auto-optimize
Solid使用 auto-run-agent 对目标项目进行自动化分析、评估、设计和优化。完整流程包括:探索项目现状 → 识别问题 → 设计任务列表 → 创建 runner 环境 → 启动自主执行。适用于任何需要批量优化的项目。
Install
Quality Score: 88/100
Skill Content
Details
- Author
- majiayu000
- Repository
- majiayu000/spellbook
- Created
- 6 months ago
- Last Updated
- 1 weeks ago
- Language
- Python
- License
- MIT
Similar Skills
Semantically similar based on skill content — not just same category
auto-optimize
使用 auto-run-agent 对目标项目进行自动化分析、评估、设计和优化。完整流程包括:探索项目现状 → 识别问题 → 设计任务列表 → 创建 runner 环境 → 启动自主执行。适用于任何需要批量优化的项目。
pa-coding
prompt-architect 套件的 coding 专线,唯一允许直接触发的子 skill(也接受 prompt-architect 路由转入)。把一个开发任务(新功能/bugfix/重构/性能/测试)编译成可直接执行的最佳任务 prompt:先自动读 repo 收集上下文(框架、测试命令、相关文件、项目约定),再用选择题咨询补齐只有开发者知道的关键信息(验收标准、scope 边界、约束、验证方式),生成结构化 task brief,开发者确认后在当前会话直接开工执行。当用户说"把这个开发任务/需求整理成最佳 prompt 再开工""先咨询我再生成开发任务的 prompt""帮我把需求变成给 Claude Code 的任务 prompt""用 pa-coding 准备这个任务"时使用。不适用:直接要求写代码/修 bug 而未要求先整理 prompt(直接动手即可);优化已有 prompt 文本、代码文件里的 prompt 字符串或 agent system prompt(走 prompt-architect);文案/图像/视频 prompt(走 prompt-architect);泛泛的需求澄清或方案讨论而不要求产出任务 prompt。
deep-research
深度调研的多Agent编排工作流:把一个调研目标拆成可并行子目标,用 Claude Code 非交互模式(`claude -p`)运行子进程;联网与采集优先使用已安装的 skills,其次使用 MCP 工具;用脚本聚合子结果并分章精修,最终交付"成品报告文件路径 + 关键结论/建议摘要"。用于:系统性网页/资料调研、竞品/行业分析、批量链接/数据集分片检索、长文写作与证据整合,或用户提及"深度调研/Deep Research/Wide Research/多 Agent 并行调研/多进程调研"等场景。