create-github-issues
Acerca de
Esta habilidad crea automáticamente incidencias estructuradas en GitHub a partir de hallazgos de revisión de código o desgloses de tareas. Agrupa elementos relacionados en incidencias lógicas, aplica etiquetas y las formatea con plantillas estándar que incluyen criterios de aceptación. Está diseñada para procesar la salida de habilidades de revisión como `review-codebase` con el fin de agilizar el seguimiento de incidencias.
Instalación rápida
Claude Code
Recomendadonpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-github-issuesCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
Create GitHub Issues
Findings → grouped GitHub issues w/ labels + acceptance criteria + cross-refs.
Use When
- Codebase review → findings table → track
- Planning session → work items → issues
- TODO / backlog → trackable issues
- Batch-create related issues, consistent fmt
In
- Required:
findings— items w/ title + desc. Ideally: severity, files, labels - Optional:
group_by— batch:severity,file,theme(def:theme)label_prefix— auto-label prefix (def: none)create_labels— create missing (def:true)dry_run— preview no create (def:false)
Do
Step 1: Prep Labels
Needed labels exist in repo.
- List:
gh label list --limit 100 - Identify labels from findings (severity, phase, label fields)
- Severity map:
critical,high-priority,medium-priority,low-priority - Phase/theme:
security,architecture,code-quality,accessibility,testing,performance create_labels= true →gh label create "name" --color "hex" --description "desc"- Colors: red=crit/sec, orange=high, yellow=med, blue=arch, green=test
Got: All label refs exist. No dup.
If err: gh not auth → gh auth login. Create denied → skip, note missing.
Step 2: Group
Batch → logical issues, no sprawl.
theme→ phase/category (sec → 1-2 issues, a11y → 1)severity→ level (CRIT → 1, HIGH → 1)file→ primary file- Within group: severity order (CRIT first)
-
8 findings → split by sub-theme
- Each group → 1 issue
Got: Groups w/ 1-8 findings each. Total: 5-15 for full review.
If err: No grouping metadata → 1 issue per finding (OK for <10, bad for larger).
Step 3: Compose
Std template.
- Title:
[Severity] Theme: Brief description—[HIGH] Security: Eliminate innerHTML injection in panel.js - Body:
## Summary One-paragraph overview of what this issue addresses and why it matters. ## Findings 1. **[SEVERITY]** Finding description (`file.js:line`) — brief explanation 2. **[SEVERITY]** Finding description (`file.js:line`) — brief explanation ## Acceptance Criteria - [ ] Criterion derived from finding 1 - [ ] Criterion derived from finding 2 - [ ] All changes pass existing tests ## Context Generated from codebase review on YYYY-MM-DD. Related: #issue_numbers (if applicable) - Labels: severity + theme + custom
- File refs → body mention (not assignee)
Got: Title + numbered findings + checkbox criteria + labels.
If err: Body > 65536 chars → split + cross-ref.
Step 4: Create
Use gh CLI.
dry_run= true → print + stop- Create each:
gh issue create --title "title" --body "$(cat <<'EOF' body content EOF )" --label "label1,label2" - Record URLs
- Summary table:
#number | Title | Labels | Findings count - Sequence → edit first issue: "Blocked by #X" / "See also #Y"
Got: All created. Summary table w/ URLs.
If err: Individual fail → log + continue. Report end. Common: auth expired, label not found (create_labels=false), network timeout.
Check
- All findings in ≥1 issue
- Each issue ≥1 label
- Each issue has checkbox criteria
- No dup (check titles vs open)
- Issue count reasonable (not 1:1 for large)
- Summary table printed w/ URLs
Traps
- Sprawl: 1-per-finding → 20+ issues. Group aggressive → 5-10 ideal
- Missing criteria: No checkboxes → no verify. Every finding → ≥1 checkbox
- Label chaos: Too many → filter useless. Stick severity + theme
- Stale refs: Old review → verify findings still apply
- No dry run: Large sets → always
dry_run: truefirst. Easier edit plan vs close 15 bad issues
→
review-codebase— findings sourcereview-pull-request— PR findings → issuesmanage-backlog— sprints + prioritiescreate-pull-request— PRs close issuescommit-changes— fix commits
Repositorio GitHub
Habilidades relacionadas
content-collections
MetaEsta habilidad proporciona una configuración probada en producción para Content Collections, una herramienta centrada en TypeScript que transforma archivos Markdown/MDX en colecciones de datos con tipado seguro mediante validación Zod. Úsala al construir blogs, sitios de documentación o aplicaciones Vite + React con mucho contenido para garantizar seguridad de tipos y validación automática de contenido. Abarca todo, desde la configuración del plugin de Vite y compilación MDX hasta la optimización de despliegue y validación de esquemas.
polymarket
MetaEsta habilidad permite a los desarrolladores crear aplicaciones con la plataforma de mercados de predicción Polymarket, incluyendo la integración de API para operaciones y datos de mercado. También proporciona transmisión de datos en tiempo real a través de WebSocket para monitorear operaciones en vivo y actividad del mercado. Úsela para implementar estrategias de trading o crear herramientas que procesen actualizaciones de mercado en tiempo real.
creating-opencode-plugins
MetaEsta habilidad ayuda a los desarrolladores a crear complementos de OpenCode que se conectan a más de 25 tipos de eventos, como comandos, archivos y operaciones LSP. Proporciona la estructura del complemento, las especificaciones de la API de eventos y los patrones de implementación para módulos en JavaScript/TypeScript. Úsala cuando necesites interceptar, monitorear o extender el ciclo de vida del asistente de IA de OpenCode con lógica personalizada basada en eventos.
sglang
MetaSGLang es un framework de alto rendimiento para el servicio de LLM que se especializa en generación rápida y estructurada para JSON, expresiones regulares y flujos de trabajo de agentes utilizando su caché de prefijos RadixAttention. Ofrece una inferencia significativamente más rápida, especialmente para tareas con prefijos repetidos, lo que lo hace ideal para salidas complejas y estructuradas, y conversaciones multiturno. Elige SGLang sobre alternativas como vLLM cuando necesites decodificación restringida o estés construyendo aplicaciones con uso extensivo de prefijos compartidos.
