create-github-issues
О программе
Этот навык автоматически создает структурированные GitHub issues на основе результатов проверки кода или разбивки задач. Он группирует связанные находки в логические issues, применяет метки и генерирует issues с использованием шаблонов, включающих сводки, находки и критерии приемки. Используйте его для обработки выводов навыков проверки, таких как `review-codebase`, для автоматизированного отслеживания задач.
Быстрая установка
Claude Code
Рекомендуетсяnpx 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-issuesСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
name: create-github-issues locale: de source_locale: en source_commit: 6f65f316 translator: claude translation_date: "2026-03-17" description: > Strukturierte GitHub-Issue-Erstellung aus Review-Befunden oder Aufgabenaufschluessen. Gruppiert zusammenhaengende Befunde in logische Issues, vergibt Labels und erzeugt Issues mit Standardvorlagen einschliesslich Zusammenfassung, Befunden und Abnahmekriterien. Konzipiert zum Verarbeiten von Ausgaben aus review-codebase oder aehnlichen Review-Skills. license: MIT allowed-tools: Read Bash Grep Glob metadata: author: Philipp Thoss version: "1.0" domain: git complexity: intermediate language: multi tags: git, github, project-management, issues, review, automation
GitHub-Issues erstellen
Strukturierte GitHub-Issue-Erstellung aus Review-Befunden oder Aufgabenaufschluessen. Wandelt eine Liste von Befunden (aus review-codebase, security-audit-codebase oder manueller Analyse) in wohlgeformte GitHub-Issues mit Labels, Abnahmekriterien und Querverweisen um.
Wann verwenden
- Nach einem Codebase-Review das eine Befundtabelle erzeugt hat die nachverfolgt werden muss
- Nach einer Planungssitzung die Arbeitspakete identifiziert hat die zu Issues werden sollen
- Beim Umwandeln einer TODO-Liste oder eines Backlogs in nachverfolgbare GitHub-Issues
- Beim Massenerstellen zusammenhaengender Issues die einheitliche Formatierung und Labels benoetigen
Eingaben
- Erforderlich:
findings— eine Liste von Eintraegen, jeder mindestens mit Titel und Beschreibung. Idealerweise auch: Schweregrad, betroffene Dateien und vorgeschlagene Labels - Optional:
group_by— wie Befunde in Issues zusammengefasst werden:severity,file,theme(Standard:theme)label_prefix— Praefix fuer automatisch erstellte Labels (Standard: keines)create_labels— ob fehlende Labels erstellt werden sollen (Standard:true)dry_run— Issues in der Vorschau anzeigen ohne sie zu erstellen (Standard:false)
Vorgehensweise
Schritt 1: Labels vorbereiten
Sicherstellen dass alle benoetigten Labels im Repository vorhanden sind.
- Vorhandene Labels auflisten:
gh label list --limit 100 - Von den Befunden benoetigte Labels identifizieren (aus Schweregrad, Phase oder expliziten Label-Feldern)
- Schweregrade auf Labels abbilden falls noch nicht geschehen:
critical,high-priority,medium-priority,low-priority - Phasen/Themen auf Labels abbilden:
security,architecture,code-quality,accessibility,testing,performance - Wenn
create_labelswahr ist, fehlende Labels erstellen:gh label create "name" --color "hex" --description "desc" - Einheitliche Farben verwenden: Rot fuer critical/security, Orange fuer high, Gelb fuer medium, Blau fuer architecture, Gruen fuer testing
Erwartet: Alle von Befunden referenzierten Labels existieren im Repository. Keine doppelten Labels erstellt.
Bei Fehler: Wenn gh-CLI nicht authentifiziert ist, den Benutzer anweisen gh auth login auszufuehren. Wenn Label-Erstellung verweigert wird (unzureichende Berechtigungen), ohne Label-Erstellung fortfahren und vermerken welche Labels fehlen.
Schritt 2: Befunde gruppieren
Zusammenhaengende Befunde in logische Issues buendeln um Issue-Zersiedelung zu vermeiden.
- Wenn
group_bythemeist: Befunde nach Phase oder Kategorie gruppieren (alle Sicherheitsbefunde -> 1-2 Issues, alle a11y -> 1 Issue) - Wenn
group_byseverityist: Befunde nach Schweregrad gruppieren (alle CRITICAL -> 1 Issue, alle HIGH -> 1 Issue) - Wenn
group_byfileist: Befunde nach primaer betroffener Datei gruppieren - Innerhalb jeder Gruppe Befunde nach Schweregrad ordnen (CRITICAL zuerst)
- Wenn eine Gruppe mehr als 8 Befunde hat, in Untergruppen nach Unterthema aufteilen
- Jede Gruppe wird zu einem GitHub-Issue
Erwartet: Eine Reihe von Issue-Gruppen, jede mit 1-8 zusammenhaengenden Befunden. Die Gesamtzahl der Issues sollte ueberschaubar sein (typischerweise 5-15 fuer ein vollstaendiges Codebase-Review).
Bei Fehler: Wenn Befunde keine Gruppierungsmetadaten haben, auf ein Issue pro Befund zurueckfallen. Das ist akzeptabel fuer kleine Befundmengen (< 10), erzeugt aber zu viele Issues fuer groessere Mengen.
Schritt 3: Issues formulieren
Jedes Issue mit einer Standardvorlage aufbauen.
- Titel:
[Schweregrad] Thema: Kurzbeschreibung— z.B.[HIGH] Security: innerHTML-Injektion in panel.js beseitigen - Inhalt Struktur:
## Zusammenfassung Ein-Absatz-Ueberblick was dieses Issue behandelt und warum es wichtig ist. ## Befunde 1. **[SCHWEREGRAD]** Befundbeschreibung (`datei.js:zeile`) — kurze Erklaerung 2. **[SCHWEREGRAD]** Befundbeschreibung (`datei.js:zeile`) — kurze Erklaerung ## Abnahmekriterien - [ ] Kriterium abgeleitet aus Befund 1 - [ ] Kriterium abgeleitet aus Befund 2 - [ ] Alle Aenderungen bestehen vorhandene Tests ## Kontext Generiert aus Codebase-Review am JJJJ-MM-TT. Verwandt: #issue_nummern (falls zutreffend) - Labels zuweisen: Schweregrad-Label + Themen-Label + benutzerdefinierte Labels
- Wenn Befunde bestimmte Dateien referenzieren, sie im Inhalt erwaehnen (nicht als Zugewiesene)
Erwartet: Jedes Issue hat einen klaren Titel, nummerierte Befunde mit Schweregrad-Markierungen, Checkbox-Abnahmekriterien und passende Labels.
Bei Fehler: Wenn der Inhalt GitHubs Issue-Groessenlimit (65536 Zeichen) ueberschreitet, das Issue in Teile aufteilen und gegenseitig referenzieren.
Schritt 4: Issues erstellen
Die Issues mit dem gh-CLI erstellen und Ergebnisse berichten.
- Wenn
dry_runwahr ist, jeden Issue-Titel und Inhalt ausgeben ohne zu erstellen, dann stoppen - Fuer jedes formulierte Issue erstellen:
gh issue create --title "titel" --body "$(cat <<'EOF' inhalt EOF )" --label "label1,label2" - Die URL jedes erstellten Issues festhalten
- Nach Erstellung aller Issues eine Zusammenfassungstabelle ausgeben:
#Nummer | Titel | Labels | Befundanzahl - Wenn Issues sequenziert werden sollen, Querverweise hinzufuegen: das erste Issue bearbeiten um "Blockiert von #X" oder "Siehe auch #Y" zu erwaehnen
Erwartet: Alle Issues erfolgreich erstellt. Eine Zusammenfassungstabelle mit Issue-Nummern und URLs wird ausgegeben.
Bei Fehler: Wenn ein einzelnes Issue nicht erstellt werden kann, den Fehler protokollieren und mit den verbleibenden Issues fortfahren. Fehlschlaege am Ende berichten. Haeufige Ursachen: Authentifizierung abgelaufen, Label nicht gefunden (wenn create_labels falsch war), Netzwerk-Timeout.
Validierung
- Alle Befunde sind in mindestens einem Issue vertreten
- Jedes Issue hat mindestens ein Label
- Jedes Issue hat Checkbox-Abnahmekriterien
- Keine doppelten Issues wurden erstellt (Titel gegen vorhandene offene Issues pruefen)
- Issue-Anzahl ist angemessen fuer die Befundanzahl (nicht 1:1 fuer grosse Mengen)
- Zusammenfassungstabelle wurde mit allen Issue-URLs ausgegeben
Haeufige Stolperfallen
- Issue-Zersiedelung: Ein Issue pro Befund erstellen erzeugt 20+ Issues die schwer zu verwalten sind. Aggressiv gruppieren — 5-10 Issues aus einem vollstaendigen Review sind ideal
- Fehlende Abnahmekriterien: Issues ohne Checkboxen koennen nicht als abgeschlossen verifiziert werden. Jeder Befund sollte auf mindestens eine Checkbox abgebildet werden
- Label-Chaos: Zu viele Labels erstellen macht Filtern nutzlos. Bei Schweregrad + Thema bleiben, nicht Labels pro Befund
- Veraltete Referenzen: Wenn Issues aus einem alten Review erstellt werden, vor dem Erstellen ueberpruefen ob die Befunde noch gelten. Der Code koennte sich geaendert haben
- Trockenlauf vergessen: Fuer grosse Befundmengen immer zuerst mit
dry_run: truevorschauen. Es ist viel leichter einen Plan zu bearbeiten als 15 falsche Issues zu schliessen
Verwandte Skills
review-codebase— erzeugt die Befundtabelle die dieser Skill verarbeitetreview-pull-request— erzeugt PR-bezogene Befunde die ebenfalls in Issues umgewandelt werden koennenmanage-backlog— organisiert Issues nach der Erstellung in Sprints und Prioritaetencreate-pull-request— erstellt PRs die die Issues referenzieren und schliessencommit-changes— committet die Korrekturen die die Issues aufloesen
GitHub репозиторий
Похожие навыки
content-collections
МетаЭтот навык предоставляет проверенную в продакшене настройку для Content Collections — TypeScript-ориентированного инструмента, который преобразует файлы Markdown/MDX в типобезопасные коллекции данных с валидацией Zod. Используйте его при создании блогов, сайтов документации или контентных приложений на Vite + React для обеспечения типобезопасности и автоматической проверки содержимого. Он охватывает всё: от настройки плагина Vite и компиляции MDX до оптимизации развертывания и валидации схем.
polymarket
МетаЭтот навык позволяет разработчикам создавать приложения на платформе прогнозных рынков Polymarket, включая интеграцию с API для торговли и получения рыночных данных. Он также обеспечивает потоковую передачу данных в реальном времени через WebSocket для отслеживания текущих сделок и рыночной активности. Используйте его для реализации торговых стратегий или создания инструментов, обрабатывающих обновления рынка в реальном времени.
creating-opencode-plugins
МетаЭтот навык помогает разработчикам создавать плагины OpenCode, которые подключаются к более чем 25 типам событий, таким как команды, файлы и операции LSP. Он предоставляет структуру плагина, спецификации API событий и шаблоны реализации для модулей на JavaScript/TypeScript. Используйте его, когда вам нужно перехватывать, отслеживать или расширять жизненный цикл ассистента OpenCode AI с помощью пользовательской событийно-ориентированной логики.
sglang
МетаSGLang — это высокопроизводительный фреймворк для обслуживания больших языковых моделей (LLM), специализирующийся на быстрой структурированной генерации JSON, regex и рабочих процессов агентов с использованием кэширования префиксов RadixAttention. Он обеспечивает значительно более высокую скорость вывода, особенно для задач с повторяющимися префиксами, что делает его идеальным для сложных структурированных результатов и многократных диалогов. Выбирайте SGLang вместо альтернатив, таких как vLLM, когда вам требуется ограниченное декодирование или вы создаете приложения с интенсивным совместным использованием префиксов.
