卓越代码审查
io.github.sickn33/antigravity-awesome-skills/code-review-excellence
通过建设性反馈、系统化分析与协作改进,把代码审查从把关转变为知识共享。
“Self Improvement” 共 87 个结果
io.github.sickn33/antigravity-awesome-skills/code-review-excellence
通过建设性反馈、系统化分析与协作改进,把代码审查从把关转变为知识共享。
io.github.vercel-labs/open-agents/deploy-open-harness
引导用户收集部署自己一份 Open Harness 所需的凭据,在 Vercel 上部署本仓库,并完成首次运行设置。用于部署、自托管、配置凭据,或上手本应用分叉等请求。
io.github.microsoft/agent-academy/assets
在生成报告、表格或邮件输出时,用本技能产出精致、自包含、响应式的 HTML。
io.github.wentorai/Research-Claw/writing-sop
学术写作与文档生产的四阶段迭代协议。涵盖提纲 → 初稿 → 自查 → 精修的完整流程,含停止点(Stop Points)、素材补充循环、版本对比与机械化自检。包括 IMRaD、LaTeX、docx/markdown、引用格式化和 md2pdf。
io.github.davila7/claude-code-templates/code-review-excellence
通过建设性反馈、系统化分析与协作式改进,把代码审查从把关转变为知识共享。
io.github.revfactory/harness-100/refactoring-catalog
代码重构目录。作为 architecture-reviewer/performance-analyst 的扩展技能,提供基于 Martin Fowler 的重构手法、代码异味的检测与重构映射、SOLID 原则违反映别以及复杂度度量标准。在涉及“重构”“代码异味”“SOLID 违反”“复杂度”“设计模式”“代码质量”等代码结构改进评审时使用。注意:直接修改代码与安全分析不在本技能范围内。
io.github.langflow-ai/langflow/backend-code-review
依据既定检查清单规则,从质量、安全、可维护性和最佳实践角度审查后端代码。当用户请求审查、分析或改进 src/backend/ 目录下的后端文件(如 .py)时使用。不适用于前端文件(.tsx、.ts、.js)。支持待提交变更审查、代码片段审查和按文件审查。
io.github.Skyvern-AI/skyvern/testing
通过冒烟测试后端 API、前端渲染、浏览器会话供给与工作流执行,验证 Skyvern 部署是否正常工作。当用户说「Skyvern 是否正常」「测试我的部署」「验证安装」「冒烟测试」,或需要检查自托管/本地 Skyvern 实例是否健康时使用。
io.github.diegosouzapw/awesome-omni-skill/cursor-rules-review
用五道关卡的评审流程,按质量标准检查 Cursor IDE 规则(.mdc 文件)。校验 frontmatter(YAML 语法、必填字段、描述质量、触发配置)、glob 模式(精确度、性能、正确性)、内容质量(聚焦、组织、示例、交叉引用)、文件长度(建议 500 行以内)以及功能性(触发、交叉引用、可维护性)。适用于评审包含 Cursor 规则改动的 PR、周期性规则质量审计、提交前校验新规则、发现改进空间、整理规则供团队共享,或排查规则未按预期生效的原因。
io.github.RightNow-AI/openfang/writing-coach
面向语法、风格、清晰度与结构的写作提升专家。
io.github.Trevoke/org-gtd.el/refactor
在实现完成之后需要改善代码质量但不改变行为时使用。
io.github.ruvnet/ruflo/reasoningbank-agentdb
基于快 150 倍的 AgentDB 向量数据库实现 ReasoningBank 自适应学习,涵盖轨迹记录、结论判定、记忆蒸馏与模式识别。用于构建自学习 agent、优化决策或实现经验回放系统。
io.github.solatis/claude-config/refactor
当用户提出重构分析、技术债评审或代码质量改进需求时,立即通过 python 脚本调用。不要先自行探索——由脚本统一编排探索过程。
io.github.ruvnet/RuView/reasoningbank-agentdb
基于 AgentDB(检索快 150 倍的向量库)实现 ReasoningBank 自适应学习。含轨迹追踪、结论判定、记忆蒸馏与模式识别。用于构建自学习代理、优化决策或实现经验回放系统。
io.github.ruvnet/RuView/agentdb-learning
用 AgentDB 的 9 种强化学习算法创建并训练 AI 学习插件,含 Decision Transformer、Q-Learning、SARSA、Actor-Critic 等。在构建自学习代理、实现 RL 或通过经验优化代理行为时使用。