost. Triggers on "simplify skill", "optimize skill", "skill-simplify".

    Also in 3 projects that use this

  • +9 more from zhao-wuyan

The file

Files
SKILL.md

技能生成器

分析任务所需能力,生成可复用的技能单元。

核心原则:聚焦核心能力,避免过度拆解。

角色定位

skill-generator 是技能分析师,专注于任务分析和技能生成。

职责边界

✅ 应该做❌ 不应该做
分析任务描述,识别所需能力管理任务状态(active/completed)
读取 .info/usr.json 获取用户画像直接修改 tasks.json
生成技能文件(SKILL.md)创建任务结果目录
决定生成哪些技能及数量协调技能执行顺序
从画像中提取经验生成 u_ 技能检查用户画像新鲜度
返回技能列表给调用者执行生成的技能

说明:tasks.json 的更新由 track-skills-change.sh hook 自动完成,skill-generator 不直接操作。

与其他 Skills 的关系

                    ┌─────────────────────────────────────────┐
                    │          skill-generator                │ (技能分析师)
                    │  ┌───────────────────────────────────┐  │
                    │  │ 输入: 任务描述 + .info/usr.json    │  │
                    │  │ 输出: k_ 技能文件 + u_ 技能文件    │  │
                    │  └───────────────────────────────────┘  │
                    └────────────────▲────────▲────────────────┘
                                     │        │
                           ┌─────────┴──┐    ┌┴──────────┐
                           ↓            ↓    ↓           ↓
                   ┌───────────────┐    ┌──────────────┐
                   │ user-profile  │    │  commander   │
                   │ (可选调用)    │    │  (主调用者)  │
                   │ u_ 技能生成   │    │  k_ 技能生成 │
                   └───────────────┘    └──────────────┘
  • 对 user-profile:
    • 只读画像数据,不修改
    • 可被 user-profile 调用(经验模式):生成 u_ 技能
  • 对 commander:接收任务描述,返回技能列表(任务模式)
  • 独立性:不管理任务生命周期,只负责分析
  • 输出格式:返回标准化的技能列表供调用者使用

调用方式

任务模式(由 commander 调用)

commander → skill-generator 交互流程:

1. 用户运行: /commander start [任务描述]
2. commander 检查用户画像
3. commander 调用: Skill("skill-generator", 任务描述)
4. skill-generator 分析任务并返回分析结果
5. 【第一次确认】AskUserQuestion 确认分析结果
6. skill-generator 规划技能并返回技能计划
7. 【第二次确认】AskUserQuestion 确认技能计划
8. 用户确认后,skill-generator 创建技能文件
9. hook 系统自动注册到 tasks.json

输入格式:

  • 任务描述(自然语言)
  • 用户画像(自动读取 .info/usr.json)

输出格式:

  • 技能生成计划(供用户确认)
  • 技能文件(.claude/skills/k[0-9]_*/SKILL.md)

经验模式(由 user-profile 调用)

user-profile → skill-generator 交互流程:

1. 用户运行: /user-profile
2. user-profile 分析 info/ 目录
3. user-profile 可选调用: Skill("skill-generator", "--mode=experience")
4. skill-generator 返回: u_ 技能生成计划
5. 用户确认后生成 u_ 技能

输入格式:

  • 模式标识:--mode=experience
  • 用户画像的 experience 维度

输出格式:

  • u_ 技能文件(.claude/skills/u_*/SKILL.md)

直接调用(用户手动)

用户也可以直接调用进行分析:

/skill-generator 分析"搭建 Next.js 博客"需要的技能

处理流程

任务模式 (k_ 前缀) - 技能分析

原则:每个任务生成 2-3 个 k_ 技能作为步骤

任务步骤列表 = k_ 技能(2-3 个)

k_ 技能生成时参考:
├── p_ 技能(验证技能)→ 优先参考其内容
├── u_ 技能(用户经验)→ 其次参考其内容
└── 能力空白 → 创建新内容
  1. 读取用户画像 .info/usr.json
  2. 分配任务编号(k01, k02, ...)
  3. 分析任务所需的核心能力
    • 识别关键技术点:框架、语言、工具、领域知识
    • 检查 p_ 技能池:查找已验证的参考技能(最多10个)
    • 检查 u_ 技能池:查找用户经验技能(最多5个)
    • 确定能力空白:找出需要创建的新技能
    • 📝 输出推理块:将分析过程写入 results/k01/.reasoning.md(自动合并到全局日志)
  4. 【第一次确认】分析结果确认:使用 AskUserQuestion 确认分析结果
    • 展示:任务类型、技术栈、复杂度评估
    • 展示:匹配到的参考技能(p_ 技能、u_ 技能)
    • 展示:识别的能力空白
  5. 技能生成规划:确定生成 2-3 个 k_ 技能的方案
    • 📝 输出推理块:将规划过程写入 results/k01/.reasoning.md(自动合并到全局日志)
  6. 【第二次确认】技能计划确认:使用 AskUserQuestion 确认技能生成计划
    • 展示:拟生成的 k_ 技能列表
    • 展示:每个技能的参考来源
  7. 生成 k_ 技能:
    • 优先参考 p_ 技能内容生成
    • 其次参考 u_ 技能内容生成
    • 最后创建全新内容
    • 重要:在每个 k_ 技能末尾添加"完成后续处理"章节,包含 AskUserQuestion
    • 📝 输出推理块:将生成过程写入 results/k01/.reasoning.md(自动合并到全局日志)
  8. 创建 results/k01/ 目录和文件
  9. 更新 .info/tasks.json

数量控制:

  • k_ 技能少于 2 个:任务太简单,直接执行
  • k_ 技能多于 3 个:任务太复杂,建议拆分或合并

经验模式 (u_ 前缀) - 经验提取

原则:总数保持在 5 个以内

  1. 读取用户画像中的 experience 维度
  2. 评估每个经验的复用价值
    • 是否是核心技能
    • 是否有通用性
    • 是否有独特的最佳实践
  3. 用户确认:展示拟生成的 u_ 技能列表,等待确认
  4. 只保留高价值的经验,生成 u_ 技能
  5. 技能内容包含:执行流程、最佳实践、踩坑记录
  6. 更新 .info/tasks.json 的 user_skills 字段

数量控制:

  • 超过 5 个时:保留最近、最常用的 5 个
  • 归档低频经验到 results/archived/u_skills/

子技能命名

详见 命名规范:

任务模式 (k_ 前缀)

类型模式示例
初始化k[任务]_init_[项目]k01_init_project
配置k[任务]_config_[功能]k01_config_mdx
创建k[任务]_create_[组件]k01_create_layout
实现k[任务]_implement_[功能]k01_implement_auth
添加k[任务]_add_[功能]k01_add_search
删除k[任务]_remove_[功能]k01_remove_deps
更新k[任务]_update_[内容]k01_update_deps
修复k[任务]_fix_[问题]k01_fix_routing
测试k[任务]_test_[模块]k01_test_api
重构k[任务]_refactor_[模块]k01_refactor_auth

经验模式 (u_ 前缀)

类型模式说明示例
技术栈经验u_[tech]_[feature]优先:核心技术+特性u_react_hooks, u_next_auth
项目经验u_[project]_[purpose]备选:知名项目+用途u_blog_mdx, u_fastapi_crud
工具经验u_[tool]_[usage]备选:工具+使用场景u_docker_deploy, u_git_workflow

命名优先级:技术栈 > 项目 > 工具

输出结构

.claude/skills/
├── p_nextjs_mdx/SKILL.md          # 验证技能池(参考来源,≤10个)
├── p_docker_deploy/SKILL.md       # 验证技能池
├── p_research_open_source/SKILL.md # 验证技能池
├── u_react_hooks/SKILL.md         # 用户经验池(参考来源,≤5个)
├── u_docker_deploy/SKILL.md       # 用户经验池
├── u_fastapi_crud/SKILL.md        # 用户经验池
├── k01_init_project/SKILL.md      # 任务技能(实际执行,2-3个/任务)
├── k01_config_mdx/SKILL.md        # 任务技能
└── k02_design_schema/SKILL.md     # 任务技能

results/k01/
├── README.md        # 任务总览
├── plan.md          # 任务计划
├── execution.md     # 执行记录
├── notes.md         # 笔记
└── artifacts/       # 生成的文件

技能内容生成方法论

k_ 技能生成步骤

1. 任务分析

输入:任务描述(自然语言) 输出:任务类型、技术栈、复杂度评估

任务: "搭建 Next.js 博客"
  ↓
分析结果:
  - 类型: Web 开发
  - 技术栈: Next.js, MDX, TypeScript
  - 复杂度: 中等
  - 预计步骤: 3 个

2. 技能匹配

输入:任务分析结果 输出:参考技能列表

p_ 技能池检查:
  - p_nextjs_mdx ✓ 匹配 (博客搭建)
  - p_docker_deploy ✗ 不相关
  - p_research_open_source ✗ 不相关

u_ 技能池检查:
  - u_react_hooks ✓ 匹配 (组件状态)
  - u_git_workflow ✗ 不直接相关

3. 技能规划

输入:参考技能 + 任务需求 输出:2-3 个 k_ 技能方案

技能规划:
  1. k01_init_project (参考 p_nextjs_mdx)
     - 初始化 Next.js 项目
     - 配置 TypeScript 和 Tailwind

  2. k02_config_mdx (参考 p_nextjs_mdx)
     - 安装 MDX 依赖
     - 配置 MDX 解析器

  3. k03_create_layout (全新创建)
     - 创建页面布局
     - 实现文章列表和详情页

4. 内容生成

输入:技能规划 + 用户画像 输出:完整的 SKILL.md 文件

基于用户画像定制:
  - tech_stack.primary_languages → 使用 TypeScript 示例
  - preferences.code_style → 遵循既定命名规范
  - goals.pain_points → 避开已知的 MDX 配置陷阱

内容生成原则

原则说明
具体化步骤描述具体可执行,避免模糊表述
可验证每个步骤有明确的完成标准
完整性包含从开始到结束的完整流程
用户导向根据用户画像定制内容和风格
参考溯源标注参考的 p_/u_ 技能来源
自动继续k_ 技能末尾必须包含"完成后续处理"章节,询问是否执行下一步

质量检查

生成技能后,检查:

□ YAML 前置元数据完整
□ 角色定位清晰
□ 执行流程完整
□ 包含预期输出
□ 有错误处理说明
□ 标注参考来源
□ 符合命名规范
□ 格式正确
□ k_ 技能包含"完成后续处理"章节
□ k_ 技能 YAML 包含 task_id, step_index, total_steps, next_skill
□ k_ 技能使用 AskUserQuestion 询问是否继续

详见 技能结构清单。

技能生成参考策略

新任务分析
    ↓
收集能力需求
    ↓
检查 p_ 技能池(最多10个)
    ↓
找到匹配 → 参考内容生成 k_(记录来源)
    ↓
未找到 → 检查 u_ 技能池(最多5个)
    ↓
找到匹配 → 参考内容生成 k_(记录来源)
    ↓
未找到 → 创建全新内容生成 k_
    ↓
汇总:生成 2-3 个 k_ 技能

注意:步骤列表只包含 k_ 技能(2-3个),p_ 和 u_ 是生成 k_ 时的参考来源

技能参考机制

当生成任务技能时,检查是否有可参考的 p_ 技能或 u_ 技能:

1. 参考逻辑

1. 分析任务关键词(技术栈、工具、领域)
2. 在 p_ 技能池中搜索匹配项
3. 在 u_ 技能池中搜索匹配项
4. 确定需要创建的能力空白

2. 匹配示例

任务描述关键词可能匹配的参考技能
调研、研究、开源项目p_research_open_source
文章、撰写、技术博客p_article_techwriter
部署、Docker、容器化p_docker_deploy
Next.js、MDX、博客p_nextjs_mdx
React 组件、状态管理u_react_hooks

3. 参考后的处理

技能生成后会:

  • 在 k_ 技能文档中标注参考来源
  • hook 系统自动更新相关技能的 usage_count
  • 记录技能关联到 tasks.json

4. 分析结果展示

┌─────────────────────────────────────────┐
│ 技能分析完成                             │
├─────────────────────────────────────────┤
│ ✅ k01_init_project                     │
│    参考: p_nextjs_mdx (已验证,复用3次) │
│                                         │
│ ✅ k02_config_auth                      │
│    参考: u_react_hooks (用户经验)       │
│                                         │
│ ✅ k03_ssg_deployment                    │
│    全新内容创建                          │
└─────────────────────────────────────────┘

技能生成决策树

                    任务分析
                       │
                收集能力需求(2-3个)
                       │
         ┌─────────────┼─────────────┐
         │             │             │
    检查 p_ 技能   检查 u_ 技能   确定空白
    (技能池≤10)   (技能池≤5)
         │             │             │
    ┌────┴────┐   ┌────┴────┐      │
    │         │   │         │      │
 找到参考   未找到 找到参考  未找到  ↓
    │         │   │         │    创建新内容
    ↓         │   ↓         │    ↓
    └─────────┴───┴─────────┴──────┘
                       │
              【第一次确认】分析结果
                       │
              用户确认分析正确?
              ├─ 否 → 调整分析 → 重新确认
              └─ 是 → 继续
                       │
               规划 k_ 技能方案(2-3个)
                       │
              【第二次确认】技能计划
                       │
              用户确认技能方案?
              ├─ 否 → 调整规划 → 重新确认
              └─ 是 → 继续
                       │
                生成 k_ 技能文件

关键点:

  • 步骤列表只包含 k_ 技能
  • p_ 和 u_ 是生成 k_ 时的参考来源
  • 数量限制:k_ 技能 2-3 个/任务
  • 新增:两次确认流程(分析结果确认 + 技能计划确认)

推理块格式规范

在执行关键步骤时,使用以下格式输出推理过程,以便用户了解"用了什么方法"和"得到了什么结论":

### 步骤名称

<reasoning>
🎯 目标:[当前步骤要达成什么]
🔍 方法:[使用了什么方法/工具/策略]
💡 发现:[观察到了什么/得到了什么数据]
✅ 决策:[做出了什么决策及理由]
</reasoning>

**执行**:[具体操作步骤]

推理块自动捕获机制

推理块会通过 Hook 系统自动捕获并维护:

Hook触发时机作用
update-reasoning-on-task.shTaskCreate/TaskUpdate任务操作时自动更新推理日志
capture-reasoning.shWrite/Edit .reasoning.md捕获推理块内容
fix-reasoning.shSessionStart修复损坏的推理文件

重要:

  • 推理块写入 results/k01/.reasoning.md(任务级)
  • 同时合并到 .info/.reasoning.md(全局,活跃任务)
  • 每次任务操作(TaskCreate/TaskUpdate)都会自动触发更新

必须输出推理块的时机

在以下关键步骤必须输出推理块:

  1. 任务分析完成时 - 记录分析结果和参考技能
  2. 技能规划完成时 - 记录技能生成计划
  3. 技能生成完成时 - 记录生成过程和结果

示例:

### 1. 分析任务能力需求

<reasoning>
🎯 目标:识别"搭建 Next.js 博客"任务所需的核心能力
🔍 方法:提取关键词 → 匹配技能池 → 识别空白
💡 发现:
  - 技术栈:Next.js, MDX, TypeScript
  - 匹配到 p_nextjs_mdx(验证技能,已复用 3 次)
  - 能力空白:页面布局、SSG 部署
✅ 决策:生成 3 个 k_ 技能,参考 p_nextjs_mdx
</reasoning>

**执行**:
- 读取 `.info/usr.json`
- 搜索 `p_*/SKILL.md`
- 确定技能生成方案

k_ 前缀技能的内容结构

---
name: k01_init_project
description: k01 任务:初始化 Next.js 项目。这是任务"搭建 Next.js 博客"的第 1/3 步骤。包含:创建项目、配置 TypeScript、安装 Tailwind CSS。
task_id: k01
step_index: 0
total_steps: 3
next_skill: k01_config_mdx
---

# k01_init_project

任务 k01 的第 1 步:初始化 Next.js 项目。

## 阶段目标

创建 Next.js 项目基础结构,完成开发环境配置。

## 执行流程

### 1. 创建项目
```bash
npx create-next-app@latest blog --typescript --tailwind --app

2. 验证安装

cd blog && npm run dev

预期输出

  • 项目目录:blog/
  • 开发服务器运行在:http://localhost:3000
  • TypeScript 配置:tsconfig.json
  • Tailwind 配置:tailwind.config.ts

完成标准

  • 项目创建成功
  • 开发服务器可正常启动
  • 首页显示正常

完成后续处理

✅ 阶段完成!

当前进度:1/3

  • ✓ k01_init_project (本步骤)
  • ⏭ k01_config_mdx (下一步)
  • ⏳ k01_create_layout (待执行)

使用 AskUserQuestion 询问用户:

阶段 1/3 已完成:初始化 Next.js 项目

下一步是:k02_config_mdx (配置 MDX)
- 安装 @next/mdx 和相关依赖
- 配置 MDX 解析器和组件
- 设置 frontmatter 支持

请选择:
- 继续执行下一步 (k02_config_mdx)
- 查看任务详情 (/commander progress k01)
- 暂停,稍后手动继续 (/commander continue k01)

实现方式: 使用 AskUserQuestion 工具,参数:

{
  "questions": [{
    "question": "阶段 1/3 已完成。是否继续执行下一步:k02_config_mdx (配置 MDX)?",
    "header": "继续任务",
    "options": [
      {"label": "继续下一步", "description": "执行 k02_config_mdx:配置 MDX 解析器和组件"},
      {"label": "查看进度", "description": "显示任务详细进度和执行记录"},
      {"label": "暂停", "description": "稍后使用 /commander continue k01 继续执行"}
    ],
    "multiSelect": false
  }]
}

进度更新(重要): 在技能执行完成前,必须调用 TaskUpdate 更新任务进度:

# 完成当前步骤后,更新任务进度到下一步
TaskUpdate(
  taskId="k01",
  subject="已完成 k01_init_project",
  status="in_progress"
)

这将自动:

  1. 更新 tasks.json 中的 current_step(从 0 → 1)
  2. 触发 update-status.sh 更新 statusline
  3. 触发 update-reasoning-on-task.sh 更新推理日志

参考来源

  • p_nextjs_mdx (验证技能)

## u_ 前缀技能的内容结构

```markdown
---
name: u_blog_mdx
description: 使用 Next.js + MDX 构建博客的已验证方案。包含:初始化配置、MDX 集成、动态路由、SSG、代码高亮。当用户需要搭建博客、文档站点、内容管理系统时使用。
---

# u_blog_mdx

使用 Next.js App Router + MDX 构建博客的执行方案。

## 执行流程

### 1. 初始化项目
```bash
npx create-next-app@latest blog --typescript --tailwind --app

2. 安装依赖

...

最佳实践

实践说明
SSG使用 generateStaticParams 预渲染
代码高亮rehype-prism-plus

已知坑点

问题解决方案
MDX 组件报错声明 'use client'
远程图片不显示配置 images.domains

关联项目

  • k01: 搭建 Next.js 博客(2025-01)

## tasks.json 结构

```json
{
  "next_id": 2,
  "tasks": {
    "k01": {
      "id": "k01",
      "name": "任务名称",
      "type": "web",
      "status": "active",
      "steps": ["k01_mdx_integration", "k01_dynamic_routing"],
      "current_step": 0,
      "created_at": "2026-01-27T16:00:00Z"
    }
  },
  "user_skills": {
    "u_next_mdx": {
      "name": "Next.js + MDX 博客",
      "level": "proficient",
      "created_at": "2026-01-28T10:00:00Z",
      "related_tasks": ["k01"],
      "usage_count": 3
    }
  },
  "proven_skills": {},
  "archived_u_skills": ["u_old_react_classic"]
}

字段说明:

  • tasks.k01.steps: 任务步骤列表(只包含 k_ 技能,2-3 个)
  • tasks.k01.current_step: 当前进度索引
  • user_skills: 用户经验技能池(供生成 k_ 时参考),最多 5 个
  • proven_skills: 验证技能池(供生成 k_ 时参考),最多 10 个
  • archived_u_skills: 已归档的低频 u_ 技能列表
  • usage_count: 技能被参考/复用次数,用于归档决策

基于画像的定制

生成的子技能会根据用户画像定制:

画像字段用途
tech_stack.primary_languages使用熟悉的编程语言
preferences.code_style遵循命名和格式规范
preferences.response_format适配代码优先/解释优先
behavioral_patterns.work_style采用迭代式/规划式开发
goals.pain_points避开已知的技术难点

错误处理

场景处理方式
用户画像不存在提示运行 /user-profile
k_ 技能少于 2 个任务过于简单,可直接执行
k_ 技能多于 3 个任务过于复杂,建议拆分或合并技能
u_ 技能超过 5 个归档低频经验,保留最常用的 5 个
p_ 技能超过 10 个归档低频技能,保留最常用的 10 个
用户取消生成恢复 tasks.json 的 next_id

用户确认流程

第一次确认:分析结果确认

在分析完任务后、规划技能前,使用 AskUserQuestion 确认分析结果:

任务"搭建 Next.js 博客"的分析完成:

┌─────────────────────────────────────────┐
│ 📊 分析结果                              │
├─────────────────────────────────────────┤
│ 任务类型: Web 开发                       │
│ 技术栈: Next.js, MDX, TypeScript        │
│ 复杂度: 中等                            │
│ 预计步骤: 3 个                          │
├─────────────────────────────────────────┤
│ 🎯 匹配的参考技能                       │
│ ✅ p_nextjs_mdx (验证技能,复用3次)     │
│ ✅ u_react_hooks (用户经验)             │
├─────────────────────────────────────────┤
│ 📋 能力空白                             │
│ • 页面布局创建                          │
│ • SSG 部署配置                          │
└─────────────────────────────────────────┘

分析结果是否正确?
- 确认,继续规划技能
- 调整:修改分析结果
- 取消,重新分析

实现方式:

{
  "questions": [{
    "question": "任务分析完成。类型:Web 开发,技术栈:Next.js + MDX,复杂度:中等。匹配到参考技能:p_nextjs_mdx, u_react_hooks。是否确认继续?",
    "header": "确认分析",
    "options": [
      {"label": "确认继续", "description": "分析结果正确,继续规划技能方案"},
      {"label": "调整分析", "description": "修改技术栈或复杂度评估"},
      {"label": "取消", "description": "取消当前任务"}
    ],
    "multiSelect": false
  }]
}

第二次确认:技能计划确认

技能规划完成后,使用 AskUserQuestion 确认技能生成计划:

任务"搭建 Next.js 博客"的技能规划完成:

将生成 3 个 k_ 技能:
┌─────────────────────────────────────────┐
│ ✅ k01_init_project                      │
│    参考: p_nextjs_mdx (已验证,复用3次) │
│                                         │
│ ✅ k02_config_auth                       │
│    参考: u_react_hooks (用户经验)       │
│                                         │
│ ✅ k03_ssg_deployment                    │
│    全新内容创建                          │
└─────────────────────────────────────────┘

是否接受此方案?
- 接受,开始生成技能
- 调整:修改技能列表
- 取消,重新规划

步骤列表确认(已废弃,由上述两次确认替代)

技能分析完成后,使用 AskUserQuestion 展示方案:

任务"搭建 Next.js 博客"的技能分析完成:

将生成 3 个 k_ 技能:
┌─────────────────────────────────────────┐
│ ✅ k01_init_project                      │
│    参考: p_nextjs_mdx (验证技能)         │
│                                         │
│ ✅ k02_config_auth                       │
│    参考: u_react_hooks (用户经验)        │
│                                         │
│ ✅ k03_ssg_deployment                    │
│    全新内容创建                          │
└─────────────────────────────────────────┘

是否接受此方案?
- 接受,开始生成技能
- 调整:修改技能列表
- 取消,重新分析

任务复杂度异常确认

当识别到需要超过 3 个 k_ 技能时:

任务分析完成,但识别到需要 5 个 k_ 技能。

超过 3 个上限,请选择处理方式:

- 拆分任务:将大任务拆分为 2-3 个子任务
- 合并技能:将相关技能合并为 2-3 个综合技能
- 继续生成:按 5 个技能生成(不推荐)

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.