metal
关于
The Metal skill analyzes codebases to extract their conceptual architecture as standardized agent, skill, and team definitions. It captures the project's purpose (WHAT) and roles (WHO) without the implementation details (HOW). Use it for onboarding, bootstrapping agentic systems, or studying a project's organizational patterns.
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/metal在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
金
提庫之概念精——其角、法、協模——作泛之 agentskills.io 定。如自礦提精金,此技別項之「為何」(精)與「行何」(施)而生可復用之技、人、團定,捕項之組基因而不複其碼。
用時
- 入新庫,欲入碼前先繪其概念構
- 自舊項啟代理系——隱流變顯之技/人/團定
- 察項組基因以雜交至他項
- 取舊項為靈而不抄之,造技/人/團庫
- 由項構察其作者心模與域識
入
- 必:庫或項根之徑
- 必:的述——何故提精?(入門、啟、研、雜交)
- 可選:注域——項中所注之區(默:全)
- 可選:出深——
survey(探勘察評)、extract(全法)、report(提加文報)(默:extract) - 可選:提之最多——技+人+團之頂(默:15)
礦試
提之中質判:
此概念可存於完全不同之施乎?
若是——乃 金(精)。提之。 若否——乃 石(施詳)。棄之。
例:氣象應用之「集外數源」乃金——施於任引第三方數之項。然「解 OpenWeatherMap v3 JSON 應」乃石——專於一 API。
提技當述任之 類,非具例。提人當述 角,非人。提團當述 協模,非組圖。
法
第一步:探勘——測礦體
無判測庫構。掘前繪地。
- 滑目樹以解項形:
- 源目及其組模(依特、依層、依域)
- 配檔:
package.json、DESCRIPTION、setup.py、Cargo.toml、go.mod、Makefile - 文檔:
README.md、CLAUDE.md、CONTRIBUTING.md、構文 - CI/CD:
.github/workflows/、Dockerfile、署配 - 試目及其構
- 讀項自述(README、包單)以解其宣的
- 依類/語算檔以衡範識主技
- 識項界——何始何終,何依何供
- 生 探勘報:
Project: [name]
Declared Purpose: [from README/manifest]
Languages: [primary, secondary]
Size: [file count, approx LOC]
Shape: [monorepo/library/app/framework/docs]
External Surface: [CLI/API/UI/library exports/none]
得: 事實察——何在此、幾大、項稱何。尚無分判。報如地質察,非評。
敗則: 若庫無 README 或單,由目名、檔內容、試述推的。若項太大(逾千源檔),縮範至最活之目(用 git log 頻或 README 引)。
第二步:察評——析其組
讀代表檔以解項概念層所行。
- 自項各區取 5-10 代表檔——非詳,乃多:
- 入點(主檔、路由、CLI 命)
- 核心邏輯(最被引或引最多之模)
- 試(其示意行較施清)
- 配(示運慮與署脈絡)
- 每樣識:
- 域:項及何題區?(如「身證」、「數變」、「報」)
- 動:項行何動?(如「驗」、「變」、「署」、「告」)
- 角:碼服何人或系?(如「數工」、「終用」、「審者」)
- 流:何動序成工作流?(如「入→驗→變→存」)
- 每發現分為:
- 本:解此題之任施皆有之
- 偶:專於此施所選技
- 生 察評報:域、動、角、流之表附本/偶籤
得: 項概念地圖如域辭,非碼遊。不熟此技堆者由此報當解項所行。
敗則: 若庫不透(重元編、生碼、混淆),倚試與文檔而非源碼。若無試,讀提交信為意。
第三步:冥——釋施偏
停以清讀碼之認知錨。
- 察何框、語、構模主吾心模——標之
- 釋於「如何」之執:「項用 React」變「項有用者界面層」。「用 PostgreSQL」變「有持結構儲」。
- 對察評報每發現施礦試:
- 「集外數源」——可存任處乎?是 → 金
- 「設 Axios 攔截器」——可存任處乎?否 → 石
- 重寫不過礦試之發現於更高抽象
- 若多視助,由此鏡視項:
- 考古:碼構示作者何心模?
- 生物:何為可複基因,何為具表型?
- 樂理:何為形(奏鳴、迴旋),何為具音?
- 製圖:何抽象層捕有用拓撲?
得: 察評報今脫框語。每發現過礦試。概念可移——可施於任語任框之項。
敗則: 若偏持(發現持引具技),試反:「若項全用別堆重寫,何概念存?」唯彼為金。
第四步:冶——別金與渣
提之核心。每本概念分為技、人、團。
- 對純察評報之每本概念定其類:
Classification Criteria:
+--------+----------------------------+----------------------------+----------------------------+
| Type | What to Look For | Naming Convention | Test Question |
+--------+----------------------------+----------------------------+----------------------------+
| SKILL | Repeatable procedures, | Verb-first kebab-case: | "Could an agent follow |
| | workflows, transformations | validate-input, | this as a step-by-step |
| | with clear inputs/outputs | deploy-artifact | procedure?" |
+--------+----------------------------+----------------------------+----------------------------+
| AGENT | Persistent roles, domain | Noun/role kebab-case: | "Does this require ongoing |
| | expertise, judgment calls, | data-engineer, | context, expertise, or a |
| | communication styles | quality-reviewer | specific communication |
| | | | style?" |
+--------+----------------------------+----------------------------+----------------------------+
| TEAM | Multi-role coordination, | Group descriptor: | "Does this need more than |
| | handoffs, reviews, | pipeline-ops, | one distinct perspective |
| | parallel workstreams | review-board | to accomplish?" |
+--------+----------------------------+----------------------------+----------------------------+
- 每提元:
- 賦 泛名——非項專。「UserAuthService」變
identity-manager(人)。「deployToAWS()」變deploy-artifact(技) - 寫一行述,不知源項仍合
- 記其源概念(為跡,非複)
- 末一施礦試
- 賦 泛名——非項專。「UserAuthService」變
- 防分類常誤:
- 非每函皆技——尋 法,非單操
- 非每模皆人——尋 角 需判
- 非每協皆團——尋 協模 含異專
- 多項生 3-8 技、2-4 人、0-2 團。若逾 20,提太細
得: 分類錄,每項有類(技/人/團)、泛名、一行述。無項引源項之具技、API、數構。
敗則: 若分類含混(技乎人乎?),問:「此關 行某事(技)乎,為某人行事(人)乎?」技為方,人為廚。仍不明,默為技——技後易合。
第五步:癒——驗提之質
評提誠否——非過、非不及。
-
過提察:讀每提定問:
- 由此可重建源項之專邏輯乎?→ 詳太多
- 此引具庫、API、庫式、檔徑乎?→ 仍石
- 為全施法乎概念草乎?→ 當為草
-
不及提察:唯顯提定(無源項)問:
- 由此可解何 類 項所靈?→ 當是
- 諸定捕項本性乎?→ 當是
- 主項能未表乎?→ 當否
-
泛察:每定:
- 名於別技堆仍合乎?→ 當是
- 述脫框乎?→ 當是
- 此定可有用於完全別域之項乎?→ 理當是
-
衡察:審提比:
- 3-8 技、2-4 人、0-2 團典於一聚項
- 總提少於三疑提不及
- 總多於十五疑過提或泛不足
得: 信提居宜抽象層。每定為種子可生於別土,非枝唯活原園。
敗則: 若過提,升抽象——合具體技為廣,並似人為一角。若提不足,返第二步取更多檔。若泛察敗,剝技引而重述。
第六步:鑄——金入形
生 agentskills.io 標出文。
- 每提 技,寫骨定:
# Skill: [generalized-name]
name: [generalized-name]
description: [one-line, framework-agnostic]
domain: [closest domain from the 52 existing domains, or suggest a new one]
complexity: [basic/intermediate/advanced]
# Concept-level procedure (3-5 steps, NOT full implementation):
# Step 1: [high-level action]
# Step 2: [high-level action]
# Step 3: [high-level action]
# Derived from: [source concept in original project]
- 每提 人,寫骨定:
# Agent: [role-name]
name: [role-name]
description: [one-line purpose]
tools: [minimal tool set needed]
skills: [list of extracted skills this agent would carry]
# Derived from: [source role/module in original project]
- 每提 團,寫骨定:
# Team: [group-name]
name: [group-name]
description: [one-line purpose]
lead: [lead agent from extracted agents]
members: [list of member agents]
coordination: [hub-and-spoke/sequential/parallel/adaptive]
# Derived from: [source workflow/process in original project]
- 編諸提為 察評報——一文含技、人、團章及要表
得: 結構報含諸提定於 agentskills.io 式。每定為骨(概念層,非施層)可為 create-skill、create-agent、create-team 之始而豐之。
敗則: 若出逾 15 項,依中性序——留最獨於此項域之概念。多項皆有之泛念(如「manage-configuration」)宜棄,除有奇轉。
第七步:淬——末驗
驗全提而生要。
- 算提:N 技、N 人、N 團
- 評蓋:包項主域乎?
- 驗獨:讀每定 無 源項脈絡——獨立乎?
- 對全集末施礦試:
Temper Assessment:
+-----+---------------------------+----------+------------------------------------+
| # | Name | Type | Ore Test Result |
+-----+---------------------------+----------+------------------------------------+
| 1 | [name] | skill | PASS / FAIL (reason) |
| 2 | [name] | agent | PASS / FAIL (reason) |
| ... | ... | ... | ... |
+-----+---------------------------+----------+------------------------------------+
- 生末要:
- 提總(技/人/團)
- 蓋評(何項域已表)
- 信度(高/中/低)附理
- 建下步:何提宜先豐
得: 已驗察評報附要表、信評、可行下步。報自含——未見源項者讀亦解提概念。
敗則: 若逾兩成項末施礦試敗,返第四步(冶)以更高抽象重提。若蓋低於六成所識域,返第二步(察評)取更多檔。
驗
- 探勘報含項構、語、範、宣的
- 察評識域、動、角、流附本/偶分類
- 冥節點清施偏——出無框專語
- 每提元過礦試(精,非施詳)
- 技以動名,人以名名,團以群述
- 諸名皆泛——無項專引
- 提數於典範(5-15 總,非一非三十)
- 出定循 agentskills.io 式(前事+章)
- 過提與不及提察皆過
- 末淬評含數、蓋、信、下步
- 全察評報無源項可解
陷
- 鏡目構:每源檔生一技而非提橫切念。金當映項 概念 構,非檔系。二十檔項非有二十技
- 拜框:提「configure-nextjs-api-routes」而非「define-api-endpoints」。剝框留模。礦試捕之:「無 Next.js 此可存乎?」否則石
- 角脹:每模生人。多項有 2-5 真角需異專,非二十。尋 判 與 溝模 異,非僅功異
- 略礦試:最大失模。每出當過:「此概念可存於完全別施乎?」若引具庫、API、數式則渣非金
- 生施指:提技當為 概念 草(3-5 高層步),非全施法。為種待
create-skill豐,非成品。五十步提乃複,非精 - 泛名不足:「UserAuthService」乃類名,非念。「identity-manager」乃角。「manage-user-identity」乃技。由具至泛
- 忽協模:團最難提因協常隱。尋碼審流、署管、系間數遞、批鏈——此示團構
參
athanor— 金示項需變而非僅提精時chrysopoeia— 碼層提值;金作於碼上之概念層transmute— 提念於域或範間轉create-skill— 豐提技草為全 SKILL.md 施create-agent— 豐提人草為全人定create-team— 豐提團草為全團組observe— 探勘示陌生域時之深察analyze-codebase-for-mcp— 補:金提念,analyze-codebase-for-mcp 提工具面review-codebase— 補:金提精,review-codebase 評質
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。
