代码审查 / GitHub MCP 推荐

`@tanstack/react-table` v8 到 v9 的机械式破坏性变更迁移。凭肌肉记忆照写的每一个 v8 风格选项、类型或方法，下文都列出了 v9 对应写法：`useReactTable` 改为 `useTable`；根级 `get*RowModel` 选项改为写在 `tableFeatures({...})` 里的行模型工厂，并与各自的 *Fns registry 并列；`createColumnHelper<TData>` 改为 `createColumnHelper<typeof features, TData>`；`table.getState()` 改为 `table.state` / `table.store.state` / `table.atoms.X.get()`；`sortingFn` 改为 `sortFn`；`enablePinning` 拆分；下划线前缀 API 去掉前缀；`ColumnSizing` 拆为 `columnSizingFeature` 与 `columnResizingFeature`。若需渐进迁移，`@tanstack/react-table/legacy` 的 `useLegacyTable` 可在 v9 引擎上接受 v8 API——但它已被弃用、包体积更大，且没有 `table.Subscribe`。长期来看，每个表格都要从它迁走。

`@tanstack/react-table` v9 从零到一搭建首个表格的完整路径：安装 React adapter，用 `tableFeatures()` 声明 `features`（行模型工厂与 *Fns registry 和 feature 开关一起挂在 features 对象上），用同时带 `TFeatures` 与 `TData` 泛型的 column helper 创建列，实例化 `useTable`，并用 `<table.FlexRender>` 渲染。新用户应从这里入手，而不是 `useLegacyTable`。

`@tanstack/react-table` v9 本身不包含虚拟化，需要与 `@tanstack/react-virtual` 搭配。标准行虚拟化模式：从 `table.getRowModel().rows` 取行数组，把 `rows.length` 传给位于尽可能深组件（`TableBody`，而不是 `App`）中的 `useVirtualizer({ count, estimateSize, getScrollElement, ... })`，用 `rowVirtualizer.getVirtualItems()` 代替 `rows.map` 迭代，用 `transform: translateY(virtualRow.start)` 对每行做绝对定位，并把 `<tbody>` 渲染为具有固定总高度的 CSS grid。列虚拟化使用 `horizontal: true` 加上左右占位单元格。另有一个实验性的 ref 变更写法可跳过 React 协调、再带来约 10% 的性能收益，但标准模式仍是默认选择。

`@tanstack/react-table` v9 构建在 TanStack Store 之上。每个状态切片（sorting、pagination、rowSelection、columnFilters 等）都是独立的 atom。表格暴露三个读取入口——`table.atoms.<slice>`（按切片的只读）、`table.store`（扁平只读视图）、`table.state`（来自 `useTable` 的 selector 输出）——以及两条写入路径——内部 `table.baseAtoms.<slice>`，或在你选择自己托管该切片时使用你的 `options.atoms[slice]`。用 `@tanstack/react-store` 的 `useCreateAtom` 保证稳定标识，用 `useSelector` 做细粒度读取，并把 atom 通过 `options.atoms` 传入，让表格直接写入——无需 `on*Change` 处理函数。

`@tanstack/react-table` v9 与 `@tanstack/react-query` 的服务端与异步数据流。规范写法：用 `useCreateAtom<PaginationState>` 创建外部分页 atom 并通过 `options.atoms` 传入（而不是 `state` 加 `on*Change`），把分页对象纳入 `queryKey`，设置 `manualPagination: true`，用 `placeholderData: keepPreviousData` 避免闪现 0 行，并用 `defaultData = useMemo(() => [], [])` 让 `data` 引用在多次请求间保持稳定。`rowCount` 取自接口响应，这样 `getPageCount()` 才能正确工作。

为生产部署压缩 CSS 文件。

面向 iOS 与 Android 平台的全面移动测试，涵盖手势、传感器、权限、设备碎片化与性能。在测试原生应用、混合应用或移动 Web、确保跨 1000+ 设备变体的质量时使用。

面向 iOS 与 Android 平台的全面移动测试，涵盖手势、传感器、权限、设备碎片化与性能。在测试原生应用、混合应用或移动 Web、确保跨 1000+ 设备变体的质量时使用。

数据库 schema 校验、数据完整性测试、迁移测试、事务隔离与查询性能。在测试数据持久化、确保引用完整性或验证数据库迁移时使用。

当用户要求推送通知、向手机发送消息，或从 PC 与 Android 端 Yanzi 应用通信时使用此技能。

在 macOS（本机或经 SSH 的远程机器）上部署、安装、启动或提供 mesh-llm 服务时使用，包括安装发行版、分发 dev build 包、codesign/quarantine 修复、选择模型与验证服务可用。

在 Windows 机器上安装、部署、启动、提供或排查 mesh-llm 时使用——通过 install.ps1 用 PowerShell 安装、选择发行版（CUDA/ROCm/Vulkan/CPU）、源码构建、contrib 辅助脚本，以及验证服务可用。

在远程 Linux GPU 节点上部署、安装、启动或提供 mesh-llm 服务时使用（Vast.ai、RunPod 等租用 GPU，或自建 CUDA 服务器），包括安装 CUDA 构建、选择模型、用守护进程保持其常驻并验证服务可用。

ClickHouse 查询、Goose 迁移、chdb 测试 schema 或遥测存储路径。

后端开发 Agent — API 设计、数据库优化、服务器端逻辑、认证授权、性能优化

把 n8n/Make 的工作流迁移到 Claude Code 生态。分析 JSON、映射节点、给出实现建议（技能、cron、Web 应用、看板）并发现改进点。当用户粘贴 n8n 的 JSON 或提到迁移自动化时使用。

在 Claude Code 中借助 n8n-mcp 这个 MCP 创建、校验并部署 n8n 工作流。当用户说 "crea un workflow en n8n"（在 n8n 建个工作流）、"monta un n8n que haga X"（搭个做 X 的 n8n）、"convierte esta idea en automatización"（把这个想法变成自动化）、"diseña un flujo n8n"（设计一个 n8n 流程），或描述一串可自动化的步骤（接收 webhook → 处理 → 发送到 Slack、每天定时读取 Google Sheets 等）时使用。也可通过 "auto­matización"、"n8n"、"workflow"、"trigger" 等说法触发。不要用本技能把既有 n8n 工作流迁移到 Claude —— 那应使用 automation-n8n-to-claude。

审查出版领域美国版权登记语境下的数据集合、选择/编排、事实性数据、数据库许可，以及欧盟/美国之间的常见误解。

记忆固化协议。审阅所有已存储的记忆,合并重复项,清除噪声和凭证信息,改写不清晰的条目,并执行 TTL 过期。当用户要求清理、固化或审阅记忆时使用。也在活动量达到阈值后自动触发(可配置)。

以测试覆盖率作为安全网进行安全的代码重构。使用 `--diff` 可在提交前只简化当前工作区 diff。

使用 Testcontainers Node.js API，在一次性 Docker 容器中以真实依赖进行集成测试——GenericContainer、端口暴露、等待策略、模块容器、Docker Compose 环境与可靠清理。

通过 Chrome/Chromium CDP 做浏览器自动化——打开、快照、点击、截图。用于测试 Web 应用、移动端布局与自动化交互，无需 Playwright/Puppeteer。

确保可能阻塞 asyncio 事件循环的异步路径后端代码，在 tests/blocking_io/ 受经实战检验的运行时锚点保护。在修改 app/、packages/harness/deerflow/ 或 scripts/ 下的后端 Python、对全仓库跑阻塞 IO 分诊轮次，或评审者/CI 要求阻塞 IO 覆盖时使用。执行确定性扫描（变更行或全仓库）、为每个候选项路由、起草/扩展锚点，并在阻塞 IO 回归时证明锚点会失败。

以 Pinecone 作为向量数据库后端构建生产级 RAG 管道与持久化 agent 记忆。当用户提到 Pinecone、需要为语义检索索引文档、构建检索增强生成系统、跨会话存储 agent 记忆、实现混合检索，或把 LLM 接入可检索知识库时使用；也适用于向量数据库选型、多租户 agent 的 namespace 隔离、embedding 管道、以及将知识库扩展到本地存储之外的场景。不适用于本地向量库（Chroma、FAISS、pgvector）或纯关键词检索。

使用 Vitest 浏览器模式、Playwright 与 @self/tootils 测试工具，为 Gradio 前端的 Svelte 组件编写全面的、行为驱动的单元测试。

在数据采集之前设计实验与研究方案——选择设计类型、随机化、区组化以及安排处理组合，使结果真正可解释。当有人正在规划研究、询问如何把受试者/样本分组、提到随机化、区组、分层、对照、析因或部分析因设计、实验设计（DOE）、多因素筛选、响应面优化、交叉/重复测量/裂区设计、整群分组随机化、拉丁方、孔板布局、批次与进样顺序效应、重复与伪重复，或序贯/自适应/群序贯设计时使用。即使表述随意，例如这个实验该怎么安排、如何避免混杂、测试这 6 个因素的最佳方式、把这些小鼠分配到各处理组，也应触发。若设计已定、需要计算样本量或统计功效请使用 statistical-power，分析已采集的数据则使用 statistica。

在 DataPacket 集群上检查 civitai 生产环境部署沿 Tekton -> Flux -> Flagger 实链路的状态（kubectl，只读）。Tekton/Flagger 集群状态是首要事实来源；GitHub Deployments API 作为公开交叉核对手段。用于查看部署处于链路哪个环节、盯完整个部署，或调试构建/金丝雀发布失败。

为 Mycelium 的 cursor 适配器运行端到端冒烟测试。验证 cursor-agent 前置条件、单机分发、经 hub 的多机分发、与 claude_code/openclaw 的跨家族协商、工作区资源漂移以及鉴权失败。在全新安装后验证 cursor 集成、改动 cursor 家族代码（`integrations/cursor/**`、`daemon/dispatch.py`、`daemon/runner.py`）或升级 `cursor-agent` 之后使用。

带自动回滚的安全多文件重构。先建立类型/测试基线，规划全部改动，逐文件执行并验证零回归；若两次修复尝试后验证仍失败则回滚。支持重命名、提取、移动、拆分、合并与内联。

使用 @mcpjam/sdk 为任意 MCP 服务器生成全面的评测测试。支持 Jest 与 Vitest，提供确定性与 LLM 驱动的测试模式

从 OpenAPI 契约设计并交付可用于生产的 MCP（Model Context Protocol）服务器，而非手写工具封装。支持 Python 与 TypeScript，含 Schema 校验与安全演进。适用于将现有 API 暴露为 MCP 服务器、为 Claude 或 Codex 或 Cursor 构建工具集成，或从零搭建 MCP 项目。

用于 Turso 的 yield 注入或合成故障注入机制，以实现安全可恢复的状态机边界，包括 YieldInjector、FailureInjector、YieldPointMarker、inject_transition_yield!、inject_io_yield!、inject_transition_failure!、CommitYieldPoint、CheckpointYieldPoint、CursorYieldPoint、确定性交错测试、废弃语句/提交测试，以及并发模拟器的 yield 计划。

循环工程（Loop Engineering）引擎。把重复劳动变成系统：一次设计、多次执行，带校验、人工关卡与经验沉淀（REGLAS.md）。三种功能：(1) 安装 —— 首次使用时通过 5 个问题访谈，按各用户的业务、工具与边界定制本技能；(2) 雷达 —— 察觉某项任务正在变成长期循环，并询问「我们是把它设计成系统，还是先直接跑一次？」；(3) 工厂 —— 设计循环（9 格画布）、触发、运行与评估。只要用户说 "loop"、"sistematiza esto"（把这个体系化）、"automatiza este proceso"（自动化这个流程）、"línea de producción"（流水线）、"todas las semanas"（每周都）、"para cada cliente"（每个客户都要）、"hazlo en lote"（批量做）、"diseña el sistema"（设计这个系统）、"diseña el loop"（设计这个循环）、"monta el sistema de"（搭起……的系统）、"deja de hacerlo a mano"（别再手工做）、"loop engineering"、"convierte esto en un sistema"（把这变成系统）、"configura la skill de loops"（配置循环技能），或要求重复本次会话中已做过 2 次以上的任务时，一律使用。第 3 次重复同一任务时主动进入雷达模式（原文截断于 "con estru"）。

编写或调试测试、在单元与集成风格之间做选择、Postgres/ClickHouse 测试、重新生成 ClickHouse 测试 schema，或从不带测试代码进生产包的 package 中导出测试助手。

在完成任何有一定复杂度的任务后使用。Agent 从准确性、完整性、清晰度、可执行性、简洁性五个维度给自己的产出打分，并为每项标准给出具体依据，最终输出一份 1-5 分的结构化评分表和对应的改进建议。

通过 AI 可调用的工具管理 SOP 模板、定时自动化任务与运行历史。

从真实的帖子、文章、发布说明、文档或站点文案中提炼出基于来源的写作风格画像，并在内容、触达和社媒工作流中复用。当用户希望语气统一、又不落 AI 写作的俗套时使用。

根据提供的示例或品牌指引，以独特语气撰写文章、指南、博客、教程、newsletter 等长篇内容。当用户需要超过一段的成稿书面内容时使用，尤其在对语气一致性、结构和可信度有要求时。

Spring Boot 的测试驱动开发，使用 JUnit 5、Mockito、MockMvc、Testcontainers 与 JaCoCo。在添加功能、修复 bug 或重构时使用。

追踪每个面向用户的按钮/触点的完整状态变化链路，用来发现单个函数各自都能工作、却相互抵消、产生错误的最终状态或让 UI 处于不一致状态的缺陷。使用时机：系统性调试没查出问题但用户反馈按钮失灵，或任何涉及共享状态存储的重大重构之后。

编排保持行为不变的重构——先确认测试全绿、在不改变行为的前提下重组结构、保持测试全绿、评审、带门槛的提交。当结构需要改善但行为必须保持不变时使用。

编排对某个已有且可用功能的改动，使其符合新的期望行为——按新规格更新测试、据此修改实现、评审、带门槛的提交。当行为没坏但需要变化时使用。

以先评审再删减的方式重整用户在 X 与 LinkedIn 上的人脉，给出添加/关注建议，并按各渠道特点用用户真实语气起草暖场触达内容。当用户想清理关注列表、朝当前重点方向拓展，或围绕更高信噪比的关系重新平衡社交图谱时使用。

把通知当作一条 ECC 原生工作流来运维，覆盖 GitHub、Linear、桌面提醒、hook 和已接入的通信界面。当真正的问题在于告警路由、去重、升级或收件箱爆仓时使用。

基于 C++ Core Guidelines（isocpp.github.io）的 C++ 编码规范。在编写、评审或重构 C++ 代码时使用，以推行现代、安全、符合惯用法的实践。

跨 GitHub 与 Linear 运维执行流程：分诊 issue 和 pull request、关联进行中的工作，并让 GitHub 保持对外呈现、Linear 作为内部执行层。在用户需要做 backlog 管控、PR 分诊或 GitHub 与 Linear 协同时使用。

ECC 中证据优先的收入、定价、退款、团队计费与计费模型核实工作流。当用户需要销售快照、定价对比、重复扣费诊断，或需要基于代码的计费真实情况而非泛泛的支付建议时使用。

跨多个存储层（本地文件、MCP memory、向量存储、Git 仓库）的知识库管理、摄取、同步与检索。当用户想在知识系统中保存、整理、同步、去重或检索时使用。