跳到正文
cccskills
免费在 GitHub 公开中文介绍

ralphinho-rfc-pipeline

将大型功能的RFC设计提案拆分为带依赖关系和验收测试的工作单元，组织多个智能体完成调查、实现、测试与审查，再依次合并变更并验证整个系统。

原文查看原文说明

Split an RFC into a multi-agent execution DAG — decompose into work units with dependencies and acceptance tests, run research, plan, implement, test, and review per unit, then merge through a queue with re-based branches and final system verification. Use when a feature is too large for a single agent pass, orchestrating RFC-driven multi-agent execution, or managing merge queues across agent-built units.

affaan-m/ECC
AI 评分80分/ 100查看安装方法

适用场景

  • 将大型设计提案拆成可验证的任务
  • 为多个智能体分配带依赖关系的工作
  • 审查并依次合并变更分支
  • 缩小停滞任务的范围后重试

中文介绍

功能

此技能将大型功能的RFC（设计提案文档）拆分为可独立验证的工作单元，组织多个智能体协作。每个单元包含ID、依赖关系、范围、验收测试、风险和回退计划。各项工作依次经过调查、规划、实现、测试与审查，再按顺序合并变更，最后验证整个系统。

适用场景

适合单次智能体任务难以完成的功能开发，或需要按依赖关系整合多项变更的情况。它将变更复杂度划分为三个等级，保留执行日志、各工作单元的评估表、依赖关系图和集成风险摘要。工作停滞时，可保存已有发现，缩小范围并安排重试。

使用示例

  • “将这份RFC拆成带依赖关系和验收测试的工作单元。”
  • “整理各智能体变更的合并顺序和验证步骤。”
  • “保存停滞任务的调查结果，并制定缩小范围后的重试方案。”

注意事项

依赖任务的失败尚未解决时，不合并相关工作。每个工作分支须在最新集成分支上执行变基，每次合并后重新运行集成测试。除各单元的测试外，最后还须验证整个系统。

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良好明确用于拆分单次难以完成的RFC，并从任务分配推进到集成和最终验证。
步骤具体性步骤、输入输出和示例是否具体
A良好提供七阶段流程、工作单元的六个字段、合并规则和停滞时的恢复步骤。
安全性发送数据、删除文件、执行命令等是否有说明
B部分不足有变基与合并规则，但未说明修改历史前的确认或冲突处理。
安装难易度所需工具和 API 密钥是否少且有说明
B部分不足以多个智能体、分支和变基为前提，但未提供执行环境的配置步骤。

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

请写明哪一项有误以及原因。无需登录。我们会对照 SKILL.md 重新评估，并在此处更新结果。

此表单受 reCAPTCHA 保护，适用 Google 的隐私权政策和服务条款。

包含的文件（1）

  • SKILL.md1.8 KB

SKILL.md（原文）

安装前可以查看交给 AI 代理的指令内容。

Ralphinho RFC Pipeline

Inspired by humanplane style RFC decomposition patterns and multi-unit orchestration workflows.

Use this skill when a feature is too large for a single agent pass and must be split into independently verifiable work units.

Pipeline Stages

  1. RFC intake
  2. DAG decomposition
  3. Unit assignment
  4. Unit implementation
  5. Unit validation
  6. Merge queue and integration
  7. Final system verification

Unit Spec Template

Each work unit should include:

  • id
  • depends_on
  • scope
  • acceptance_tests
  • risk_level
  • rollback_plan

Complexity Tiers

  • Tier 1: isolated file edits, deterministic tests
  • Tier 2: multi-file behavior changes, moderate integration risk
  • Tier 3: schema/auth/perf/security changes

Quality Pipeline per Unit

  1. research
  2. implementation plan
  3. implementation
  4. tests
  5. review
  6. merge-ready report

Merge Queue Rules

  • Never merge a unit with unresolved dependency failures.
  • Always rebase unit branches on latest integration branch.
  • Re-run integration tests after each queued merge.

Recovery

If a unit stalls:

  • evict from active queue
  • snapshot findings
  • regenerate narrowed unit scope
  • retry with updated constraints

Outputs

  • RFC execution log
  • unit scorecards
  • dependency graph snapshot
  • integration risk summary

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。

提交后会立即公开。请勿填写邮箱、电话等个人信息。URL 最多 2 个。

0 / 1000 字

此表单受 reCAPTCHA 保护，适用 Google 的隐私权政策和服务条款。

同一仓库的技能

accessibility

免费有简介AI 评分 100分

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/ECC28.6万2026年10月21日 更新

agent-architecture-audit

免费有简介AI 评分 80分

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/ECC28.6万2026年10月21日 更新

agent-eval

免费有简介AI 评分 80分

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/ECC28.6万2026年10月21日 更新

agent-harness-construction

免费有简介AI 评分 100分

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/ECC28.6万2026年10月21日 更新

agent-introspection-debugging

免费有简介AI 评分 100分

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/ECC28.6万2026年10月5日 更新

agent-introspection-debugging

免费有简介AI 评分 100分

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/ECC28.6万2026年10月21日 更新

查看 affaan-m 的全部技能

报告此技能的问题