Zurück zu Fähigkeiten

annotate-source-files

pjt222
Aktualisiert 6 days ago
15 Ansichten
17
2
17
Auf GitHub ansehen
Metawordautomationdata

Über

Diese Fähigkeit fügt automatisch PUT-Workflow-Annotationen zu Quelldateien hinzu und verwendet dabei die korrekte Kommentarsyntax für über 30 Programmiersprachen. Sie erzeugt Annotationsgerüste mit `put_generate()`, verarbeitet mehrzeilige Formate und interne Variablen und beinhaltet Validierung. Nutzen Sie sie, wenn Sie Workflows in Datenpipelines, ETL-Prozessen oder mehrstufigen Berechnungen dokumentieren müssen, nachdem Sie Ihre Codebasis analysiert haben.

Schnellinstallation

Claude Code

Empfohlen
Primär
npx skills add pjt222/agent-almanac -a claude-code
Plugin-BefehlAlternativ
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternativ
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/annotate-source-files

Kopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren

Dokumentation

註源檔

加 PUT 流註於源使 putior 取構流數而生 Mermaid 圖。

  • analyze-codebase-workflow 析後有註計→用
  • 加流文於新或既源→用
  • 以手標與接富自察流→用
  • 文數管、ETL、多步算→用

  • :欲註之源
  • :註計或流步知
  • :式偏:單行或多行(默單行)
  • :用 put_generate() 生骨否(默是)

一:定註前綴

各言有 PUT 註前綴。用 get_comment_prefix() 求正者。

library(putior)

# Common prefixes
get_comment_prefix("R")    # "#"
get_comment_prefix("py")   # "#"
get_comment_prefix("sql")  # "--"
get_comment_prefix("js")   # "//"
get_comment_prefix("ts")   # "//"
get_comment_prefix("go")   # "//"
get_comment_prefix("rs")   # "//"
get_comment_prefix("m")    # "%"
get_comment_prefix("lua")  # "--"

得:串如 "#""--""//""%"

行與塊註:putior 察行註(//#--)與 C 式塊註(/* *//** */)之註。JS/TS 兩 ///* */ 塊皆掃。Python 三引號(''' '''察——Python 註用 #

敗:延不識→檔言或不支。察 get_supported_extensions() 得全列。不支言用 # 為慣默。

二:生註骨

put_generate() 由自察 I/O 建註模。

# Print suggestions to console
put_generate("./src/etl/")

# Single-line style (default)
put_generate("./src/etl/", style = "single")

# Multiline style for complex annotations
put_generate("./src/etl/", style = "multiline")

# Copy to clipboard for pasting
put_generate("./src/etl/", output = "clipboard")

R 例出:

# put id:'extract_data', label:'Extract Customer Data', input:'customers.csv', output:'raw_data.internal'

SQL 例出:

-- put id:'load_data', label:'Load Customer Table', output:'customers'

得:各源一或多註行,預填察函名與 I/O。

敗:無薦→檔或無可識 I/O 紋。按碼解手書註。

三:精註

改生骨加正標、接、元。

註語參:

<prefix> put id:'unique_id', label:'Human Readable Label', input:'file1.csv, file2.rds', output:'result.parquet, summary.internal'

欄:

  • id(必):獨識,為節接用
  • label(必):圖中可讀述
  • input:分號分入檔或變列
  • output:分號分出檔或變列
  • .internal 延:示內存變(腳本間不存)
  • node_type:控 Mermaid 節形與類樣。值:
    • "input" —— 體育場形 ([...]) 為數源與設
    • "output" —— 子程形 [[...]] 為生產
    • "process" —— 矩 [...] 為處步(默)
    • "decision" —— 菱 {...} 為條邏
    • "start" / "end" —— 體育場形 ([...]) 為入/終節

node_type 例:

# put id:'config', label:'Load Config', node_type:'input', output:'config.internal'
# put id:'transform', label:'Apply Rules', node_type:'process', input:'config.internal', output:'result.rds'
# put id:'report', label:'Generate Report', node_type:'output', input:'result.rds'

多行語(複雜註):

# put id:'complex_step', \
#   label:'Multi-line Label', \
#   input:'data.csv, config.yaml', \
#   output:'result.parquet'

塊註語(唯 // 前綴言:JS、TS、Go、Rust、C、C++、Java 等):

// 行註之言亦支 /* *//** */ 塊註內 PUT 註。塊體內以 * put 為行前綴:

/* put id:'init', label:'Initialize Config', output:'config.internal' */

/**
 * put id:'process', \
 *   label:'Process Records', \
 *   input:'config.internal, records.json', \
 *   output:'results.json'
 */
function processRecords(config, records) {
  // ...
}

JSDoc 式註尤益於文流步附 API 文:

/**
 * Transform raw sensor data into normalized readings.
 * put id:'normalize', label:'Normalize Sensor Data', input:'raw_readings.json', output:'normalized.parquet'
 */
export function normalizeSensorData(readings: SensorReading[]): NormalizedData {
  // ...
}

:塊註註# 前綴言(R、Python、Shell)或 -- 前綴言(SQL、Lua)。彼諸言唯用行註。塊出註不支跨行反斜續。

跨檔數流(接腳以檔 I/O):

# Script 1: extract.R
# put id:'extract', label:'Extract Data', output:'raw_data.internal, raw_data.rds'
data <- read.csv("source.csv")
saveRDS(data, "raw_data.rds")

# Script 2: transform.R
# put id:'transform', label:'Transform Data', input:'raw_data.rds', output:'clean_data.parquet'
data <- readRDS("raw_data.rds")
arrow::write_parquet(clean, "clean_data.parquet")

得:註精以正 ID、標、I/O 反實數流。

敗:I/O 不確→內存中間用 .internal 延、存數用明檔名。

四:插註入檔

置註於檔頂或關碼上。

置例

  1. 檔級註:置於檔頂、shebang 或檔頭註後
  2. 塊級註:置於所述碼上
  3. 每檔多註:用於有獨流階之檔

R 例置:

#!/usr/bin/env Rscript
# ETL Extract Script
#
# put id:'read_source', label:'Read Source Data', input:'raw_data.csv', output:'df.internal'

df <- read.csv("raw_data.csv")

# put id:'clean_data', label:'Clean and Validate', input:'df.internal', output:'clean.rds'

df_clean <- df[complete.cases(df), ]
saveRDS(df_clean, "clean.rds")

用 Edit 工於既檔插註而不擾周碼。

得:註插於各源適位。

敗:註破編輯器語法亮→確言註前綴正。PUT 註乃標註不應影碼行。

五:驗註

行 putior 驗以察註語與接。

# Scan annotated files
workflow <- put("./src/", validate = TRUE)

# Check for validation issues
print(workflow)
cat(sprintf("Total nodes: %d\n", nrow(workflow)))

# Verify connections by checking input/output overlap
inputs <- unlist(strsplit(workflow$input, ",\\s*"))
outputs <- unlist(strsplit(workflow$output, ",\\s*"))
connected <- intersect(inputs, outputs)
cat(sprintf("Connected data flows: %d\n", length(connected)))

# Generate diagram to visually inspect
cat(put_diagram(workflow, theme = "github", show_source_info = TRUE))

# Merge with auto-detected for maximum coverage
merged <- put_merge("./src/", merge_strategy = "supplement")
cat(put_diagram(merged, theme = "github"))

得:諸註析無誤。圖示接流。put_merge() 補自察缺。

敗:常驗症:

  • 缺閉引:id:'nameid:'name'
  • 內用雙引:id:"name"id:'name'
  • 跨檔重 ID:各 id 須於全掃處獨
  • 反斜續於誤行:\ 須為換行前末字

  • 諸註檔有語有效 PUT 註
  • put("./src/") 返預期節數之數框
  • 掃處無重 id
  • put_diagram() 出接流圖(非孤節)
  • 多行註(若用)以反斜續正析
  • .internal 變唯為出,不為跨檔入
  • exclude 排之檔不於流(如 put("./src/", exclude = "test_") 跳測助)

  • 引嵌誤:PUT 註用單引:id:'name'。雙引致註於串脈時析誤
  • 重 ID:各 id 於掃域須全獨。用 <script>_<step> 例(如 extract_readtransform_clean
  • .internal 為跨檔入.internal 變唯腳本行時存。腳本間傳數用存式(.rds.csv.parquet)為一腳本之出與次之入
  • 缺接:圖示斷節→察一註之出檔名與他註之入檔名字字相符(含延)
  • 註前綴誤:SQL 用 # 或 Python 用 // 致註為碼非註。恆以 get_comment_prefix()
  • 忘多行續:多行註各續行須以 \ 終、次行須以註前綴始
  • Python 三引號:putior 不掃 Python 三引號(''' '''""" """)。Python PUT 註恆用 #
  • 元管線註:註亦掃註之建腳(如腳呼 put()put_diagram()),其註現於生圖。或自掃排檔(見 generate-workflow-diagram 忌)或建腳本內勿置 PUT 註

  • analyze-codebase-workflow —— 前置:出此技循之註計
  • generate-workflow-diagram —— 次步:自註生末圖
  • install-putior —— 註前須裝 putior
  • configure-putior-mcp —— MCP 工供互註助

GitHub Repository

pjt222/agent-almanac
Pfad: i18n/wenyan-ultra/skills/annotate-source-files
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen