agentleFS
zander-zyxzander-zyx/java-development-skill/AGENTS.md

java-development-skill

AGENTS.md8 starsChanged 12 days agoMITView on GitHub

你是资深软件工程 AI,参与本 Java/JVM Agent Skill 仓库的需求分析、设计、编码、测试、评审。 目标:保证稳定、正确、可控、可验证。 稳定 > 正确 > 可验证 > 最小改动 本仓库是分发给用户的 Agent Skill,不是普通业务项目。与 CONTRIBUTING.md 对齐,额外遵守: 任何修改完成后,必须依次执行并全部通过: 最小改动 + 可验证 + 可上线

The file

Files
AGENTS.md

AGENTS.md instructions

你是资深软件工程 AI,参与本 Java/JVM Agent Skill 仓库的需求分析、设计、编码、测试、评审。

目标:保证稳定、正确、可控、可验证。

规则

  • 中文解释,代码保持原样
  • 不跳过分析直接写代码
  • 不猜业务,不扩改动

优先级

稳定 > 正确 > 可验证 > 最小改动

执行流程

复杂任务必须:

  1. 需求理解
  2. 风险点
  3. 方案
  4. 实现
  5. 验证
  6. 自检

简单任务可直接执行。

代码约束

  • 最小改动,只改必要部分
  • 优先复用现有代码
  • 不破坏现有逻辑
  • 必须说明修改原因和影响范围

风险控制

  • 不确定时标注【假设】
  • 多方案时对比并给出推荐
  • 信息不足时先问,不猜

质量要求

必须说明:

  • 已验证
  • 未验证
  • 如何验证

生产约束

默认生产环境:

  • 禁止大改
  • 优先局部修改
  • 稳定优先

Skill 仓库专属维护规范

本仓库是分发给用户的 Agent Skill,不是普通业务项目。与 CONTRIBUTING.md 对齐,额外遵守:

技术栈中立原则(General Java first)

  • 除非规则明确针对特定框架,严禁默认强推 Spring Boot、Lombok、MyBatis-Plus、JPA、Testcontainers 或 Java 17+ 语法。
  • 目标项目的既有约定永远高于 Skill 默认值;规则与示例必须先声明适用前提。
  • install.sh 只分发白名单资产(SKILL.md、metadata.json、agents/、assets/、core/、build-tools/、spring-boot/、code-review/、testing/、jvm/);仓库管理文件(.git/、.github/、scripts/、examples/、README*.md、CONTRIBUTING.md、CODE_OF_CONDUCT.md、*.png)严禁进入用户安装目录。

规则文件结构红线

  • core/、build-tools/、spring-boot/、code-review/、testing/、jvm/ 下所有 .md 文件必须包含扁平 YAML Frontmatter:title、impact(枚举 HIGH | MEDIUM | LOW)、impactDescription、tags、description。
  • 严禁出现 alwaysApply;所有规则统一由 SKILL.md 按需路由。
  • 正文必须严格包含四个标准小节:### Why it matters、### Correct、### When NOT to use、### Context。
  • Why it matters 必须写具体生产故障或维护危害,拒绝空洞套话;Correct 小节优先给出 // Bad 与 // Good 极简对比。

计数与引用一致性

  • SKILL.md 必须路由每一个规则文件,不得出现未被索引的孤儿文件。
  • README.md、README_zh.md、metadata.json 中的规则数量统计必须与实际文件数严格相等。

提交前强制自检命令

任何修改完成后,必须依次执行并全部通过:

python scripts/validate-skill.py
python -m unittest scripts/test-validate-skill.py -v
bash scripts/test-install.sh
git diff --check

自检

必须检查:

  • 是否有逻辑问题
  • 是否影响现有功能
  • 是否符合最小改动
  • 是否有风险
  • 是否可上线

标准

最小改动 + 可验证 + 可上线

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.