搜索「Ralph Loop」的结果

io.github.affaan-m/ECC/quarkus-verification

Quarkus 项目的验证闭环：发布或 PR 前的构建、静态分析、带覆盖率的测试、安全扫描、原生编译与差异（diff）审查。

io.github.nexu-io/open-design/motion-frames

单帧动效设计合成，含循环 CSS 动画——旋转字环、动画地球、滴落计时器、视差标签。渲染结果如同可直接交给 HyperFrames 或任意关键帧导出器的 hero 视频海报。当需求提到「motion design」「animated hero」「loop」「video poster」「title card」，或要将 Open Claude Design 搭配 HyperFrames 做动感导出时使用。

io.github.lfnovo/open-notebook/release

编排 Open Notebook 的一次发布——变更日志核查、基于风险的 A/B/C 测试矩阵、Docker 镜像门禁（全新安装＋升级）、经 PR 的修复循环、版本切分、带署名的发布，以及回顾。在准备、测试、切分或发布版本时使用。

io.github.affaan-m/ECC/springboot-verification

Spring Boot 项目的验证闭环：发布或 PR 前的构建、静态分析、带覆盖率的测试、安全扫描与差异（diff）审查。

io.github.affaan-m/ECC/laravel-verification

Laravel 项目的验证闭环：环境检查、代码风格检查、静态分析、带覆盖率的测试、安全扫描与部署就绪评估。

io.github.affaan-m/ECC/laravel-verification

Laravel 项目的验证闭环：环境检查、代码风格检查、静态分析、带覆盖率的测试、安全扫描与部署就绪评估。

io.github.affaan-m/ECC/django-verification

Django 项目的验证闭环：发布或 PR 前的数据库迁移、代码风格检查、带覆盖率的测试、安全扫描与部署就绪检查。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.BuilderIO/agent-native/design-review-feedback

处理共享 Design 原型上持久化、锚定到元素的评审意见，并以经过验证的编辑闭环。

io.github.nexu-io/open-design/codex-interactive-capability-map

将长文、帖子、备忘录或产品叙述转化为紧凑的可点击能力地图，含工作流循环、用例矩阵与响应式详情面板。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

io.github.comet-ml/opik/writing-e2e-tests

当开发者要为 Opik 的某个功能、页面或分支添加、编写或创建端到端测试时使用——例如「为实验对比页添加 e2e 测试」「为刚做的功能写测试」「这个分支的 e2e 测试」「给数据集条目流程加测试」。在 tests_end_to_end/e2e/ 中跑完整个循环——分析功能与前端代码、用 Playwright MCP 探索真实 UI、编写 Page Object Model + spec，并在本地运行直到通过。

io.github.camunda/camunda/frontend-operate-migrator

把任何 Operate 页面从 operate/client/ 迁移到 orchestration cluster webapp 时使用。务必先阅读 frontend-migrator——本技能补充 Operate 专属覆盖规则、迁移循环协议与逐页面的上下文。

io.github.wshobson/agents/review-agent-setup

在 Claude Code 中为 AI agent 的评审动作配置人工审核卡点。当项目中的 agent 可能发布 PR 评审、评论、合并或修改 CI 配置时使用，可生成带 Cedar 强制卡点、密码学可审计的审批记录。

io.github.pproenca/dot-skills/nextjs-bundle-optimizer

Next.js 16 包体积与构建时长优化——运行数据驱动的迭代循环：测量基线 → 分析最大占用项 → 应用一个优化配方 → 重新测量 → 验证一切未被破坏（构建 + 类型 + 测试 + 无回退）→ 提交或回滚。面向默认启用 Turbopack 的 Next.js 16，项目尚未迁移时回退到 webpack 模式工具链。触发语句如“First Load JS is huge”“bundle size”“build takes too long”“page is slow to TTI”“reduce bundle”“tree-shake”，或用户贴出 `next experimental-analyze` / `@next/bundle-analyzer` 的输出时——即便没有明说“优化”。

io.github.ruvnet/ruflo/pod-sales

执行业务 pod 中销售环节的一次 tick（ADR-164 §4.1，Phase 2）。加载 templates/sales.json，按 pod-schema 校验，在 ruflo 的 agent 注册表中解析 agent，通过 Phase-2 基于文件的占位账本预留预算（原子 SQLite 记账留待 ADR-164.1 的 Phase 3），为每个 agent 构造 dry-run prompt，经 federation_bbs_publish 的 JSONL 存储把摘要信封发布到 sales room，并输出结构化 {podName, tickId, agentsRan, totalUsd, envelopeId, status} 行供 /loop 摄取。默认 dry-run；--live 留给 Phase 3。

io.github.microsoft/hve-core/prompt-refactor

依据明确的需求，通过完整的 prompt-builder 闭环重构既有的提示词工件。

io.github.calesthio/OpenMontage/hyperframes-cli

HyperFrames CLI 开发循环。运行 npx hyperframes 的 init、add、catalog、capture、lint、validate、inspect、layout、snapshot、preview、play、render、publish、lambda、doctor、browser、info、upgrade、skills、compositions、docs、benchmark、telemetry、transcribe、tts 或 remove-background 命令时使用,或排查 HyperFrames 构建/渲染环境时。也是 AWS Lambda 云渲染(hyperframes lambda deploy / render / progress / destroy / policies)的入口。

io.github.SignalPilot-Labs/SignalPilot/sql-workflow

在编写任何 SQL 查询之前使用此技能。涵盖：输出形状推断（从问题中获取基数线索）、高效的 schema 探索、基于 CTE 的迭代式查询构建、结构化验证循环（行数、NULL 审计、扇出检查、样例查看）、错误恢复流程、将输出保存到 result.sql 与 result.csv、轮次预算管理以及常见基准陷阱。

io.github.jleechanorg/claude-commands/automation-output-verification

在运行任何自动化循环之前必须先用。要求明确可观测的成功输出（PR、修复的测试、推送），拒绝只有预测的循环。

io.github.TencentCloudBase/CloudBase-MCP/mcp-attribution-worktree

通过本地报告 API，以证据驱动的判断和隔离的 Worktrunk worktree 对 MCP 归因（attribution）问题进行分诊、修复与关闭。当 Codex 需要处理 `tool` 归因问题和技能相关归因问题、检查相关运行记录、判定问题应在 `mcp/src` 还是 `config/source/skills` 中修复、将归因字段更新为 `owner=codex`，并在问题可修复时通过 GitHub issue 跟踪、基于 worktree 的代码修改、PR 提交及后续迭代完成修复闭环时使用。

io.github.onsi/ginkgo/writing-specs

编写优秀的 Ginkgo spec——容器节点（Describe/Context/When）、主题节点（It/Specify）、setup/cleanup 节点（BeforeEach、JustBeforeEach、AfterEach、DeferCleanup、BeforeSuite/AfterSuite）、“容器内声明、BeforeEach 中初始化”规则、创建与配置分离、用 GinkgoHelper()/GinkgoHelperGo() 的可复用测试助手，以及 By/GinkgoWriter 输出。在编写或审查 spec 或提取测试助手时使用。涵盖构树期陷阱（容器体内不要放断言/初始化/循环捕获）。