sno-ai GitHub avatar

sno-station-skills

865 Stars13 Skills613 ForksApache-2.011月17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

面向编程与工程协作的多类 AI Agent Skill 集合

这是一个包含多种工作流型 AI Agent Skill 的集合,采集资料列出了 Python、Rust、Shell 脚本和 TypeScript 开发相关 Skill,也包括测试编写、任务章程、审查、端到端测试故障分类、资料研究与结构化报告等用途。仓库简介提及多代理协作等整体方向,但现有具体 Skill 资料不足以确认这些能力在每个 Skill 中的实现方式;应以各 Skill 文件说明为准。

包含 Skill

13

可以单独安装

GitHub Star

865

仓库累计 Star

近 7 天

+1

新增 Star

代码更新

2026年11月17日

最近一次推送

核心亮点

  • 1覆盖多类工程任务

    包含多种语言的代码实现与重构相关 Skill。

  • 2兼顾工程流程

    涉及测试编写、任务章程和审查等工作。

  • 3输出边界可见

    部分 Skill 资料明确说明报告形式、处理限制或触发方式。

能做什么

  • 辅助实现或重构 Python、FastAPI、Pydantic、异步代码及迁移相关内容。
  • 辅助实现或重构 TypeScript/TSX、严格类型、API 和迁移相关内容。
  • 辅助实现或重构 Rust 代码及 Shell 脚本、命令行工具和自动化任务。
  • 支持测试编写、任务章程撰写或审查,以及工程工作审计。
  • 支持资料研究、事实整理和结构化报告写作。
  • 对指定的端到端测试环境或单项异常失败进行检查或分类。

适用场景

  • 让 Python 开发相关 Skill 协助实现或重构 FastAPI 服务代码。

  • 让 Shell 脚本相关 Skill 协助处理命令行工具或自动化脚本。

  • 为工程任务撰写或审查交付说明和成功检查项。

  • 对已指出的端到端测试异常进行分类,区分产品缺陷与环境问题。

  • 围绕资料研究整理事实,并形成结构化报告。

用之前和用之后

  • 需要自行梳理工程任务的处理步骤可按对应 Skill 的工作流开展任务。
  • 评审或研究结果可能缺少统一的整理过程部分 Skill 可按说明形成审查记录或独立报告。
  • 端到端测试异常需要人工判断类别可使用相应 Skill 对指定异常进行分类。

它是怎么工作的

  1. 第 1 步

    选择对应任务

  2. 第 2 步

    按 Skill 说明处理

  3. 第 3 步

    检查输出与边界

快速上手

安装与复制命令见“安装方式”。

  1. 1

    在源仓库中找到与任务对应的 Skill 文件。

  2. 2

    阅读该 Skill 的完整说明,确认适用场景、触发方式和限制。

  3. 3

    向所用 AI Agent 提供任务所需的输入,并按说明发起任务。

  4. 4

    检查生成内容及其路径、证据或其他输出要求;部分 Skill 明确要求人工触发。

适合谁

  • 使用 AI Agent 处理代码开发或重构的开发者
  • 需要编写测试、整理工程任务或开展审查的工程团队成员
  • 需要进行资料研究、事实整理或结构化报告写作的用户

局限

  • 采集到的步骤、输入和输出信息不完整,不能据此还原所有 Skill 的完整工作流。
  • 部分 Skill 的简介较笼统,实际能力和适用边界需要查阅各自的完整源文件。
  • 端到端环境预检和失败分类 Skill 标注为手动触发,不应据此视为自动运行。
  • 资料中多个 Skill 标注较高风险,使用前应重点检查其指令和任务边界。

使用前注意

  • · 仓库简介中的整体宣传描述不能替代各 Skill 的具体能力说明。
  • · 确认所选 Skill 的触发条件;部分端到端测试相关 Skill 仅应在明确指定时加载。
  • · 检查 Skill 指令中的文件写入、报告输出和自动调用边界;部分资料明确要求生成独立报告或限制自动调用。

包含的 Skills · 13

公开来源

相关 Skills

查看更多