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
추천npx 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/audit-icon-pipelineClaude 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 —
skill、agent、team或all(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。
- 读取
skills/_registry.yml— 提取所有领域中的全部技能 ID - 读取
agents/_registry.yml— 提取所有代理 ID - 读取
teams/_registry.yml— 提取所有团队 ID - 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_skills、total_agents、total_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。
- 读取
viz/R/glyphs.R— 提取SKILL_GLYPHS列表中的所有键 - 读取
viz/R/agent_glyphs.R— 提取AGENT_GLYPHS列表中的所有键 - 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。
- 缺失的技能符号:
registry_skill_ids - mapped_skill_ids - 缺失的代理符号:
registry_agent_ids - mapped_agent_ids - 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。
- 对于每个已映射的技能 ID,检查
viz/public/icons/<palette>/<domain>/<skillId>.webp - 对于每个已映射的代理 ID,检查
viz/public/icons/<palette>/agents/<agentId>.webp - 对于每个已映射的团队 ID,检查
viz/public/icons/<palette>/teams/<teamId>.webp - 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。
- 读取
viz/public/data/icon-manifest.json— 统计条目数 - 读取
viz/public/data/agent-icon-manifest.json— 统计条目数 - 读取
viz/public/data/team-icon-manifest.json— 统计条目数 - 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。
- 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) - 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.shcreates icons at the new path but does NOT delete the old path — always run Step 6 orphan check after any domain migration
GitHub 저장소
Frequently asked questions
What is the audit-icon-pipeline skill?
audit-icon-pipeline is a Claude Skill by pjt222. Skills package instructions and resources that Claude loads on demand, so Claude can perform audit-icon-pipeline-related tasks without extra prompting.
How do I install audit-icon-pipeline?
Use the install commands on this page: add audit-icon-pipeline to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does audit-icon-pipeline belong to?
audit-icon-pipeline is in the Other category, tagged general.
Is audit-icon-pipeline free to use?
Yes. audit-icon-pipeline is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
연관 스킬
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.
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.
이 Claude Skill은 스프레드, 오버/언더, 프로프 베트를 포함한 스포츠 베팅 시장을 분석합니다. 역사적 추이와 상황별 통계를 검토하여 가치 베트를 발견하고, 교육적 목적으로 실행 가능한 권장 사항이 담긴 구조화된 마크다운 결과를 제공합니다. 개발자는 이 기능을 스포츠 베팅 분석 도구에 활용할 수 있으며, 단순히 엔터테인먼트/교육 목적으로만 설계되었음을 유의해야 합니다.
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.
