探索 MCP Server 与 Agent Skill

io.github.affaan-m/ECC/fsharp-testing

F# 测试框架、基于属性的测试以及函数式测试方法。

io.github.affaan-m/ECC/e2e-testing

Playwright 端到端测试模式、Page Object Model、配置、CI/CD 集成、测试产物管理与不稳定测试应对策略。

io.github.affaan-m/ECC/csharp-testing

使用 xUnit、FluentAssertions、mock、集成测试与测试组织最佳实践的 C# 与 .NET 测试模式。

io.github.affaan-m/ECC/flox-environments

用 Flox（基于 Nix 的声明式环境管理器）构建可复现的跨平台开发环境。以下情况务必使用本技能：为需要系统级依赖（编译器、数据库，以及 openssl、libvips、BLAS、LAPACK 等原生库）的项目做配置；为 Python、Node.js、Rust、Go、C/C++、Java、Ruby、Elixir、PHP 等语言搭建可复现工具链；管理在 macOS 与 Linux 之间表现一致的环境；为团队锁定精确的包版本；让 PostgreSQL、Redis、Kafka 等本地服务与开发工具并行运行；用一条命令让新成员完成上手；或解决“在我自己的机器上能跑”这类问题。在 AI 辅助编程与 vibe coding 场景下价值尤其突出——Flox 让 Agent 无需 sudo、不污染系统、不受沙箱限制即可安装项目级作用域的依赖，且最终环境会随仓库提交，任何人都能立刻复现。即使用户没有提到 Flox，只要描述需要可复现、声明式、跨平台的开发环境以及系统级软件包，也应使用本技能；用户提到 .flox/、manifest.toml、flox activate 或 FloxHub 时同样适用。

io.github.affaan-m/ECC/nodejs-keccak256

避免 JavaScript 与 TypeScript 中的以太坊哈希 bug。Node 的 SHA3-256 是 NIST SHA3，并非以太坊的 Keccak-256，会悄无声息地破坏选择器、签名、存储槽和地址推导。

io.github.affaan-m/ECC/error-handling

跨 TypeScript、Python、Go 的稳健错误处理模式，涵盖带类型的错误、错误边界、重试、熔断器与面向用户的错误提示。

io.github.affaan-m/ECC/documentation-lookup

通过 Context7 MCP 获取最新的库与框架文档，而不是依赖训练数据。当出现安装配置类问题、API 参考、代码示例，或用户点名某个框架（如 React、Next.js、Prisma）时触发。

io.github.affaan-m/ECC/remotion-video-creation

Remotion 最佳实践——用 React 创作视频。包含 29 条领域专属规则，覆盖 3D、动画、音频、字幕、图表、转场等。

io.github.affaan-m/ECC/codebase-onboarding

分析一个陌生的代码库，生成结构化的上手指南，包含架构图、关键入口点、约定规范以及一份起始的 CLAUDE.md。当加入新项目，或在某个仓库中首次配置 Claude Code 时使用。

io.github.affaan-m/ECC/code-tour

创建 CodeTour 的 `.tour` 文件——面向特定角色、带真实文件与行号锚点的分步讲解。用于新人上手导览、架构走查、PR 导览、RCA 导览，以及结构化的“解释这是如何工作的”类请求。

io.github.affaan-m/ECC/browser-qa

在功能部署之后，通过浏览器自动化完成可视化测试与 UI 交互验证。

io.github.affaan-m/ECC/automation-audit-ops

面向 ECC 的、以证据为先的自动化清单与重叠审计流程。当用户希望在动手修复之前先弄清哪些任务、钩子、连接器、MCP 服务器或包装层是在运行的、已损坏的、冗余的还是缺失的使用。

io.github.affaan-m/ECC/git-workflow

Git 工作流、分支策略、提交信息约定与 Pull Request 流程。

io.github.affaan-m/ECC/frontend-design-direction

前端设计方向、美学原则与一致的设计语言落地。

io.github.affaan-m/ECC/docker-patterns

Docker 镜像的构建与优化、多阶段构建、网络与卷管理，面向生产环境部署的最佳实践。

io.github.affaan-m/ECC/agentic-os

在 Claude Code 之上构建可持久化的多 Agent 操作系统。涵盖内核架构、专职 Agent、斜杠命令、基于文件的记忆、定时自动化，以及不依赖外部数据库的状态管理。

io.github.affaan-m/ECC/agentic-engineering

以 Agentic 工程师的方式工作：评测优先执行、任务拆解与成本感知的模型路由。

io.github.affaan-m/ECC/agent-sort

通过并行的、感知仓库的审查流程，把技能、命令、规则、钩子与扩展内容分到 DAILY 与 LIBRARY 两类中，为特定仓库形成有证据支撑的 ECC 安装计划。当需要把 ECC 精简为项目真正所需、而不是加载完整套件时使用。

io.github.affaan-m/ECC/agent-introspection-debugging

针对 AI Agent 故障的结构化自我调试流程，包含捕获、诊断、受控恢复与内省报告。

io.github.affaan-m/ECC/agent-harness-construction

设计并优化 AI Agent 的动作空间、工具定义与观察格式，以提升任务完成率。

io.github.affaan-m/ECC/agent-eval

在自定义任务上对编码 Agent（Claude Code、Aider、Codex 等）进行正面对比，测量通过率、成本、耗时与一致性指标。

io.github.affaan-m/ECC/agent-architecture-audit

面向 Agent 与 LLM 应用的全栈诊断。按 12 层 Agent 技术栈审查包装层回归、记忆污染、工具调用约束失效、隐藏的修补循环与渲染损坏，输出按严重程度排序的问题清单，并给出以代码为优先的修复建议。构建 Agent 应用、自主循环或任何 LLM 功能的开发者必备。