面向 Codex、Cursor 和 Claude 的工程型 Agent Skill 集合。
把项目理解、多仓定位、跨仓变更、远程验证和经验沉淀，整理成可安装、可审查、可版本管理的工作流。Agent 不必每次从零摸索，人仍然掌握写入、分支和发布等关键决定。
这不是提示词清单。每个 Skill 都是一个自包含目录，可以同时带上 SKILL.md、参考资料、脚本和模板；Agent 只在任务需要时读取相关内容。
设计参考 Harness Engineering 和 Agent Skills：仓库是记录系统，入口是地图，人类掌舵，Agent 执行。
克隆仓库：
git clone https://github.com/Barry04/ai-skill-repository.git
cd ai-skill-repository安装全部 Skill：
| 平台 | 命令 |
|---|---|
| Windows | .\install.ps1 |
| macOS / Linux | bash install.sh |
Windows 如果被 PowerShell 执行策略拦截，可只对本次安装临时绕过：
powershell.exe -NoProfile -ExecutionPolicy Bypass -File .\install.ps1脚本会把 skill/ 下的全部 Skill 安装到：
- Codex：
$CODEX_HOME/skills，未设置时为~/.codex/skills - Cursor：
~/.cursor/skills - Claude：
~/.claude/skills
Warning
安装是“按仓库版本覆盖”，不是增量合并。目标位置中与本仓库同名的 Skill 目录会先删除再复制；如果你直接改过全局安装目录，请先备份。
安装后可以直接这样提问：
请使用 project-to-harness-skill 扫描当前项目，先给我 Harness 化预览，我确认后再写入。
这个需求涉及多个仓库。先建立职责地图和影响矩阵，实施前提醒我确认同名分支。
把构建产物部署到 Linux 测试机，运行验证并回收日志；不要执行范围外的远程操作。
| 场景 | Skill | 解决的问题 |
|---|---|---|
| 项目理解 | project-to-harness-skill |
扫描新项目、遗留项目或开源项目，先预览，再生成 AGENTS.md、Harness 文档和合格的项目级 Skill |
| 多项目定位 | workspace-context-router |
用可人工审查的 workspace.yaml 把请求路由到正确仓库、模块和上下文入口 |
| 跨仓需求 | cross-project-requirement |
建立带代码证据的职责地图与影响矩阵，确认同名分支，按契约兼容性编排实施和验证 |
| Java 排错 | java-backend-troubleshooting |
定位 Spring 事务不回滚、MyBatis 分页失效和常见 Java 后端问题 |
| Linux 验证 | linux-test-executor |
通过 SSH 上传、执行测试、采集日志，并限制远程操作范围 |
| Wiki 协作 | read-wiki-via-mcp |
通过本地 Atlassian MCP 读取、创建和更新 Confluence / Wiki 页面 |
| 经验沉淀 | evolving-skill |
识别可复用经验，先征得用户同意，再写入当前项目的 skill/ 和索引 |
| 质量治理 | skillopt-adapter |
对 Skill 做 benchmark、regression 和候选提案审查，避免优化结果直接覆盖正式版本 |
不需要每个任务都走完整链路。Agent 根据任务只读取高相关 Skill；细节继续下沉到 references/、tools/、scripts/ 和 assets/，避免把所有上下文一次塞进会话。
| 原则 | 仓库中的做法 |
|---|---|
| 先看证据再行动 | Harness 化、项目职责和影响范围都从仓库事实出发，不凭名称猜测 |
| 先预览再写入 | 项目 Harness 和新 Skill 默认先给预览；用户确认后才落盘 |
| 人控制关键决定 | 不自动切换多仓分支；需要并行开发时先提醒并确认分支策略 |
| 上下文可审查 | 多项目路由使用可读的 YAML，不把项目关系藏进 SQLite 或隐式状态 |
| 优化不直写 | SkillOpt 结果先进 experiments/skillopt/ 和 proposals/，正式 Skill 仍需人工确认 |
| 敏感信息不沉淀 | 密码、Token、私钥和生产细节不得写入 Skill；配置使用占位符和样例 |
- 安装流水线 会打包 Windows / Unix 版本，并在 Windows、macOS、Linux 上验证 Codex、Cursor、Claude 三个安装目标。
- 确定性回归 当前覆盖
java-backend-troubleshooting和workspace-context-router；没有评测的 Skill 会在 CI 中明确告警。 - CI 不调用模型或外部付费优化服务。
skillopt-adapter管理评测与提案流程，不宣称一键自动优化。 - Skill 以普通文件保存，可通过 Git 审查、回滚和发布，不依赖私有数据库。
部分 Skill 有额外运行依赖，只有使用对应能力时才需要安装：
| Skill | 可选依赖 |
|---|---|
workspace-context-router |
Python 3；按 requirements.txt 安装 Python 依赖 |
linux-test-executor |
Python 3、ssh、scp、可访问的测试机和有效凭据 |
read-wiki-via-mcp |
本机 localhost:9000 的 Atlassian MCP 服务 |
AGENTS.md # Agent 入口与 Skill 路由地图
skill/<name>/SKILL.md # 正式、可安装的 Skill
eval/<skill>/ # 确定性回归用例与评分标准
experiments/skillopt/ # 本地优化实验产物，不安装
proposals/<skill>/ # 待人工审查的候选修改
scripts/skillopt/ # 评分与 proposal 工具
install.ps1 / install.sh # 全量安装脚本
渐进披露路径：AGENTS.md → skill/<name>/SKILL.md → 按需读取参考资料或工具。
ai-skill-repository是仓库名；evolving-skill是其中负责经验演进的一个协议。它生成或更新的业务 Skill 应保存在当前项目中，而不是直接写进全局安装目录。
- Agent 进入本仓库时先读
AGENTS.md。 - 新增、合并或优化 Skill 时按
UPGRADE.md的检查清单执行。 - 可复用经验只有在用户明确同意后，才写入当前项目的
skill/。 - 欢迎通过 Issues 提交场景和问题，通过 Pull Request 改进 Skill。