MCP HubMCP Hub
Retour aux compétences

create-github-issues

pjt222
Mis à jour Yesterday
4 vues
17
2
17
Voir sur GitHub
Métadesign

À propos

Cette compétence convertit automatiquement les résultats de revue de code ou les listes de tâches en issues GitHub structurées. Elle regroupe les éléments connexes, applique des étiquettes et formate les issues avec des modèles standard incluant des critères d'acceptation. Elle est conçue pour traiter la sortie de compétences de revue comme `review-codebase` afin de rationaliser le suivi des issues.

Installation rapide

Claude Code

Recommandé
Principal
npx skills add pjt222/agent-almanac -a claude-code
Commande PluginAlternatif
/plugin add https://github.com/pjt222/agent-almanac
Git CloneAlternatif
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/create-github-issues

Copiez et collez cette commande dans Claude Code pour installer cette compétence

Documentation

造 GitHub 議題

自審查發現或任務分解結構化造 GitHub 議題。將發現清單(自 review-codebasesecurity-audit-codebase 或手動分析)轉為合格之 GitHub 議題,含標籤、接受標準、交叉引用。

適用時機

  • 程式庫審查產待追之發現表後
  • 規劃會議辨出應成議題之工作項後
  • 將 TODO 清單或積壓轉為可追之 GitHub 議題時
  • 批次造相關議題,需一致之格式與標籤時

輸入

  • 必要findings — 一項目清單,至少含標題與描述。理想亦含:嚴重度、涉及檔、建議標籤
  • 選擇性
    • group_by — 如何將發現批入議題:severityfiletheme(預設:theme
    • label_prefix — 自動造之標籤前綴(預設:無)
    • create_labels — 是否造缺之標籤(預設:true
    • dry_run — 預覽議題而不造之(預設:false

步驟

步驟一:備標籤

確保倉中有所需標籤。

  1. 列既存標籤:gh label list --limit 100
  2. 辨發現所需標籤(自嚴重度、階段、或明列之標籤欄)
  3. 若未映射嚴重度於標籤,映之:criticalhigh-prioritymedium-prioritylow-priority
  4. 映階段/主題於標籤:securityarchitecturecode-qualityaccessibilitytestingperformance
  5. create_labels 為真,造缺之標籤:gh label create "name" --color "hex" --description "desc"
  6. 用一致色:危急/安全用紅、高用橘、中用黃、架構用藍、測試用綠

預期: 發現所引之標籤皆存於倉。無重複標籤造出。

失敗時:gh CLI 未認證,令用戶行 gh auth login。若標籤造被拒(權限不足),不造標籤而續,記缺之標籤。

步驟二:組發現

批相關發現入合邏輯之議題以避議題蔓延。

  1. group_bytheme:按階段或類別組之(所有安全發現 → 1-2 議題、所有 a11y → 1 議題)
  2. group_byseverity:按嚴重度組之(所有 CRITICAL → 1 議題、所有 HIGH → 1 議題)
  3. group_byfile:按主要涉及檔組之
  4. 各組內按嚴重度序(CRITICAL 先)
  5. 若一組過 8 發現,按子主題分為子組
  6. 各組為一 GitHub 議題

預期: 一組議題群,各含 1-8 相關發現。議題總數當可管(全庫審查典型為 5-15)。

失敗時: 若發現無組織元資料,回退為每發現一議題。此於少發現(< 10)可接受,於多發現則生過多議題。

步驟三:造議題

以標準範本建各議題。

  1. 標題[Severity] Theme: Brief description —— 如 [HIGH] Security: Eliminate innerHTML injection in panel.js
  2. 正文結構:
    ## 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)
    
  3. 施標籤:嚴重度標籤 + 主題標籤 + 任何自訂標籤
  4. 若發現指特定檔,於正文述之(非為指派人)

預期: 各議題有明標題、帶嚴重度標之編號發現、可勾之接受標準、當之標籤。

失敗時: 若正文過 GitHub 議題大小限(65536 字),分議題為部並交叉引用之。

步驟四:造議題

gh CLI 造議題並報結果。

  1. dry_run 為真,列各議題標題與正文而不造,止
  2. 各組成之議題,造之:
    gh issue create --title "title" --body "$(cat <<'EOF'
    body content
    EOF
    )" --label "label1,label2"
    
  3. 記各已造議題之 URL
  4. 所有議題造成後,印摘要表:#number | Title | Labels | Findings count
  5. 若議題當有序,加交叉引用:編第一議題以述「Blocked by #X」或「See also #Y」

預期: 所有議題成造。印含議題編號與 URL 之摘要表。

失敗時: 若某議題造敗,記誤而續他議題。於末報敗。常見敗:認證過期、標籤不存(若 create_labels 為假)、網路逾時。

驗證

  • 所有發現皆現於至少一議題
  • 各議題有至少一標籤
  • 各議題有勾選式接受標準
  • 無造重複議題(察標題與既開議題)
  • 議題數合發現數(多發現時非 1:1)
  • 已印含所有議題 URL 之摘要表

常見陷阱

  • 議題蔓延:每發現造一議題生 20+ 議題,難管。宜積極組之——全審查 5-10 議題為佳
  • 缺接受標準:無勾選框之議題無法驗為完。各發現當映至少一勾選框
  • 標籤之亂:造過多標籤令過濾無用。守嚴重度 + 主題,勿逐發現之標籤
  • 陳舊之引:若自舊審查造議題,造前驗發現仍適用。程式或已改
  • 忘 dry run:大發現集恒先以 dry_run: true 預覽。改計畫易於關 15 誤議題

相關技能

  • review-codebase —— 產此技能所消之發現表
  • review-pull-request —— 產 PR 範圍之發現,亦可轉為議題
  • manage-backlog —— 造議題後組之為衝刺與優先級
  • create-pull-request —— 造 PR 以引用並關議題
  • commit-changes —— 提交解議題之修正

Dépôt GitHub

pjt222/agent-almanac
Chemin: i18n/wenyan-lite/skills/create-github-issues
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

Compétences associées

content-collections

Méta

Cette compétence propose une configuration éprouvée en production pour Content Collections, un outil axé sur TypeScript qui transforme des fichiers Markdown/MDX en collections de données typées de manière sûre avec une validation Zod. Utilisez-la lors de la création de blogs, de sites de documentation ou d'applications Vite + React riches en contenu pour garantir la sécurité de typage et la validation automatique du contenu. Elle couvre tout, de la configuration du plugin Vite et de la compilation MDX à l'optimisation des déploiements et la validation des schémas.

Voir la compétence

polymarket

Méta

Cette compétence permet aux développeurs de créer des applications avec la plateforme de marchés prédictifs Polymarket, incluant l'intégration d'API pour le trading et les données de marché. Elle fournit également une diffusion de données en temps réel via WebSocket pour surveiller les transactions en direct et l'activité du marché. Utilisez-la pour mettre en œuvre des stratégies de trading ou pour créer des outils traitant les mises à jour de marché en direct.

Voir la compétence

creating-opencode-plugins

Méta

Cette compétence aide les développeurs à créer des plugins OpenCode qui s'interconnectent avec plus de 25 types d'événements tels que les commandes, les fichiers et les opérations LSP. Elle fournit la structure du plugin, les spécifications de l'API événementielle et les modèles d'implémentation pour les modules JavaScript/TypeScript. Utilisez-la lorsque vous avez besoin d'intercepter, de surveiller ou d'étendre le cycle de vie de l'assistant IA OpenCode avec une logique personnalisée pilotée par les événements.

Voir la compétence

sglang

Méta

SGLang est un framework de service LLM haute performance spécialisé dans la génération rapide et structurée pour les workflows JSON, regex et agentiques grâce à son cache de préfixe RadixAttention. Il offre une inférence nettement plus rapide, particulièrement pour les tâches avec des préfixes répétés, ce qui le rend idéal pour les sorties complexes et structurées ainsi que les conversations multi-tours. Choisissez SGLang plutôt que des alternatives comme vLLM lorsque vous avez besoin d'un décodage contraint ou que vous construisez des applications avec un partage étendu de préfixes.

Voir la compétence