AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载本指南围绕 agentic-awesome-skills 仓库的 docs/users/workflows.md 展开系统讲解 Antigravity Workflows 的定义、使用方法与五个可复用的实战工作流SaaS MVP、Web 安全审计、AI Agent 系统、QA 与浏览器自动化、DDD 核心领域建模并结合 data/workflows.json 的机器可读元数据与 docs/examples/workflows 下的三个真实工作案例给出可验证的源码级证据。读完本文你将掌握选工作流 → 精确安装技能 → 按序执行 → 保留产物的完整闭环并学会用aas stack audit复核工作流的每一步证据。什么是 Antigravity WorkflowAntigravity Workflow工作流是一条有引导、按步骤执行的路径它把多个技能组合起来指向一个具体可交付的结果。它与 Bundle技能包的分工非常清晰Bundles告诉你哪些技能与某个角色相关Workflows告诉你如何按顺序使用这些技能去完成一个真实目标。原文用一句话概括了两者的关系If bundles are your toolbox, workflows are your execution playbook.——如果把技能包比作工具箱那么工作流就是你的执行作战手册。从数据层看这一模型在仓库中有直接的机器可读实现。data/workflows.json 是工作流元数据的单一事实来源顶层声明了generatedAt2026-02-10T00:00:00.000Z与version: 1其下每个工作流对象包含五个字段字段含义示例值id工作流唯一标识ship-saas-mvpname人类可读名称Ship a SaaS MVPdescription一句话目标描述端到端范围界定、构建、测试与快速交付 SaaS MVPcategory所属领域分类web/security/ai-agents/testing/architecturerelatedBundles关联技能包 idcore-dev、ops-core、security-core、data-coresteps有序步骤数组每步含title、goal、recommendedSkills、notes见下文各工作流该 JSON 正是 docs/users/workflows.md 中五个工作流的结构化等价物relatedBundles对应文中Related bundles小节steps[].recommendedSkills对应文中每步的 Skills 清单notes对应各步骤的执行要点。也就是说人类阅读 Markdown 获取执行逻辑工具与自动化则直接消费data/workflows.json。如何使用工作流官方给出的使用路径共四步挑选工作流匹配你当前目标的工作流通读其中列出的技能及其 setup 说明。只安装你选中的技能例如先用 dry-run 预览一次 Codex 安装——npx agentic-awesome-skills --codex --skills concise-planning,verification-before-completion --dry-run检查输出中的目标目录与文件清单确认无误后去掉--dry-run再执行真正的安装。裸安装bare install必须显式给出技能选择这与 docs/users/getting-started.md 中裸命令与--antigravity现在必须携带--skills、元数据过滤器或显式--all授权的安全约束一致——设计上杜绝无选择的全量静默安装。按顺序执行步骤并在每步调用该步列出的技能。保留每步的产出物计划plan、决策记录、测试、验证证据validation evidence等作为后续可审计的痕迹。与 Bundle 组合使用工作流可以与 bundles.md即 docs/users/bundles.md中的技能包组合当你需要更广的覆盖面时先选 Bundle 确定角色级技能集再用工作流决定执行顺序。例如Ship a SaaS MVP工作流明确关联Essentials、Full-Stack Developer、QA Testing、DevOps Cloud四个包对应到 JSON 中的relatedBundles: [core-dev, ops-core]二者是同一编排的不同表达。从选择到使用的完整闭环原文强调了一条selection-to-use示例路径见仓库根 README.md通过本地 MCP 发现技能 → 核对出精确的技能 ID → 可选生成 Core 计划产物 → 用受支持的直接安装器预览。需要明确两个边界Core 计划只是评审产物review artifact它本身不执行任何安装直接安装器会先预览自身将产生的变更只有在用户授权后才会真正安装。这一预览先行、授权后装的原则贯穿整个仓库的安装安全设计docs/users/faq.md 中同样要求先审阅--dry-run输出授权后再去掉该标志重复执行。工作流一交付一个 SaaS MVPShip a SaaS MVP从零构建并交付一个最小但具备生产意识的 SaaS 产品。该工作流的id为ship-saas-mvp分类为web。前置条件本地仓库与运行时已配置妥当有清晰的用户问题与 MVP 范围界定已选定基本部署目标。执行步骤步骤目标推荐技能1. 规划范围定义 MVP 边界与验收标准brainstorming、concise-planning、writing-plans2. 构建后端与 API实现核心实体、API 与认证基线backend-dev-guidelines、api-patterns、database-design3. 构建前端交付核心用户流程与清晰的 UX 状态frontend-developer、react-patterns、frontend-design4. 测试与验证发布前覆盖关键用户旅程test-driven-development、browser-automation、go-playwright可选Go 技术栈5. 安全交付具备可观测性与回滚计划地发布deployment-procedures、observability-engineerPrompt 示例直接可复制到你的 AI 助手中Use concise-planning to define milestones and acceptance criteria for my SaaS MVP.Use backend-dev-guidelines to create APIs and services for the billing domain.Use frontend-developer to implement onboarding, the empty state, and the initial dashboard.Use browser-automation to create E2E tests for the signup and checkout flows.Use deployment-procedures for a release checklist with rollback steps.Go 栈注意若 QA 项目与工具链使用 Go优先选用go-playwright这与 JSON 元数据中该步骤的notes完全一致Use go-playwright when the product stack or QA tooling is Go-based.数据层补充JSON 中该工作流的步骤 2 额外推荐了auth-implementation-patternsprefer small vertical slices; keep API contracts explicit and testable步骤 5 额外推荐了postmortem-writingdefine release checklist, minimum telemetry, and rollback triggers。这些notes正是 Markdown 正文没有展开的实现细节构成编排时的补充指导。工作流二Web 应用安全审计Security Audit for a Web App从范围界定到修复验证执行一次聚焦的安全评审。id为security-audit-web-app分类为security关联Security Engineer、Security Developer、Observability Monitoring三个包JSON 中对应security-coreops-core。前置条件已获得明确的测试授权explicit authorization范围内的目标已文档化可获取日志与环境细节。执行步骤步骤目标推荐技能1. 定义范围与威胁模型识别资产、信任边界与攻击路径ethical-hacking-methodology、threat-modeling-expert、attack-tree-construction2. 评审认证与访问控制发现账号接管与授权缺陷broken-authentication、auth-implementation-patterns、idor-testing3. 评估 API 与输入安全暴露高影响 API 与注入漏洞api-security-best-practices、api-fuzzing-bug-bounty、top-web-vulnerabilities4. 加固与验证把发现转化为修复并验证缓解证据security-auditor、sast-configuration、verification-before-completionPrompt 示例Use threat-modeling-expert to map critical assets and trust boundaries for my web app.、Use idor-testing to verify unauthorized access on multitenant endpoints.、Use api-security-best-practices to audit auth, billing, and admin endpoints.、Use verification-before-completion to prove that the mitigations are effective.数据层补充JSON 的notes强调了三条执行纪律——范围步骤要文档化范围内的目标、假设与范围外约束API 步骤要按严重性与可利用性排序而非只依赖 CVSS 分数加固步骤要跟踪修复负责人与目标日期用证据验证每项修复。工作流三构建 AI Agent 系统Build an AI Agent System设计并交付一个可测量可靠性的生产级 Agent。id为build-ai-agent-system分类为ai-agents关联Agent Architect、LLM Application Developer、Data EngineeringJSON 中core-devdata-core。前置条件收窄用例narrow use case且结果可测量可访问模型提供商与可观测性工具具备初始数据集或知识语料。执行步骤步骤目标推荐技能1. 定义目标行为与 KPI设定质量、延迟与失败阈值ai-agents-architect、agent-evaluation、product-manager-toolkit2. 设计检索与记忆构建可靠的检索与上下文架构llm-app-patterns、rag-implementation、vector-database-engineer3. 实现编排实现确定性编排与工具边界langgraph、mcp-builder、workflow-automation4. 评估与迭代用结构化循环改进薄弱点agent-evaluation、langfuse、kaizenPrompt 示例Use agent-evaluation to define benchmarks and success criteria for my agent.、Use rag-implementation to design chunking, embedding, and retrieval pipelines.、Use langgraph to implement the agent graph with fallbacks and human-in-the-loop flows.、Use kaizen to prioritize fixes for the failure modes identified by testing.数据层补充JSONnotes提供了关键实现纪律——步骤 1 在实现前设定延迟、质量与失败率阈值步骤 2 保持检索质量可测量并对 prompt/工具契约做版本管理步骤 3 从受限的工具权限与显式回退行为开始步骤 4 用测试数据集与失败分桶failure buckets引导每一轮迭代。工作流四QA 与浏览器自动化QA and Browser Automation创建可在 CI 中确定性执行的、健壮的浏览器自动化。id为qa-browser-automation分类为testing关联QA Testing、Full-Stack Developer。前置条件测试环境与稳定凭据已识别关键用户旅程可用的 CI 流水线。执行步骤步骤目标推荐技能1. 准备测试策略界定旅程、测试夹具与执行环境e2e-testing-patterns、test-driven-development2. 实现浏览器测试用稳定选择器构建健壮覆盖browser-automation、go-playwright可选Go 栈3. 分类与加固消除 flaky 行为并强制可复现systematic-debugging、test-fixing、verification-before-completionPrompt 示例Use e2e-testing-patterns to define a minimal but high-impact E2E suite.、Use go-playwright to implement browser automation in a Go project.、Use systematic-debugging to classify and resolve flaky behavior in CI.数据层补充JSONnotes给出两条实操准则——步骤 1 聚焦业务关键流程并保持环境搭建确定性步骤 3 按根因分类失败选择器漂移selector drift、时序、环境、数据步骤 2 明确工具选型Go 原生项目用 go-playwrightJS/TS 技术栈用 Playwright。此外 JSON 步骤 1 还额外推荐了code-review-checklist作为质量补充。工作流五设计 DDD 核心领域Design a DDD Core Domain对复杂领域做连贯建模仅在确有必要时才落地战术模式与事件化模式。id为design-ddd-core-domain分类为architecture关联Architecture Design、DDD Evented Architecture。前置条件可接触到至少一位领域专家或产品负责人代理具备当前系统上下文与集成全景对业务目标与关键领域结果达成一致。执行步骤步骤目标推荐技能1. 评估 DDD 适配度与范围判断完整 DDD、部分 DDD 或简单模块化架构domain-driven-design、architecture-decision-records2. 创建战略模型定义子域、限界上下文与统一语言ddd-strategic-design3. 映射上下文关系定义上下游契约与防腐边界ddd-context-mapping4. 实现战术模型用聚合、值对象与领域事件编码不变量ddd-tactical-patterns、test-driven-development5. 有选择地采纳事件化模式仅在复杂性与规模需要处应用 CQRS、事件存储、投影与 Sagacqrs-implementation、event-store-design、projection-patterns、saga-orchestrationPrompt 示例Use domain-driven-design to evaluate if full DDD is justified for our billing and fulfillment platform.、Use ddd-strategic-design to classify subdomains and propose bounded contexts with ownership.、Use ddd-context-mapping to model Checkout, Billing, and Inventory interactions with clear contract ownership.、Use ddd-tactical-patterns to design aggregates and invariants for order lifecycle transitions.、Use cqrs-implementation and projection-patterns to scale read-side reporting without compromising domain invariants.数据层补充JSONnotes强化了本工作流的方法论基调——步骤 1 要求文档化为什么需要 DDD、哪些地方保持轻量、成功标准是什么步骤 4 强调从不变量与事务边界出发而不是从表或端点出发步骤 5 明确仅在一致性consistency与规模化scale的权衡被显式接受时才使用事件化模式。这与 DDD 社区战术模式按需引入的主流共识一致避免为模式而模式。机器可读工作流面向工具与自动化对于工具链与自动化场景工作流的元数据已沉淀在 data/workflows.json。该文件当前收录全部五个工作流结构上每个步骤都携带title/goal/recommendedSkills/notes四个键title与 Markdown 中的步骤标题一一对应goal是每步的核心验收描述recommendedSkills是可直接解析的技能 id 数组例如[brainstorming, concise-planning, writing-plans]notes是 Markdown 未展开的执行纪律如Review the exact skill IDs and support files before an authorized direct installation; Core plans remain review artifacts。这意味着 Agent、CLI 或任何自动化程序都可以直接读取该 JSON 来驱动技能选择与步骤编排无需解析 Markdown。从源码结构看data/bundles.json 与data/workflows.json分别承担按角色聚合技能与按目标编排执行两类职责恰好呼应 Markdown 中bundles 是工具箱、workflows 是执行手册的分工。记录在案的真实工作案例Recorded Worked Cases为了让工作流不只是纸面建议仓库在 docs/examples/workflows 下保存了三个真实执行案例每个案例都附带三件证据产物aas-stack.json技能清单清单、aas-selection-evidence.json真实 MCP 会话证据、plan.json真实 CLI 生成的安装计划。案例一Workbench 导入 QAWorkbench import QA 是对 QA and Browser Automation 的落地验证Codex 使用配置好的 AAS 16.7.0 MCP 完成了真实技能选择七个技能包括react-patterns、typescript-pro、invariant-guard、vitest-skill等随后在独立 checkout 中执行了 23 项组件/解析器检查并全部通过cd apps/web-app npm ci npm exec -- vitest run \ src/pages/__tests__/Workbench.test.tsx \ src/utils/__tests__/workbenchReview.test.ts案例明确记录了浏览器覆盖的边界最终桌面/移动端浏览器通过被本地锁定会话阻塞不视为完整覆盖屏幕阅读器交互、颜色对比度与所有受支持的浏览器引擎也未被这些测试建立。这是区分已观察检查与未测试的生产或模型性能声明的典型示范。案例二Bundle 读取边界安全评审Bundle-read security review 将 Security Audit for a Web App 应用于 AAS 自身的本地 MCP 后端tools/lib/aas-v1/mcp/server.js、tools/lib/aas-v1/skill-files.js。案例界定了作用域信任边界并执行了七项包含性/完整性检查npm ci npm run chain node --test tools/scripts/tests/aas_v1_skill_files.test.js该案例给出的威胁模型与控制映射非常值得借鉴源码验证于提交251eefb9a58e36d41902dbc4a4fadc4eab72ab66威胁已观察的检查用绝对路径、编码或父路径逃逸 bundle读取前拒绝非法路径段、分隔符与编码要求文件已索引替换被链接或变更的内容拒绝叶/祖先符号链接与硬链接比较描述符身份、大小、时间戳与目录身份后再比对固定摘要读取无界或不断增长的载荷拒绝清单/实际大小超过 1 MiB只按有界初始大小分配与读取执行被检视的 shell 文件仅按文本读取、标记为不可信、拒绝execute参数可执行夹具永不启动谎报缺失或非文本内容返回显式的清单不可用/载荷不可用/二进制/大小错误不返回部分替身该案例同样克制地声明了边界这是本地读取边界不是针对已具特权的宿主进程的沙箱摘要一致性也不意味着恶意指令可信不声称 OS 级对抗性竞态认证。案例三MCP 搜索契约评审MCP search contract review 是对 Build an AI Agent System 的落地验证重点评审 AAS 自身的检索契约tools/lib/aas-v1/search.js、mcp/server.js、evidence.jsnpm ci npm run chain node --test tools/scripts/tests/aas_v1_search_filters.test.js观察结果为 5 项测试全部通过覆盖 any/all 词检索、必选词与分类/标签过滤、有界输入与继承属性、完整目录可达性、真实的 server 端 search/compose/inspect/evidence 往返。案例记录了一个重要真实发现首次六文件导出请求参数达 4,452 字节命中了发布运行时的 4 KiB 请求上限改用三文件项目账本后保留全部九个适用能力维度并成功导出——这一真实客户端发现驱动了源码中一个有界工件帧回归修复。案例提醒不要把发布运行时当作已经修复也不要把成功的进程内服务器测试当作 stdio 兼容性的证明。用aas stack audit复核历史证据三个案例都提供了同一条证据复核命令需在 AAS 源码 checkout 之外运行否则 npm 可能解析到本地包而不是请求的可执行文件并将路径替换为对应案例的绝对路径npm exec --yes --ignore-scripts --packageagentic-awesome-skills16.7.0 -- aas stack audit \ --manifest /absolute/path/to/workbench-qa/aas-stack.json \ --evidence /absolute/path/to/workbench-qa/aas-selection-evidence.json \ --plan /absolute/path/to/workbench-qa/plan.json观察结果为status: consistent证据/计划/清单的 manifest、catalog、target 与 skills 全部绑定一致。该命令只验证历史示例的绑定结构不执行技能安装后续 catalog 身份不同绝不可静默替换。这也再次印证了原文的纪律Each case distinguishes observed checks from untested production or model-performance claims. New cases must retain their exact input revision and original evidence.每个案例区分已观察的检查与未经测试的生产或模型性能声明新案例必须保留其精确的输入修订版与原始证据。工作流编排的核心原则综合五个工作流与三个真实案例可以提炼出 AAS 工作流编排的四条核心纪律最小化安装显式选择裸安装必须显式给出--skills清单先--dry-run预览目标目录与文件列表授权后再真正安装。安装器对未知或歧义的值采取 fail-closed关闭即失败策略。预览先行授权后装Core 计划只是评审产物直接安装器始终先输出自身变更预览浏览器端生成的安装命令永不直接执行。证据留存边界声明每步保留计划、决策、测试与验证证据同时明确区分已观察检查与未测试的生产/模型性能声明不夸大结论覆盖范围。机器可读人机同源工作流的权威元数据在 data/workflows.json与 Markdown 文档一一对应工具与 Agent 可直接消费避免文档与数据漂移。把这些原则落到实处Antigravity Workflows 就能从一份技能清单变成一套可重复、可审计、可验证的交付方法论。赞分享AI 技能AI 插件人工智能【免费下载链接】agentic-awesome-skillsAAS Core is the local, agent-first control plane for complete catalog discovery, agent-owned selection, stack validation, and planning, backed by 2,600 agentic skills. Includes CLI, local MCP, catalog, plugins, and Workbench.项目地址https://gitcode.com/GitHub_Trending/an/agentic-awesome-skills点击查看免费下载相关推荐Antigravity Workflows 技能编排指南在 agentic-awesome-skills 中用多技能工作流交付 SaaS、安全审计与 AI AgentAntigravity Workflows 技能编排指南在 agentic awesome skills 中用多技能工作流交付 SaaS、安全审计与 AI AAI 技能AI 插件人工智能Antigravity 工作流手册基于 Agentic Awesome Skills 的多技能编排与实战Antigravity 工作流手册基于 Agentic Awesome Skills 的多技能编排与实战 工作流Workflow是本仓库提供的「执行手册」AI 技能AI 插件人工智能Agentic Awesome Skills 工作流编排实施手册以 Antigravity Workflows 执行 Plan-Build-Test-ReleaseAgentic Awesome Skills 工作流编排实施手册以 Antigravity Workflows 执行 Plan Build Test ReleAI 技能AI 插件人工智能上一篇Grafana Tempo 中的 OpenTelemetry Collector 中间件配置configmiddleware 包深度解析下一篇minikube 卷快照与 CSI 驱动实战基于 volumesnapshots 与 csi-hostpath-driver 插件的完整指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考