Skip to content
cccskills
FreePublished on GitHub

code-engineering

当系统提示面向编程代理(Coding Agent)场景时调用。适用于构建代码编辑、文件操作、Git 工作流、自动化编程助手的系统提示。不适用于代码解释或教学场景(无文件修改),不适用于 DevOps 基础设施配置(非代码层),不适用于纯对话式代码问答(无工具调用)。

The English summary is being prepared. Showing the original description.

Works withPlaywright
See how to install

Files included (1)

  • SKILL.md6.6 KB

SKILL.md (original)

Review the instructions the agent will receive before you install.

编程代理模式

R — 原文 (Reading)

Claude Code 实现文件记忆、Agent 子任务委派、并行工具调用、Git 安全协议和"量两次切一次"原则;Codex 具备脏工作树感知、Plan 工具带跳过规则、代码审查按严重度排序;Jules 定义 plan→review→execute 生命周期,用 Playwright 验证前端;Claude Design 固定 React+Babel 版本并制定反 AI 糟粕指南。核心模式:安全优先 Git 工作流、计划生命周期管理、上下文感知编辑、验证循环、自主与引导模式。

I — 方法论骨架 (Interpretation)

  1. 安全优先 Git 工作流:任何破坏性操作(force push、hard reset、clean)需显式用户确认,优先创建新提交而非修改已有提交,保护主分支。
  2. 计划生命周期管理:采用 plan→review→execute 三阶段模型——先理解意图生成计划,用户确认后再执行,执行后验证结果。
  3. 上下文感知文件编辑:编辑前先读取文件内容,理解上下文后再修改,避免破坏性覆盖;优先使用差异编辑而非全文重写。
  4. 验证循环:代码修改后运行测试或构建验证,前端变更使用浏览器工具截图确认视觉效果。
  5. 自主与引导模式切换:简单任务可自主完成(YOLO 模式),复杂任务需逐步确认,根据任务性质自动选择模式。
  6. 反 AI 糟粕规则:禁止生成典型的 AI 风格代码(过度注释、不必要的抽象、冗余类型声明),追求简洁专业的工程代码。

A1 — 案例分析 (Past Application)

案例: Claude Code 的 Git 安全协议

  • 问题: 编程代理可能执行破坏性 Git 操作(如 force push 到主分支、hard reset 丢失未提交工作),导致代码资产损失。
  • 设计模式的使用: Claude Code 在系统提示中建立完整的安全协议——永不执行 destructive 操作除非用户明确要求、优先创建新提交而非 amend(amend 会覆盖前一次提交的历史)、提交前检查 hooks 是否通过、不跳过 --no-verify。同时要求在暂存文件时指定具体文件名而非 git add -A,避免意外包含敏感文件。
  • 结论: Git 安全不能依赖模型判断,必须在系统提示中以硬性规则形式声明,将高风险操作从"建议谨慎"升级为"必须确认"。

案例: Jules 的 plan→review→execute 生命周期

  • 问题: 编程代理直接动手修改代码容易偏离用户意图,尤其是多文件变更时,错误修改的修复成本远高于规划阶段的修正成本。
  • 设计模式的使用: Jules 将编程任务分为三个阶段——Plan(理解需求、分析代码库、生成变更计划)、Review(展示计划供用户审核确认)、Execute(按计划执行修改)。前端变更还增加 Playwright 截图验证环节。
  • 结论: "量两次切一次"原则在编程代理中显著降低返工率,计划阶段的低成本修正远优于执行后的高成本修复。

A2 — 触发场景 (Future Trigger) ★

用户在什么情境下需要?

  1. 构建 IDE 内的 AI 编程助手(如 VS Code 插件)
  2. 设计自主编程代理(如根据 Issue 自动修复代码的 CI/CD 机器人)
  3. 开发命令行编程工具(如终端中的 AI 编程助手)
  4. 实现代码审查自动化系统

语言信号

  • "AI 编程助手"
  • "自动修改代码"
  • "Git 操作自动化"
  • "代码审查 Agent"
  • "需要安全地编辑文件"

与相邻 skill 的区分

  • 与 injection-defense 区别:注入防御关注外部内容的信任边界,编程代理关注代码执行操作的安全性(如 Git 破坏性操作防护)
  • 与 citation-system 区别:代码引用指向文件和行号而非文档段落,编程代理的引用是操作上下文的一部分

E — 可执行步骤 (Execution)

  1. 步骤 1:建立 Git 安全协议 - 完成标准:列出禁止自主执行的 Git 操作清单(force push、hard reset、主分支直接推送、amend 已推送的提交),为每项定义用户确认流程和替代安全方案。
  2. 步骤 2:设计 plan→review→execute 生命周期 - 完成标准:定义三阶段的输入输出——Plan 阶段输出变更文件列表和修改概要,Review 阶段要求用户确认,Execute 阶段按确认结果执行;规定何时可跳过 Review(如单行修改等低风险变更)。
  3. 步骤 3:定义上下文感知编辑规则 - 完成标准:声明"编辑前必须先读取文件"原则,优先使用差异编辑(指定 old_string/new_string)而非全文重写,暂存文件时指定具体路径而非 glob 通配。
  4. 步骤 4:添加验证循环机制 - 完成标准:规定代码修改后的验证步骤——运行相关测试套件、执行构建检查、前端变更使用截图工具确认视觉效果;定义验证失败时的回退策略(撤销修改并报告错误)。
  5. 步骤 5:编写反 AI 糟粕指南 - 完成标准:列出禁止的 AI 典型代码风格(过度注释如"// 这是一个变量"、不必要的接口抽象、冗余的类型重定义、千篇一律的错误处理模式),提供良好与糟糕示例的对比。

B — 边界 (Boundary) ★

不要在以下情况使用

  • 纯代码问答或教学(无文件修改操作,无需 Git 安全协议)
  • DevOps 基础设施配置(Terraform、Kubernetes manifest 等,属于运维领域)
  • 代码分析工具(仅读取不修改,无需编辑安全协议)
  • CI/CD 流水线设计(属于自动化部署,非代码编辑)

常见失败模式

  • 过度自主:编程代理未经确认直接执行复杂修改,导致偏离用户意图或破坏现有功能,应强制对高风险操作设置确认环节
  • 全文重写偏好:模型倾向于重写整个文件而非局部修改,增加引入意外错误的风险,应优先使用差异编辑
  • 忽视工作树状态:在脏工作树中执行操作导致未保存变更丢失,应要求操作前检查工作树状态
  • AI 糟粕代码:生成过度注释、不必要抽象、冗余类型的"AI 风格"代码,需明确的反模式指南约束

Reviews

No reviews yet. Tell others what you thought.

Comments

No login needed. Share how it worked for you, ask a question, or note where it did not run.

No comments yet. Be the first to write one.

Comments are published right away. Do not include personal information such as email addresses or phone numbers. Up to 2 URLs.

0 / 1,000 characters

This form is protected by reCAPTCHA, and the Google Privacy Policy and Terms of Service apply.

More skills from this repository

当系统提示词需要设计多代理协作架构、子代理专业化分工、代理间上下文隔离与传递机制、任务生命周期管理时调用此 Skill。适用于 AI Agent 平台、多工具编排系统、代码审查流水线、跨应用协作场景等。不适用于:单代理系统(无委派需求)、简单工具调用(无子代理概念)、纯 API 编排(无 AI 决策)。当需求聚焦于"单代理内的对话路由"而非"多代理间的任务分配"时,应该用 conversation-flow 而非本 Skill。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

当系统提示需要设计引用格式、信息溯源机制、来源标注系统时调用。适用于文档问答、搜索增强生成(RAG)、代码引用、浏览器辅助等需要让用户追溯信息来源的场景。不适用于纯创作类输出(如故事、诗歌),不适用于无需溯源的常识问答,也不适用于注入防御(虽然两者都涉及内容可信度)。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

当系统提示词需要设计 token 预算分配、上下文压缩策略、延迟加载机制、记忆持久化方案时调用此 Skill。适用于长对话 AI 助手、代码编辑器集成、研究型 Agent、多会话系统等需要精细管理上下文窗口的场景。不适用于:单轮交互系统(无上下文管理需求)、纯无状态 API(无对话历史)、简单的 prompt 模板设计。当需求聚焦于"如何搜索外部信息"而非"如何管理已有信息"时,应该用 search-integration 而非本 Skill。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

当系统提示词需要定义 AI 如何分类用户意图、路由到不同处理流程、决定澄清策略和自主度级别时调用此 Skill。适用于多任务型 AI 助手、客服机器人、编程工具、研究助手等需要结构化对话管理的场景。不适用于:纯问答型系统(无任务执行)、单轮交互(无对话状态)、简单的 prompt 模板(无路由逻辑)。当需求仅涉及"输出什么格式"而非"如何决定输出什么"时,应该用 output-formatting 而非本 Skill。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

当系统提示需要防御提示注入、越狱攻击、社会工程、内容信任边界突破等安全威胁时调用此 Skill。适用于构建 AI Agent、聊天机器人、文档处理助手等任何接受外部输入的系统提示。不适用于纯内部工具调用场景或已完全隔离的沙箱环境,也不适用于 UI 布局或响应格式设计。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

当需要为 AI 设计记忆存储、检索、应用和更新机制时调用此 skill。典型场景包括:设计持久化记忆架构(用户偏好、历史上下文、项目知识)、定义记忆的创建/读取/更新/删除生命周期、实现静默记忆应用(不在回复中透露记忆内容)、管理敏感记忆边界。 不适用于:定义工具接口(tool-specification)、定义安全规则(safety-guardrails)、定义人格风格(personality-system)。 关键 trigger 信号:AI 需要跨会话记住用户信息、记忆内容可能敏感、需要在回复中隐式应用记忆而非显式引用、用户要求"记住这个"。

The English summary is being prepared. Showing the original description.

kangarooking/system-prompt-skills214Updated May 4, 2026

See all skills by kangarooking

Report a problem with this skill