audit-icon-pipeline
关于
This skill audits icon pipelines by comparing registries against glyph mappings and icon directories to detect missing assets. It identifies gaps for skills, agents, and teams across all palettes, useful before pipeline runs or after registry updates. Key capabilities include filtering by entity type and reporting structured gap analysis.
快速安装
Claude Code
推荐npx 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-pipeline在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
審像管
較冊與符映檔、像目、清單→察缺符、缺像、舊清單。出結構缺報涵技、將、隊。
用
- 新增技/將/隊→察像需否
- 全管前→識何缺
- 冊更後→驗清單同步
- 定期察像管健
入
- 可:實類濾—
skill、agent、team、all(默all) - 可:查之色板(默
cyberpunk—參色板)
行
一:讀諸冊
自諸正典冊集諸實 ID。
- 讀
skills/_registry.yml—諸域中取諸技 ID - 讀
agents/_registry.yml—取諸將 ID - 讀
teams/_registry.yml—取諸隊 ID - 記計:技、將、隊總
得: 三實 ID 列與計合 total_skills、total_agents、total_teams。
敗: 冊檔缺→報徑而略其類。
二:讀符映
自符映檔集諸映實 ID。
- 讀
viz/R/glyphs.R—取SKILL_GLYPHS之諸鍵 - 讀
viz/R/agent_glyphs.R—取AGENT_GLYPHS之諸鍵 - 讀
viz/R/team_glyphs.R—取TEAM_GLYPHS之諸鍵
得: 三映 ID 列。
敗: 符檔缺→報而標其類諸實為未映。
三:算缺符
較冊 ID 與映 ID。
- 缺技符:
registry_skill_ids - mapped_skill_ids - 缺將符:
registry_agent_ids - mapped_agent_ids - 缺隊符:
registry_team_ids - mapped_team_ids
得: 實 ID 列,存於冊而無符函映。
敗: 較算敗→驗冊與符檔之 ID 格式合(如底線對劃)。
四:察已渲像
驗諸映符有應之渲像檔。
- 每映技 ID→察
viz/public/icons/<palette>/<domain>/<skillId>.webp - 每映將 ID→察
viz/public/icons/<palette>/agents/<agentId>.webp - 每映隊 ID→察
viz/public/icons/<palette>/teams/<teamId>.webp - 察 HD 變體於
viz/public/icons-hd/,同結構
得: 實列—有符而缺渲像(標與/或 HD)。
敗: 像目不存→管未行→報諸為缺。
五:察清單新否
較清單計與冊計。
- 讀
viz/public/data/icon-manifest.json—計條 - 讀
viz/public/data/agent-icon-manifest.json—計條 - 讀
viz/public/data/team-icon-manifest.json—計條 - 較冊總
得: 清單計合冊計。差→清單陳舊。
敗: 清單檔不存→資料管先行(node build-data.js && node build-icon-manifest.js)。
六:察孤像
巡 viz/public/icons*/ 旗其 <palette>/<domain>/<skillId> 三元不現於 icon-manifest.json 之 WebP 檔。
- 列諸 WebP:
find viz/public/icons* -name "*.webp" - 每檔→自徑取
<domain>/<id> - 察
<domain>/<id>是否有icon-manifest.json條 - 集不合檔為孤—存於盤而不再引
# Quick orphan count per palette
node -e "
const fs = require('fs');
const manifest = JSON.parse(fs.readFileSync('viz/public/data/icon-manifest.json'));
const ids = new Set(manifest.map(e => e.domain + '/' + e.id));
const orphans = require('child_process')
.execSync('find viz/public/icons -name \"*.webp\"').toString().trim().split('\n')
.filter(p => { const parts = p.split('/'); const id = parts.slice(-2).join('/').replace('.webp',''); return !ids.has(id); });
console.log('Orphans:', orphans.length);
orphans.forEach(p => console.log(' ', p));
"
得: 零孤。孤存→技移域而未清(每移 18 孤 = 9 色板 × 2 尺寸)。
敗: 手刪孤—無清單條且不服。移事罕,手清可。
七:生缺報
出結構概。
- 出為清表或列:
=== 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) - 依發現薦下一行
得: 全缺報附可行下步。
敗: 諸察皆通零缺→報「管全同步」為正果。
驗
- 三冊皆讀
- 三符映檔皆察
- 像目巡察標與 HD
- 清單新否已驗
- 孤像察(盤徑對清單)
- 缺報附計與實列
- 可行下步提供
忌
- ID 格式不合:冊用 kebab-case(
create-skill),符映或用 snake_case→確保較時歸一 - 色板假設:唯察 cyberpunk 板→遺色板專渲之缺
- 空目:域目存而空→通配算「像有」→察檔存,非目存
- HD 未渲:HD 像於別樹(
icons-hd/)—勿混標像 - 移域後孤:技之域改→
build.sh造新徑像而不刪舊徑—域移後必行步六察孤
參
- create-glyph — 造此審識之缺符
- enhance-glyph — 改現符之質
- render-icon-pipeline — 行全管以生缺像
GitHub 仓库
相关推荐技能
content-collections
元Content Collections 是一个 TypeScript 优先的构建工具,可将本地 Markdown/MDX 文件转换为类型安全的数据集合。它专为构建博客、文档站和内容密集型 Vite+React 应用而设计,提供基于 Zod 的自动模式验证。该工具涵盖从 Vite 插件配置、MDX 编译到生产环境部署的完整工作流。
polymarket
元这个Claude Skill为开发者提供完整的Polymarket预测市场开发支持,涵盖API调用、交易执行和市场数据分析。关键特性包括实时WebSocket数据流,可监控实时交易、订单和市场动态。开发者可用它构建预测市场应用、实施交易策略并集成实时市场预测功能。
creating-opencode-plugins
元该Skill帮助开发者创建OpenCode插件,用于接入命令、文件、LSP等25+种事件。它提供了插件结构、事件API规范和JavaScript/TypeScript实现模式,适合需要拦截操作、扩展功能或自定义事件处理的场景。开发者可通过它快速构建响应式模块来增强OpenCode AI助手的能力。
sglang
元SGLang是一个专为LLM设计的高性能推理框架,特别适用于需要结构化输出的场景。它通过RadixAttention前缀缓存技术,在处理JSON、正则表达式、工具调用等具有重复前缀的复杂工作流时,能实现极速生成。如果你正在构建智能体或多轮对话系统,并追求远超vLLM的推理性能,SGLang是理想选择。
