1. 项目概述AI编程的“工作流操作系统”如果你用过Claude Code、Cursor或者GitHub Copilot大概率有过这样的体验你提一个需求比如“给用户模块加个批量导出功能”AI助手二话不说直接开始噼里啪啦写代码。结果呢导出的格式不对数据量一大就内存溢出权限校验也没做。你不得不打断它重新描述来回拉扯效率反而更低了。这背后的根本问题不在于AI模型的能力而在于它不知道“怎么干活”。它缺少一套标准化的、经过验证的工程工作流。这就好比给一个天才程序员配了一台顶配电脑却没告诉他公司的代码规范、Git分支策略和Code Review流程他依然会写出不合规的代码。superpowers-zh要解决的正是这个“工作流缺失”的痛点。它不是另一个代码生成插件而是一套AI编程的工作方法论系统。你可以把它理解为AI编程工具的“操作系统”或“标准作业程序”。它包含了20个精心设计的“技能”覆盖了从需求分析、任务拆解、测试驱动开发、系统化调试到代码审查的完整软件工程生命周期。这个项目是英文原版superpowers的完整汉化与增强版。除了将原版14个核心技能翻译成更符合中文开发者思维习惯的表述外它还新增了6个针对中国开发生态的原创技能比如适配Gitee、Coding等国内Git平台的协作规范以及符合国内团队沟通文化的代码审查风格。更重要的是它将支持的工具从原版的6款扩展到了17款包括Claude Code、Cursor、通义灵码、Windsurf等主流AI编程工具并且提供了一条命令npx superpowers-zh的自动安装方案极大降低了使用门槛。简单说装上它你的AI编程助手就从“埋头蛮干的实习生”变成了“懂流程、有方法、会协作的资深工程师”。2. 核心设计思路从“工具”到“工作流”的范式转变2.1 核心理念技能Skill即工作流superpowers-zh的核心资产是20个.md文件每个文件代表一个“技能”。这些文件不是普通的Markdown文档而是严格按照特定格式编写的、AI能够理解和执行的“工作流指令集”。一个典型的Skill文件结构如下技能名称与描述用一句话讲清楚这个技能是干什么的。核心原则阐述这个工作流背后的工程哲学比如TDD的“红-绿-重构”循环。操作步骤将工作流分解为AI可逐步执行的、明确的步骤。这是技能的主体。检查清单在每个关键步骤后列出AI需要自我检查的要点。示例对话展示用户如何触发技能以及AI应该如何响应的完整对话模板。这种设计的关键在于它将隐性的、依赖于开发者个人经验的工作方法变成了显性的、可复用的指令。例如“系统化调试”技能会要求AI按照“定位问题 → 分析原因 → 提出假设 → 验证修复”的四步法来操作而不是看到报错就盲目地尝试修改代码。2.2 中文化与本土化不止于翻译很多优秀的英文开源项目汉化后总有一股“机翻味”或者水土不服。superpowers-zh在这一点上做得相当深入。首先是技术术语的精准处理。项目坚持“技术术语保留英文”的原则。例如“Test-Driven Development”翻译为“测试驱动开发”但其中的“Red-Green-Refactor”循环、Mock、Stub等术语均保留英文。这确保了技能在传达时的精确性避免了因翻译产生的歧义。其次是工作习惯的深度适配。这是6个中国特色技能的价值所在。以“中文代码审查”技能为例它不仅仅是将审查意见翻译成中文。它调整了反馈的措辞风格使其更符合国内团队“对事不对人”、强调协作的沟通文化。审查意见会更倾向于使用“建议这里可以……”、“考虑到可维护性或许……”这样的句式而非过于直接或批判性的表达。再者是工具链的全面覆盖。原版superpowers主要围绕GitHub和少数几个国际主流工具设计。superpowers-zh则新增了对Gitee、Coding腾讯云DevOps、极狐GitLab等国内主流代码托管平台工作流的支持。甚至在CI/CD示例中除了GitHub Actions还提供了Gitee Go、Coding CI和极狐CI的配置样例以及腾讯云原生构建CNB的.cnb.yml示例。这让国内开发者能在自己熟悉的工具链里无缝使用这套方法论。2.3 一键多端适配降低使用成本支持17款工具听起来很美好但如果每个工具都需要不同的安装命令、不同的配置文件路径那会是一场噩梦。superpowers-zh通过智能检测和统一入口完美解决了这个问题。当你运行npx superpowers-zh时它会做以下几件事扫描项目根目录检查是否存在.cursor、.claude、.hermes等特定工具的配置文件或目录。分析package.json通过项目依赖推断可能使用的AI工具。智能判断与安装一旦识别出你正在使用的工具比如检测到.cursor目录它会自动将20个技能文件复制到该工具约定的技能目录下如.cursor/skills/。回退与显式指定如果自动检测失败你可以通过npx superpowers-zh --tool cursor这样的命令显式指定工具。这种设计极大地简化了部署流程。开发者无需关心不同工具的技能文件应该放在哪里一条命令全搞定。这背后是对每一款工具插件系统的深入研究确保了技能文件能被正确加载和识别。注意虽然npx superpowers-zh的自动检测很强大但在某些复杂项目或多工具混用的场景下仍建议使用--tool参数显式指定以确保安装到正确的位置。安装后最好到对应的工具技能目录下确认文件是否已就位。3. 核心技能深度解析与实战价值20个技能看似很多但可以归纳为四大类需求与设计类、开发与实现类、质量保障类和协作与流程类。下面我们挑几个最具代表性的技能拆解其设计精妙之处和实战用法。3.1 需求与设计类从“要什么”到“怎么做”技能代表头脑风暴、编写计划很多AI编程的失败始于需求不清。头脑风暴技能的核心是“先问再做”。当用户提出一个模糊需求时AI不会直接跳入代码实现而是会启动一个结构化的提问流程。例如用户说“做一个登录功能。” 加载了头脑风暴技能的AI会这样响应好的我们来一起规划这个登录功能。为了设计出健壮、安全的方案我需要了解以下信息 1. **认证方式**是传统的用户名/密码还是手机号验证码、第三方OAuth微信/钉钉/飞书 2. **安全要求**是否需要图形验证码、登录尝试频率限制、密码强度策略 3. **用户体验**是否需要“记住我”功能、单点登录、登录后跳转逻辑 4. **技术栈**后端框架是什么计划使用JWT还是Session用户数据存储在哪里 请先回答这些问题我们再进入具体设计。这个技能强制引入了一个“需求澄清”阶段模仿了资深工程师在动手前必做的“需求访谈”。它生成的不是代码而是一份清晰的设计规格说明书为后续的编写计划技能打下基础。编写计划技能则负责将设计规格转化为可执行的任务列表。它会采用类似“用户故事”或“任务拆解”的方式将大目标分解为一个个原子性的、可验证的小步骤。例如针对“登录功能”计划可能包括设计用户表结构。实现密码加密存储使用bcrypt。创建登录API端点POST /api/auth/login。实现JWT令牌的生成与验证中间件。编写登录相关的单元测试和集成测试。设计前端登录表单和状态管理。这个任务列表就成了执行计划技能的输入蓝图。3.2 开发与实现类规范化的编码过程技能代表测试驱动开发、系统化调试、Git Worktree使用测试驱动开发技能是工程严谨性的体现。它不只是告诉AI“先写测试”而是定义了一套严格的执行流程红针对某个微小功能点编写一个必定失败的测试。AI会先分析功能点然后生成对应的测试用例代码。绿用最简单、最直接的方式实现代码让刚才的测试通过。AI会生成最小可行实现。重构在测试保护下优化代码结构消除重复提升可读性而不改变外部行为。AI会建议并执行重命名、提取函数等重构操作。这个技能将TDD从一个概念变成了AI可以一步步跟随的“操作手册”确保了代码从一开始就具备良好的可测试性。系统化调试技能则是对抗“盲目试错”的利器。当遇到Bug时AI会遵循以下路径定位首先要求AI复现问题并精确描述错误信息、堆栈跟踪和触发条件。它可能会要求用户提供更详细的日志或截图。分析基于已知信息分析可能的原因。是数据问题、逻辑错误、还是环境配置AI会列出2-3个最可能的假设。假设针对每个假设设计一个验证实验。例如“如果是空指针异常我们在第X行添加一个空值检查并打印日志”。修复根据验证结果实施修复并运行相关测试确保没有引入回归。这个过程将调试从“玄学”变成了“科学”极大地提升了排查复杂问题的效率。Git Worktree使用技能解决的是多任务并行开发的困扰。它教导AI如何利用git worktree命令为每个新功能或Bug修复创建一个完全独立的、链接到主仓库的工作目录。这样你可以在一个工作树中修复紧急线上Bug同时在另一个工作树中开发新功能两者互不干扰无需频繁地stash和切换分支。AI会帮你生成正确的git worktree add命令并管理这些工作树。3.3 质量保障类引入“第二双眼”技能代表请求代码审查、接收代码审查、完成前验证请求代码审查和接收代码审查是一对组合技能旨在将人工Code Review的文化和流程植入AI协作中。当开发者或AI完成一个功能模块后可以触发请求代码审查。此时AI会扮演一个“审查者Agent”它不会直接修改代码而是会检查代码风格是否符合项目规范。分析潜在的性能瓶颈和安全漏洞。评估测试覆盖率是否充分。从可读性和可维护性角度提出改进建议。最终生成一份结构化的审查报告。接收代码审查则教导AI如何以建设性的态度处理审查反馈。它会将反馈分类如“必须修改”、“建议改进”、“疑问”并逐一做出回应对于必须修改的立即实施对于建议评估后决定是否采纳并说明理由对于疑问进行澄清。这个过程模拟了高效的团队协作确保了代码质量。完成前验证技能是一个“最终守门员”。它要求AI在声称完成任务前必须提供“完成证据”。这通常包括所有新增或修改的代码。相关测试的运行结果和通过证明。关键功能的操作步骤和预期输出。对可能影响的周边模块的评估。 没有这些证据AI不能单方面宣布任务完成。这有效防止了“看起来好了实际跑不起来”的半成品交付。3.4 中国特色技能精讲中文代码审查这个技能的独特之处在于其“沟通模板”。它内置了符合国内团队习惯的评语库。例如对于命名不规范的变量英文审查可能直接说“Rename variableato something descriptive”。而中文技能可能会说“变量a的含义不够清晰建议根据其实际用途重命名为userList或processedCount以提升代码可读性。” 这种表达更委婉更侧重于提出建设性方案。中文Git工作流它主要适配了国内平台的一些细微差别。例如在Gitee上创建Pull Request合并请求的流程、Coding平台上的分支保护规则设置、以及极狐GitLab的CI/CD变量配置语法。技能中包含了这些平台的具体操作命令和配置示例让AI能生成更“接地气”的协作指令。MCP服务器构建和工作流执行器是两个高阶技能。MCP服务器构建指导AI如何构建一个符合Model Context Protocol标准的工具服务器从而将自定义工具如查询内部数据库、调用特定API暴露给Claude等AI助手使用极大地扩展了AI的能力边界。工作流执行器则允许你在AI对话中直接运行一个定义在YAML文件里的多角色协作工作流实现了“对话即编排”这与项目生态中的agency-orchestrator形成了完美互补。4. 多工具安装与配置实战指南虽然npx superpowers-zh一键安装很方便但了解其背后的原理和各工具的配置方式有助于解决疑难杂症和进行高级定制。4.1 安装过程深度解析当你运行npx superpowers-zh时背后发生了以下事情下载与解包npx会从npm仓库下载superpowers-zh包的最新版本并临时执行。环境检测安装脚本会遍历当前目录寻找特定工具的“指纹”。例如存在.cursor目录或cursor.sh的配置文件 - 识别为 Cursor。存在.claude目录或CLAUDE.md文件 - 识别为 Claude Code / Copilot CLI。存在.hermes目录 - 识别为 Hermes Agent。检查package.json中的devDependencies或dependencies看是否包含cursor、anthropic等相关包。路径映射与复制根据识别结果脚本将skills/目录下的所有技能文件夹复制到对应的目标路径。映射关系存储在安装脚本的一个内部配置表中。生成提示复制完成后脚本会在终端输出成功信息并提示用户如何在其AI工具中启用或验证这些技能。4.2 主流工具配置要点不同的AI工具加载技能的方式各异。以下是几款主流工具的配置关键点对于 Cursor、Windsurf、Trae 等现代AI IDE这些工具通常有一个专用的规则或技能目录。安装后技能会自动生效。你可以在IDE的设置中查找“Rules”、“Skills”或“Custom Instructions”相关选项看到已加载的技能列表。例如在Cursor中你可以通过Cmd/Ctrl Shift P打开命令面板输入“Open Rules Directory”来查看.cursor/rules下的所有规则文件。对于 Claude Code、Copilot CLI、Hermes Agent 等 CLI 工具这些工具通过项目根目录下的特定配置文件如CLAUDE.md,.hermes.md或特定目录结构来加载技能。superpowers-zh安装后技能文件被放置在如.claude/skills/的子目录下。你需要在主配置文件如CLAUDE.md中通过#skills指令或类似的语法来引用它们。例如在CLAUDE.md文件中加入#skills - .claude/skills/brainstorming/README.md - .claude/skills/test-driven-development/README.md ...有些工具支持通配符如- .claude/skills/*/README.md来加载所有技能。对于 VS Code GitHub CopilotCopilot的自定义指令功能相对独立。superpowers-zh会将技能文件安装到.github/superpowers/目录下。你需要手动将你需要的技能内容整合到你的VS Code Copilot全局或工作区自定义指令中。通常你可以打开VS Code设置搜索“Copilot Custom Instructions”然后将某个技能如“系统化调试”的核心步骤和检查清单粘贴进去。对于 Aider、OpenCode 等代码编辑代理这类工具通常有明确的技能目录如.aider/skills/。安装即生效因为Aider会在启动时自动扫描并加载该目录下所有符合格式的SKILL.md文件。实操心得安装后第一件事是去你的AI工具里确认技能是否被正确加载。在Cursor里尝试输入/brainstorm看看AI是否会启动头脑风暴流程在Claude Code里输入“我们来用TDD的方式开发一个功能”观察其响应是否符合技能描述。如果没反应检查技能文件是否在正确路径以及主配置文件是否正确引用了它们。4.3 手动安装与混合使用场景在某些情况下你可能需要手动安装或混合使用多个工具的技能。项目已存在自定义技能如果你已经在.cursor/rules下有自己的规则直接复制superpowers-zh/skills/下的内容进去即可。注意文件命名不要冲突。仅使用部分技能你可以只复制你需要的技能文件夹而不是全部。例如你只想要TDD和代码审查就只复制test-driven-development和requesting-code-review两个目录。多工具共存项目一个项目里可能同时用Cursor写前端用Claude Code调试后端。你可以分别运行npx superpowers-zh --tool cursor和npx superpowers-zh --tool claude或者手动将技能复制到各自的目录.cursor/rules/和.claude/skills/。技能文件本身是通用的只是存放路径不同。5. 实战案例用superpowers-zh完整开发一个“用户导出”功能让我们跟随一个AI助手以Claude Code为例看它在加载了superpowers-zh技能后如何系统化地完成一个“用户批量导出为Excel”的需求。第1步需求澄清头脑风暴技能触发我输入“需要给管理后台的用户列表增加一个批量导出功能。” AI响应加载了头脑风暴技能“好的我们来规划这个用户导出功能。为了确保功能完整且健壮请先确认以下细节导出格式需要导出为Excel.xlsx还是CSV是否需要支持多种格式数据范围是导出当前列表筛选后的所有用户还是支持自定义选择预计单次导出的最大数据量是多少字段定制需要导出用户的所有字段还是允许管理员在前端勾选要导出的列性能与异步如果数据量很大例如超过1万条是否需要做成异步任务提供导出进度和完成后下载权限与安全哪些角色的管理员可以执行导出操作导出的文件是否需要加密或加水印 请提供这些信息我们将据此制定实现计划。”我回复“导出为Excel支持前端列勾选数据量可能在几千到几万条需要做异步处理仅超级管理员可操作。”第2步制定计划编写计划技能触发AI基于我的回复生成实施计划“基于需求我们制定以下开发计划阶段一后端API设计设计导出任务队列模型ExportTask包含状态、创建者、参数、文件存储路径等字段。创建导出任务提交APIPOST /api/admin/users/export接收列选择、筛选条件等参数创建异步任务并返回任务ID。创建任务状态查询与文件下载APIGET /api/admin/export-tasks/:id。实现一个后台Worker可使用Bull、Agenda等消费队列生成Excel文件使用exceljs库。阶段二前端界面与交互在用户列表页面添加‘导出’按钮点击后弹出模态框展示可导出的字段供勾选。实现提交导出请求的交互并轮询任务状态显示进度条。任务完成后提供下载链接。阶段三权限与安全在导出API和任务查询API上添加超级管理员权限中间件。对导出的Excel文件进行简单的动态水印如包含导出者和时间。阶段四测试为后台Worker编写单元测试。编写导出API的集成测试。编写前端导出组件的E2E测试。 我们是否按此计划开始执行或者您需要对计划进行调整”我确认后AI进入执行阶段。第3步测试驱动开发TDD技能触发AI开始实现“阶段一”的后端部分。它没有直接写ExportTask模型而是先打开了对应的测试文件或创建了一个。“我们将采用TDD方式开发ExportTask模型。首先编写一个失败测试”// test/models/ExportTask.test.js const ExportTask require(../../models/ExportTask); describe(ExportTask Model, () { it(should create an export task with pending status, async () { const taskData { creatorId: user123, params: { format: excel, columns: [id, name] }, filters: { isActive: true } }; const task await ExportTask.create(taskData); expect(task.status).toBe(pending); // 此时ExportTask模型还不存在测试会失败 }); });“运行测试确认它失败红。现在我们创建最小化的ExportTask模型使其通过绿”// models/ExportTask.js const mongoose require(mongoose); const exportTaskSchema new mongoose.Schema({ creatorId: { type: String, required: true }, params: { type: Object, required: true }, filters: { type: Object }, status: { type: String, enum: [pending, processing, completed, failed], default: pending }, fileUrl: { type: String }, errorMessage: { type: String }, createdAt: { type: Date, default: Date.now } }); module.exports mongoose.model(ExportTask, exportTaskSchema);“再次运行测试应该通过。现在我们可以重构比如为status字段添加索引以提高查询效率……”AI按照“红-绿-重构”的循环逐步推进每个小功能点。第4步代码审查请求代码审查技能触发当AI完成导出Worker的核心逻辑后它主动发起审查“已完成用户导出后台Worker的核心逻辑。现在我将扮演审查者角色对代码进行审查审查发现性能隐患在generateExcel函数中你是一次性将所有用户数据查询到内存再生成Excel。如果用户量达到10万可能导致内存溢出。建议使用流式查询cursor和Excel的流式写入。错误处理不完善Worker中如果文件生成失败仅记录了错误日志但未更新ExportTask状态为failed并记录错误信息。必须修改。代码重复buildQueryFromFilters函数中的条件判断逻辑与用户列表API中的过滤逻辑高度相似。建议将该逻辑抽取到共享的工具函数中。 请根据以上审查意见进行修改。”第5步完成验证完成前验证技能触发所有功能开发并审查修改完毕后AI准备交付前启动了验证“功能开发已完成。以下是完成验证清单 ✅代码变更已提交所有新增和修改的文件包括ExportTask模型、导出API、后台Worker、前端组件等。 ✅测试通过运行了全部相关测试单元测试12个集成测试5个通过率100%。 ✅功能验证以超级管理员身份登录在用户列表页勾选‘姓名’、‘邮箱’列点击导出。前端成功提交任务显示‘任务排队中’。约30秒后轮询显示任务完成出现下载按钮。下载的Excel文件包含正确列和数据文件名为用户导出_20231027_142300.xlsx。水印信息正确。 ✅权限验证以普通管理员身份尝试调用导出API返回403禁止访问。 所有验证通过。用户导出功能已就绪。”通过这个完整的案例你可以看到加载了superpowers-zh的AI助手其行为模式从“直接编码”转变为“规划-设计-实现-审查-验证”的完整工程流程输出结果的可靠性和完整性得到了质的提升。6. 常见问题与排查技巧实录在实际使用中你可能会遇到一些问题。以下是一些常见情况的排查思路和解决方法。6.1 技能未生效或AI无响应这是最常见的问题。请按以下步骤排查问题现象可能原因解决方案输入/brainstorm等命令无反应1. 技能文件未放入正确目录。2. 工具未正确加载技能目录。3. 技能文件格式错误。1.检查路径确认skills/下的文件夹是否复制到了对应工具的特定目录如Cursor是.cursor/rules/。2.检查配置对于Claude Code等检查CLAUDE.md是否通过#skills指令引用了技能文件。3.检查文件用文本编辑器打开一个技能文件夹里的README.md或SKILL.md确保内容完整且格式为纯Markdown。AI响应不符合技能描述1. 技能指令过于复杂AI未完全理解。2. 不同工具对技能文件的解析有细微差异。1.简化指令尝试更直接地触发如说“我们按照TDD的流程来做”而不是依赖隐式上下文。2.查阅工具文档查看你所用AI工具的官方文档了解其自定义指令或技能系统的最佳实践。有时需要调整技能文件的元信息如标题格式。仅部分技能生效1. 技能之间存在命名或优先级冲突。2. 工具限制了同时加载的技能数量。1.隔离测试禁用其他技能只保留一个进行测试确认其本身有效。2.检查冲突查看技能文件中是否有重复的触发关键词或指令。实操心得最有效的调试方法是“最小化复现”。创建一个全新的空白项目目录只安装superpowers-zh和一个AI工具如Cursor然后测试最基本的技能如头脑风暴。如果这样能工作说明问题出在你原项目的环境或配置上。6.2 技能行为不符合预期有时技能被触发了但AI的执行过程与你的期望有偏差。问题AI在“头脑风暴”阶段问的问题太多、太细显得啰嗦。解决技能文件本身是一个模板AI会根据具体上下文调整。你可以直接打断它说“这些细节我们先跳过按常见方案先设计”或者事后去修改本地的技能文件精简其中的提问列表使其更符合你团队的习惯。问题“代码审查”技能提出的建议过于琐碎纠结于代码格式而项目有Prettier自动处理。解决审查技能的侧重点可以调整。你可以在技能文件中增加类似“优先关注逻辑错误、安全漏洞和性能问题代码风格问题除非特别严重否则可忽略”的指引。技能是死的人是活的可以根据团队规范进行定制。6.3 与现有项目工作流的整合冲突项目已有自己的Git提交规范如Angular Commit Convention与“中文提交规范”技能冲突。解决superpowers-zh的技能是增量的不是强制的。你可以选择不安装chinese-commit-conventions技能或者安装后在其技能文件中修改提交信息的模板使其与你团队的现有规范对齐。核心是利用其“引导AI生成结构化提交信息”的框架具体格式可以自定义。冲突团队使用自建的CI/CD与技能中提供的Gitee Go或GitHub Actions示例不同。解决将技能中的CI/CD示例视为“教学案例”而非“强制配置”。AI通过学习这些案例理解了CI/CD的基本概念和步骤。当需要为你的自建系统如Jenkins编写流水线时AI依然能基于这个知识给出合理建议。你可以要求AI“参考这个GitHub Actions的流程为我们公司的Jenkins pipeline编写一个等价的脚本。”6.4 性能与成本考量顾虑使用这么多技能会让AI的响应变慢吗分析技能文件是在对话开始时或按需加载到AI的上下文中的。加载大量技能确实会占用一部分上下文窗口。但现代大模型的上下文长度已非常可观如128K、200K。更关键的是superpowers-zh的技能通过规范化流程减少了无意义的来回对话和错误尝试从整体上提升了任务完成效率节省了总体的token消耗和时间成本。这是一种“磨刀不误砍柴工”的投资。建议不必一次性启用所有20个技能。根据你当前的项目阶段和主要痛点选择性启用。例如在需求设计阶段启用“头脑风暴”和“编写计划”在编码阶段启用“TDD”和“系统化调试”在合并代码前启用“代码审查”。7. 进阶定制属于你自己的技能superpowers-zh的强大之处在于其可扩展性。项目自带的“编写Skills”技能就是教你如何创造新技能的元技能。定制技能的基本步骤确定痛点首先想清楚你希望AI在哪个具体环节表现得更好例如“如何为我们的React组件库生成符合设计规范的文档”模仿结构在skills/目录下复制一个现有的技能文件夹如brainstorming重命名如react-docgen然后修改其中的README.md文件。定义工作流在新技能的README.md中清晰地定义目标这个技能要解决什么问题生成标准化的React组件文档触发条件用户说什么会触发它“为这个Button组件生成文档”或/docgen核心步骤分步说明AI应该怎么做。1. 解析组件PropTypes/TypeScript接口2. 提取组件描述3. 生成Markdown表格展示Props4. 添加使用示例代码块输出示例给出一段理想的输入输出对话示例。测试与迭代在你的AI工具中加载这个自定义技能进行测试。根据AI的实际表现调整步骤描述的清晰度和精确度。一个简单的自定义技能示例假设团队经常需要为API接口编写Swagger/OpenAPI文档可以创建一个api-doc技能。其核心步骤可以是要求用户提供API端点、方法、请求/响应示例。根据示例自动推断并确认参数类型、是否必填、描述。按照团队模板生成YAML格式的OpenAPI片段。提示用户将片段复制到指定的openapi.yaml文件中。通过创建这样的自定义技能你可以将团队内部的最佳实践和规范固化到AI的工作流中让每一位成员包括AI助手都能输出符合统一标准的高质量成果。