依据WCAG 2.2设计和检查Web、iOS及Android界面，核查读屏标签、键盘操作、配色对比度和操作目标尺寸，使界面支持辅助技术。
- 为纯图标按钮添加说明
- 检查键盘操作与模态框焦点
- 检查对比度与操作目标尺寸
affaan-m/ECC28.4万2026年10月16日 更新
免费在 GitHub 公开中文介绍
ai-first-engineering
为大量实现工作由AI智能体承担的开发团队梳理计划、责任分工、评审标准和测试要求，设计以可衡量验收条件为依据的生成代码开发流程。
原文查看原文说明
Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.
适用场景
- 制定处理AI生成代码的团队规则
- 设置代码评审标准和批准条件
- 考虑便于智能体工作的设计
- 制定测试要求和工程师评价标准
中文介绍
功能
为大量实现工作由AI智能体承担的开发团队，梳理计划、责任分工、评审和测试标准。重视可衡量的验收条件与评估，设计开发流程，使检查范围涵盖代码格式、系统行为、数据完整性、故障应对及安全发布。
适用场景
适合制定团队处理生成代码的规则，或统一评审时需要检查的内容。也会考虑便于智能体工作的设计，包括清晰的边界、稳定的约定、带类型的接口，以及相同条件下可复现结果的测试。在招聘或能力评价中，也可用于考察候选人拆解模糊任务、编写提示词和设计评估的能力。
使用示例
- “为处理AI生成代码的团队梳理评审标准和责任分工。”
- “为这份开发计划设定可衡量的验收条件。”
- “整理生成代码所需的回归测试和边界检查项目。”
注意事项
对生成代码，要求为改动涉及的领域提供回归测试，明确验证意外输入和边界条件，并在接口边界进行集成检查。这些测试要求属于生成代码开发流程的标准。
本介绍由 AI（OpenAI Codex）根据公开的 SKILL.md 撰写。准确的规格请查看下方原文。
客观评估
AI 仅根据 SKILL.md 的内容，从 4 个方面进行了评估。星标数和热度不计入评估。
- 指令清晰度能否看出何时使用、做什么
- A良好明确列出以AI生成代码为主的团队所需的架构、评审和测试标准。
- 步骤具体性步骤、输入输出和示例是否具体
- B部分不足评审项目和测试要求具体，但未提供执行步骤或输出格式。
- 安全性发送数据、删除文件、执行命令等是否有说明
- A良好主要提供开发方针和评价标准，没有发送数据、删除文件或执行命令的指示。
- 安装难易度所需工具和 API 密钥是否少且有说明
- A良好应用这些方针未指定额外工具、API密钥或付费服务。
总分按每项 A=25 分、B=15 分、C=5 分相加。 由 AI（OpenAI Codex）于 2026年10月19日 评估。仅供参考，安装前请同时查看原文。
如果您认为评估有误，请申请复核
包含的文件（1）
- SKILL.md1.4 KB
SKILL.md（原文）
安装前可以查看交给 AI 代理的指令内容。
AI-First Engineering
Use this skill when designing process, reviews, and architecture for teams shipping with AI-assisted code generation.
Process Shifts
- Planning quality matters more than typing speed.
- Eval coverage matters more than anecdotal confidence.
- Review focus shifts from syntax to system behavior.
Architecture Requirements
Prefer architectures that are agent-friendly:
- explicit boundaries
- stable contracts
- typed interfaces
- deterministic tests
Avoid implicit behavior spread across hidden conventions.
Code Review in AI-First Teams
Review for:
- behavior regressions
- security assumptions
- data integrity
- failure handling
- rollout safety
Minimize time spent on style issues already covered by automation.
Hiring and Evaluation Signals
Strong AI-first engineers:
- decompose ambiguous work cleanly
- define measurable acceptance criteria
- produce high-signal prompts and evals
- enforce risk controls under delivery pressure
Testing Standard
Raise testing bar for generated code:
- required regression coverage for touched domains
- explicit edge-case assertions
- integration checks for interface boundaries
评价
还没有评价。欢迎分享你的使用感受。
评论
无需登录即可发表。欢迎分享使用感受、提问，或说明在哪些环境下无法运行。
还没有评论。来写第一条吧。
同一仓库的技能
从指令、记忆、工具执行和界面显示等十二个层面排查人工智能代理故障，依据代码和日志梳理原因，按严重程度列出问题并提出修复方案。
- 排查仅在应用内出现的故障
- 调查旧对话混入回答的原因
- 核对工具漏执行或虚报执行
affaan-m/ECC28.4万2026年10月16日 更新
用实际开发任务比较多个编程智能体，记录成功率、可获取的API费用、耗时和重复运行的稳定性，为工具选型及更新后的性能评估提供数据。
- 用实际开发任务比较智能体
- 采用新工具或模型前进行评估
- 检查智能体更新后的性能
affaan-m/ECC28.4万2026年10月16日 更新
设计和调整AI智能体使用的工具、输入与返回格式，明确出错后的恢复、重试和停止条件，管理上下文信息量，并以完成率、重试次数和成功任务成本评估改进。
- 设计智能体工具及输入格式
- 明确工具结果与下一步行动
- 制定安全重试与停止条件
affaan-m/ECC28.4万2026年10月16日 更新
根据错误信息和执行环境，分析AI代理反复失败或重复操作的原因。通过小范围、可撤销的恢复操作检验假设，并将结果与依据整理成可供交接的报告。
- 诊断代理连续失败
- 调查重复调用工具的循环
- 检查上下文积累导致的输出退化
affaan-m/ECC28.4万2026年10月5日 更新
在AI代理反复失败或重复操作时，记录错误与环境前提、排查原因，采取影响有限的恢复操作，并汇总结果和证据，为有依据的重试与交接提供支持。
- 排查重复调用工具的原因
- 调查对话膨胀导致的质量下降
- 核对文件路径与环境差异
affaan-m/ECC28.4万2026年10月16日 更新