返回技能列表

refactor-skill-structure

pjt222
更新于 2 days ago
8 次查看
17
2
17
在 GitHub 上查看
ai

关于

This skill refactors lengthy or poorly structured SKILL.md files by extracting examples to a separate file, splitting compound procedures, and reorganizing content for better readability. Use it when a skill exceeds the 500-line limit, is dominated by code blocks, or contains procedural steps with multiple unrelated operations. It helps maintain clean, focused skill documentation that adheres to project standards.

快速安装

Claude Code

推荐
主要方式
npx skills add pjt222/agent-almanac -a claude-code
插件命令备选方式
/plugin add https://github.com/pjt222/agent-almanac
Git 克隆备选方式
git clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/refactor-skill-structure

在 Claude Code 中复制并粘贴此命令以安装该技能

技能文档

重構技構

重構過長或構不善之 SKILL.md:提例至 references/EXAMPLES.md、分複合之程、重組諸段以漸開示。本技提長碼例至 references/EXAMPLES.md,分複合之程為專注之子程,加交引以行漸開示,重構後驗其全且效。

用時

  • 技逾 CI 之 500 行限乃用
  • 一程步含數無關之操作宜分為步乃用
  • 逾 15 行之碼塊主於 SKILL.md 而可提乃用
  • 技累積臨時段,破六段標構乃用
  • 內更後使技逾行限乃用
  • 技審標出構患逾內質乃用

  • 必要:欲重構之 SKILL.md 之路
  • 可選:目行數(默:取 500 行限之八成,約 400 行)
  • 可選:是否立 references/EXAMPLES.md(默:然,若有可提之內)
  • 可選:是否分為數技(默:否,先提為宜)

第一步:量當前行數而識膨之源

讀技而立段段之行算以識膨之所。

# Total line count
wc -l < skills/<skill-name>/SKILL.md

# Line count per section (approximate)
grep -n "^## \|^### " skills/<skill-name>/SKILL.md

分膨之源:

  • 可提:碼塊 >15 行、全配置例、多異例
  • 可分:複合步行 2+ 無關操作
  • 可削:冗釋、過繁之境句
  • :非屬六段標構之臨時段

得:行算示何段過大、何膨類屬之。最大段乃首要重構之的。

敗則:若技未及 500 行且無顯構患,此技或不需。先驗重構之請有理。

第二步:提碼塊至 references/EXAMPLES.md

移逾 15 行之碼塊至 references/EXAMPLES.md,主 SKILL.md 留簡內片(3-10 行)。

  1. 立參之所:

    mkdir -p skills/<skill-name>/references/
    
  2. 各可提之碼塊:

    • 全碼塊複至 references/EXAMPLES.md 於描述之首
    • 主 SKILL.md 之碼塊代以簡 3-5 行片
    • 加交引:See [EXAMPLES.md](references/EXAMPLES.md#heading) for the complete configuration.
  3. references/EXAMPLES.md 以明首:

    # Examples
    
    ## Example 1: Full Configuration
    
    Complete configuration file for [context]:
    
    \```yaml
    # ... full config here ...
    \```
    
    ## Example 2: Multi-Variant Setup
    
    ### Variant A: Development
    \```yaml
    # ... dev config ...
    \```
    
    ### Variant B: Production
    \```yaml
    # ... prod config ...
    \```
    

得:所有 >15 行之碼塊已提。主 SKILL.md 留簡內片以宜讀。交引繫於提之內。references/EXAMPLES.md 良組以描述之首。

敗則:若提碼塊不足以減行(仍逾 500),進第三步分程。若技少碼塊(如自然語之技),專注於三、四步。

第三步:分複合程為專步

識行多無關操作之程步而分之。

複合步之兆:

  • 步首含「與」(如「設庫與立緩」)
  • 步有多 Expected/On failure 段(或宜有)
  • 步逾 30 行
  • 步可略或子部可異序行

各複合步:

  1. 識步內之異操作
  2. 各操作立新 ### Step N:
  3. 後步重編號
  4. 確各新步有己之 Expected 與 On failure 段
  5. 加新步間之過境

得:每程步行一事。無步逾 30 行。步數或增而每步可獨驗。

敗則:若分步致過細(如 20+ 總步),考歸相關微步於單步下以子步編號。佳處乃 5-12 程步。

第四步:自 SKILL.md 加交引至所提內

確主 SKILL.md 提後仍可讀可察。

各提:

  1. SKILL.md 之內片宜常境自足
  2. 交引宜釋附加之內為何
  3. 用相對之路:[EXAMPLES.md](references/EXAMPLES.md#section-anchor)

交引之形:

  • 簡碼片後:See [EXAMPLES.md](references/EXAMPLES.md#full-configuration) for the complete configuration with all options.
  • 多異例:See [EXAMPLES.md](references/EXAMPLES.md#variants) for development, staging, and production variants.
  • 廣排錯:See [EXAMPLES.md](references/EXAMPLES.md#troubleshooting) for additional error scenarios.

得:每提皆有對應交引。讀者可循主 SKILL.md 處常境而探參以詳。

敗則:若交引令文流不順,合多引為程步末之單注:For extended examples including [X], [Y], and [Z], see [EXAMPLES.md](references/EXAMPLES.md).

第五步:重構後驗行數

更後再量 SKILL.md 之行數。

# Check main SKILL.md
lines=$(wc -l < skills/<skill-name>/SKILL.md)
[ "$lines" -le 500 ] && echo "SKILL.md: OK ($lines lines)" || echo "SKILL.md: STILL OVER ($lines lines)"

# Check references file if created
if [ -f skills/<skill-name>/references/EXAMPLES.md ]; then
  ref_lines=$(wc -l < skills/<skill-name>/references/EXAMPLES.md)
  echo "EXAMPLES.md: $ref_lines lines"
fi

# Total content
echo "Total content: $((lines + ${ref_lines:-0})) lines"

得:SKILL.md 未及 500 行。理應未及 400 行以留來日之長。references/EXAMPLES.md 無行限。

敗則:若提分後仍逾 500 行,考分技為二。技涉過廣乃範漂之兆。用 create-skill 立第二技而於二者之相關技交引相更。

第六步:驗諸段仍存

重構後,驗技仍有諸需段且前文未損。

review-skill-format 之單:

  1. YAML 前文可正析
  2. 六需段皆存(用時、入、法、驗、陷、參)
  3. 各程步有 Expected 與 On failure 段
  4. 無孤交引(諸鏈皆解)
# Quick section check
for section in "## When to Use" "## Inputs" "## Procedure" "## Common Pitfalls" "## Related Skills"; do
  grep -q "$section" skills/<skill-name>/SKILL.md && echo "$section: OK" || echo "$section: MISSING"
done
grep -qE "## Validation( Checklist)?" skills/<skill-name>/SKILL.md && echo "Validation: OK" || echo "Validation: MISSING"

得:諸段皆存。提時無內誤刪。SKILL.md 之交引解至 EXAMPLES.md 之實首。

敗則:若段誤除,自 git 史復之:git diff skills/<skill-name>/SKILL.md 以見所變。若交引斷,驗 EXAMPLES.md 之首錨合 SKILL.md 之鏈(GitHub 之 markdown 錨則:小字、空作短橫、剝標點)。

  • SKILL.md 行數 500 或以下
  • SKILL.md 之碼塊皆 15 行或以下
  • 所提之內於 references/EXAMPLES.md 附描述之首
  • 每提於主 SKILL.md 有交引
  • 無複合程步留(每步行一事)
  • 重構後六需段皆存
  • 各程步有 Expected:On failure:
  • YAML 前文未損可析
  • 交引鏈解至 EXAMPLES.md 之實首
  • review-skill-format 之驗於重構後過

  • 過提:移全碼至參致主 SKILL.md 不可讀。常境留 3-10 行內片。獨提 >15 行或多異之塊
  • 斷錨鏈:GitHub 之 markdown 錨於某些渲染為大小敏。EXAMPLES.md 用小字之首,交引精合之。試以 grep -c "heading-text" references/EXAMPLES.md
  • 分時失 Expected/On failure:分複合步時,確各新步得己之 Expected 與 On failure 段。分後易留一步無此段
  • 立過微步:分宜得 5-12 程步。若得 15+,分過烈。歸相關微步為邏輯之群
  • 忘更 references/EXAMPLES.md 之首:若改 EXAMPLES.md 之段名,SKILL.md 之諸交引錨皆須更。grep 舊錨名以捕諸引

  • review-skill-format — 重構後行格驗以確技仍合
  • update-skill-content — 內更常為構重構之引,使技逾行限
  • create-skill — 決如何組所提之內時參其標構
  • evolve-skill — 若技須分為二,用化以立其衍

GitHub 仓库

pjt222/agent-almanac
路径: i18n/wenyan/skills/refactor-skill-structure
0
agentsagentskillsai-assisted-developmentclaude-codeskillsteams

相关推荐技能

content-collections

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。

查看技能

polymarket

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。

查看技能

creating-opencode-plugins

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。

查看技能

sglang

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。

查看技能