MCP HubMCP Hub
스킬 목록으로 돌아가기

audit-icon-pipeline

pjt222
업데이트됨 Yesterday
2 조회
17
2
17
GitHub에서 보기
기타general

정보

이 스킬은 아이콘 파이프라인을 감사하여 레지스트리를 심볼 맵, 아이콘 디렉토리, 매니페스트와 비교해 누락된 심볼, 아이콘, 고해상도 변형을 탐지합니다. 모든 색상 팔레트에 대해 스킬, 에이전트, 팀 간 구조화된 불일치 보고서를 생성합니다. 파이프라인 렌더링 전 건강 점검이나 새로운 엔티티 추가 후 아이콘 완전성을 보장하기 위해 사용하세요.

빠른 설치

Claude Code

추천
기본
npx skills add pjt222/agent-almanac -a claude-code
플러그인 명령대체
/plugin add https://github.com/pjt222/agent-almanac
Git 클론대체
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/audit-icon-pipeline

Claude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요

문서

审计图标流水线

通过将注册表与符号映射文件、图标目录和清单进行比较,检测缺失的符号、缺失的图标和过时的清单。生成涵盖技能、代理和团队的结构化差异报告。

适用场景

  • 添加新的技能、代理或团队后,检查是否需要创建图标
  • 在完整的流水线渲染之前,识别缺失的内容
  • 注册表更新后,确保清单保持同步
  • 图标流水线的定期健康检查

输入

  • 可选:实体类型过滤 — skillagentteamall(默认:all
  • 可选:要检查的调色板(默认:cyberpunk — 参考调色板)

流程

步骤 1:读取注册表

从权威数据源注册表中收集所有实体 ID。

  1. 读取 skills/_registry.yml — 提取所有领域中的全部技能 ID
  2. 读取 agents/_registry.yml — 提取所有代理 ID
  3. 读取 teams/_registry.yml — 提取所有团队 ID
  4. 记录计数:技能总数、代理总数、团队总数

预期结果: 三个实体 ID 列表,计数与 total_skillstotal_agentstotal_teams 匹配。

失败时: 如果注册表文件缺失,报告路径并跳过该实体类型。

步骤 2:读取符号映射

从符号映射文件中收集所有已映射的实体 ID。

  1. 读取 viz/R/glyphs.R — 提取 SKILL_GLYPHS 列表中的所有键
  2. 读取 viz/R/agent_glyphs.R — 提取 AGENT_GLYPHS 列表中的所有键
  3. 读取 viz/R/team_glyphs.R — 提取 TEAM_GLYPHS 列表中的所有键

预期结果: 三个已映射 ID 列表。

失败时: 如果符号文件缺失,报告并将该类型的所有实体标记为未映射。

步骤 3:计算缺失的符号

将注册表 ID 与已映射 ID 进行差异比较。

  1. 缺失的技能符号:registry_skill_ids - mapped_skill_ids
  2. 缺失的代理符号:registry_agent_ids - mapped_agent_ids
  3. 缺失的团队符号:registry_team_ids - mapped_team_ids

预期结果: 存在于注册表中但没有映射符号函数的实体 ID 列表。

失败时: 如果差异计算失败,验证注册表和符号文件之间的 ID 格式是否匹配(例如下划线与连字符)。

步骤 4:检查已渲染的图标

验证已映射的符号是否有对应的已渲染图标文件。

  1. 对于每个已映射的技能 ID,检查 viz/public/icons/<palette>/<domain>/<skillId>.webp
  2. 对于每个已映射的代理 ID,检查 viz/public/icons/<palette>/agents/<agentId>.webp
  3. 对于每个已映射的团队 ID,检查 viz/public/icons/<palette>/teams/<teamId>.webp
  4. 检查 viz/public/icons-hd/ 中相同结构的高清变体

预期结果: 有符号但缺失已渲染图标(标准和/或高清)的实体列表。

失败时: 如果图标目录不存在,说明流水线尚未运行 — 将所有标记为缺失。

步骤 5:检查清单时效性

将清单计数与注册表计数进行比较。

  1. 读取 viz/public/data/icon-manifest.json — 统计条目数
  2. 读取 viz/public/data/agent-icon-manifest.json — 统计条目数
  3. 读取 viz/public/data/team-icon-manifest.json — 统计条目数
  4. 与注册表总数进行比较

预期结果: 清单计数与注册表计数匹配。差异表明清单已过时。

失败时: 如果清单文件不存在,需要先运行数据流水线(node build-data.js && node build-icon-manifest.js)。

步骤 6:生成差异报告

生成结构化的汇总报告。

  1. 将输出格式化为清晰的表格或列表:
    === Icon Pipeline Audit ===
    
    MISSING GLYPHS (no glyph function):
      Skills: 5 missing — [list]
      Agents: 2 missing — [list]
      Teams: 0 missing
    
    MISSING ICONS (glyph exists, no rendered WebP):
      Standard (512px): 3 skills, 1 agent
      HD (1024px): 8 skills, 3 agents, 1 team
    
    STALE MANIFESTS:
      icon-manifest.json: 320 entries vs 326 registry (stale)
      agent-icon-manifest.json: 66 entries vs 66 registry (OK)
      team-icon-manifest.json: 15 entries vs 15 registry (OK)
    
  2. 根据发现提出后续操作建议

预期结果: 包含可操作后续步骤的完整差异报告。

失败时: 如果所有检查通过且无差异,报告"流水线完全同步"作为正面结果。

验证清单

  • 成功读取了所有三个注册表
  • 检查了所有三个符号映射文件
  • 扫描了标准和高清图标目录
  • 验证了清单时效性
  • 生成了包含计数和实体列表的差异报告
  • 提供了可操作的后续步骤

常见陷阱

  • ID 格式不匹配:注册表使用 kebab-case(create-skill),符号映射可能使用 snake_case 键 — 确保比较时进行格式规范化
  • 调色板假设:仅检查 cyberpunk 调色板会遗漏特定调色板的渲染差异
  • 空目录:领域目录存在但为空时,通配符搜索会认为"图标已存在" — 应检查文件是否存在,而非目录是否存在
  • 高清未渲染:高清图标位于单独的目录树(icons-hd/)中 — 不要与标准图标混淆

相关技能

  • create-glyph — 创建本审计中识别出的缺失符号
  • enhance-glyph — 改善现有符号的质量
  • render-icon-pipeline — 运行完整的流水线以生成缺失的图标
  • Orphan icons checked (disk paths vs manifest)
  • Orphans after re-homing: When a skill's domain changes, build.sh creates icons at the new path but does NOT delete the old path — always run Step 6 orphan check after any domain migration

GitHub 저장소

pjt222/agent-almanac
경로: i18n/zh-CN/skills/audit-icon-pipeline
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기