用于构建轻量级、零依赖 TypeScript/Bun 工具的模式。从研究示例性存储库中提炼出来：unjs/cityty (CLI)、unjs/consola (日志记录)、unjs/ofetch (HTTP)、unjs/defu (合并)、unjs/scule (字符串)、unjs/pathe (路径)、antfu/taze (包更新)。

减少常见 LLM 编码错误的行为指南源自 Andrej Karpathy 对 LLM 编码陷阱的观察。

将任何知识来源转化为结构良好的代理技能。这就是过程技能——它涵盖了如何提取、过滤、重组和编码知识。对于技能创建的机械方面（目录结构、前文格式、验证、打包），请使用技能创建者技能。

测试可观察的行为。保持测试简洁。切勿测试实施细节。

生成高质量的 ARCHITECTURE.md 文件，为新手提供代码库的思维导图。根据 matklad 的文章：最大的贡献者瓶颈不是编写代码，而是弄清楚在哪里更改它。 ARCHITECTURE.md 弥补了这一差距。

AGENTS.md 是编码代理的自述文件。它位于存储库根目录，告诉代理如何构建、测试、lint、导航和为项目做出贡献。基于 Agents.md 开放格式 (https://agents.md) 以及 OpenAI 的线束工程方法的经验教训。

构建存储库的模式，以便人工智能编码代理可以进行有效、自主的工作。基于 OpenAI 的线束工程方法：https://openai.com/index/harness-engineering/

此技能可将一个目录中的 PNG 图片批量处理，使其适合用作微信表情包。它通过一个包含背景处理、裁剪、标准化和调整大小的自动化工作流，确保最终生成的表情包拥有一致的外观和尺寸。

此技能自动化了周报/双周报的创建过程。它通过查找指定日期范围内的所有相关文档，阅读其内容，并根据模板或分层结构合成信息。它特别注重项目的连续性（追踪上一份报告的任务状态）和内容的深度（通过链接溯源）。

本 Skill 定义了标准的 TDD 开发与验证循环。

此技能将 Agent 转化为一位专属的项目导师，不仅回答用户的问题，还将每一次的讲解自动整理、记录到学习日志中。

此技能旨在从由大量 Markdown 文件组成的知识库（例如 Obsidian Vault）中，通过一个精确且分阶段的工作流，进行知识的检索、筛选和提取。它采用带编号前缀的 YAML 和 Markdown 文件来管理每一步的中间数据，并在每个关键步骤暂停以供用户审阅，确保最终产出的内容高度相关且无重复。

根据用户意图，选择以下流程之一执行：

此技能通过自动化脚本确保在回退 Git 提交时，不仅保留了当前的尝试（Snapshot），还通过 ARCHIVE.md 构建了一个可追溯的决策链表。

通过应用可发现性过滤器来优化代理上下文文件（CLAUDE.md、AGENTS.md、.cursorrules 等）：删除代理可以从代码中发现的信息，仅保留不可发现的操作知识（陷阱、地雷、非标准约定），并挖掘未记录陷阱的源代码。

编排从概念设计到规范、实施（指南+代码）和审查的完整四阶段柏拉图式编码工作流程。

通过 AI 驱动的操作管理开发项目中的 RFC 样式规范。

验证代码实施是否符合项目规范和要求。

时间戳：！日期“+%Y-%m-%d %H:%M:%S”活动会话：！ cat .claude/sessions/.current-session 2>/dev/null ||回声“无”

收到于： !日期 '+%Y-%m-%d %H:%M:%S' 上下文目录 : ! [[ -d /tmp/claude-ctx ]] && echo "存在" || echo“不存在 - 将创建”