codejunkie99 GitHub avatar

agentic-stack

2.3K Stars2 Skills283 ForksApache-2.010月13日更新Skill 仓库

AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月3日

面向代码任务的可复用 Agent Skill

agentic-stack 的仓库简介介绍了可跨多种开发环境使用的便携式目录,包含记忆、技能和协议。当前采集到的具体 Skill 是 Cavecrew 和 Caveman:前者面向代码开发、调试、评审或交付前的任务拆解,后者用于压缩沟通表达;仓库简介不能据此证明这两个 Skill 具备其他未说明的能力。

包含 Skill

2

可以单独安装

GitHub Star

2,314

仓库累计 Star

近 7 天

+1

新增 Star

代码更新

2026年10月13日

最近一次推送

核心亮点

  • 1工程任务拆解

    Cavecrew 面向开发、调试、评审和工程交付前的任务拆解。

  • 2表达压缩

    Caveman 提供 lite、full、ultra 及文言变体等表达级别。

  • 3场景清晰

    采集资料分别说明了任务拆解与简洁沟通的用途。

能做什么

  • 协助拆解代码开发任务。
  • 协助拆解调试任务。
  • 协助拆解代码评审任务。
  • 协助拆解工程交付前的任务。
  • 按不同级别压缩沟通表达。

适用场景

  • 开发前梳理代码任务。

  • 调试前拆分排查工作。

  • 评审前整理需要处理的事项。

  • 要求回复采用更精简的表达级别。

用之前和用之后

  • 工程任务尚未拆解可借助 Cavecrew 梳理任务。
  • 希望减少沟通表达长度可借助 Caveman 选择压缩级别。

它是怎么工作的

  1. 第 1 步

    选择对应工作流

  2. 第 2 步

    提供任务或表达需求

  3. 第 3 步

    按结果继续处理

快速上手

安装与复制命令见“安装方式”。

  1. 1

    先确认要处理的是工程任务拆解,还是沟通表达压缩。

  2. 2

    查看对应 Skill 源文件,确认具体指令和触发方式。

  3. 3

    在兼容的 Agent 环境中加载或调用对应 Skill。

  4. 4

    根据实际任务提供上下文,并检查输出是否符合需求。

适合谁

  • 需要拆解代码开发、调试或评审任务的用户。
  • 希望调整沟通表达简洁程度的用户。

局限

  • 采集资料未提供具体执行步骤、输入要求或输出格式。
  • Cavecrew 的具体拆解方法和结果范围尚未说明。
  • Caveman 的各级别及文言变体之间的具体差异尚未说明。
  • 仓库层面的环境兼容描述不能代替对这两个 Skill 实际兼容性的核验。

使用前注意

  • · Cavecrew 和 Caveman 的采集风险级别均为 high,使用前应检查源文件内容及其具体指令。
  • · 采集资料没有列出步骤、输入和输出,建议先核验 Skill 的实际行为再用于任务。

包含的 Skills · 2

公开来源

相关 Skills

查看更多