Token导航 LogoToken导航TokenDH.com
开发需要联网github未标认证来源可访问许可证需确认审计提醒

auto-optimize自动优化

Agent Skill

auto-optimize 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

1,411

周安装

60

GitHub Stars

28

下载量

494
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:auto-optimize(自动优化)
来源仓库:https://github.com/majiayu000/claude-arsenal
仓库路径:skills/auto-optimize
安装命令:
npx skills add https://github.com/majiayu000/claude-arsenal --skill auto-optimize
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/majiayu000/claude-arsenal --skill auto-optimize

简介

auto-optimize 通过多维度扫描持续改进代码质量,涵盖 Bug 修复、架构优化与性能提升。

  • 适合对存量项目进行系统性体检,按轮次轮换关注点,避免重复同类问题遗漏。
  • 每个修复项独立验证,原子化提交防止累积错误,同时写入 MEMORY.md 沉淀经验教训。
  • 默认按 Bug→架构→重复→性能→测试→API 顺序扫描,用户也可指定重点维度加速收敛。
  • 使用前请确认项目可读权限,并预留足够时间运行完整扫描周期,避免中断导致状态不一致。

SKILL.md

Auto-Optimize:自主优化流程

使用 auto-run-agent 编排 Claude Code 对目标项目进行持续自动优化。

核心原则(从 30+ 实战 session 提炼)

  1. 不修比乱修重要 — 每个发现必须分类为 FIX / SKIP / DEFER,SKIP 必须附理由
  2. 扫描维度轮换 — 不要每次只找同一类问题,按维度轮换扫描
  3. 原子验证 — 每个 fix 独立验证,不攒到最后一起跑
  4. 经验持久化 — 踩过的坑写入 MEMORY.md,避免跨 session 重复犯错

扫描维度(按轮次轮换)

轮次维度扫描目标
1Bug逻辑错误、死锁、TOCTOU、panic 路径、边界条件
2架构命名冲突、职责混乱、模块耦合、类型设计缺陷
3重复代码重复、可提取的公共逻辑、copy-paste 痕迹
4性能不必要的 clone/alloc、O(n²) 路径、阻塞调用
5测试缺失覆盖、脆弱断言、缺少边界用例
6API对标竞品的功能缺口、易用性问题、文档缺失

用户可指定维度,否则按项目当前状态自动选择最需要的维度。

完整流程

Phase 1:探索与评估

  1. 确认目标项目路径(用户提供或当前目录)
  2. 深度探索项目:

- 读取 README、CLAUDE.md 等项目规范 - 分析项目结构、技术栈、依赖 - 阅读核心源码,理解架构 - 检查 TODO/FIXME、#[allow(dead_code)] 等标记

  1. 按当前维度并行扫描(用 sub-agent 按模块分区扫描)
  2. 输出评估报告给用户,确认优化方向

Phase 2:分类与设计

对每个发现进行三分类:

FIX  — 有明确方案,不破坏公开 API,收益 > 风险
SKIP — 附理由:breaking change / over-engineering / not a bug / intentional design
DEFER — 需要更多信息或用户决策,记录到 TASKS.md 的 backlog 区

SKIP 判断标准(加载 rules/ 目录下对应语言的规则):

  • 触及公开 API 签名 → SKIP(除非用户明确要求 breaking change)
  • 只有 1 处使用的"重复" → SKIP(提取抽象是过度设计)
  • 不同语义的相似代码 → SKIP(如 Span 内联样式 vs Text 全局样式)
  • 宏能解决但会降低可读性 → SKIP

FIX 任务按依赖排序,生成结构化任务列表:

## 高优先级
- [ ] [BUG] 描述 | 文件 | 方案摘要
- [ ] [BUG] ...

## 中优先级
- [ ] [DEDUP] 描述 | 文件 | 方案摘要
- [ ] [DESIGN] ...

## 架构审查(高/中完成后触发)
- [ ] [ARCH] 全面审查架构合理性,发现问题追加新任务

## 低优先级
- [ ] [STYLE] ...

## Backlog(DEFER)
- [ ] [DEFER] 描述 | 需要的信息

Phase 3:创建 Runner 环境

  1. 在目标项目中 commit 当前状态并创建新分支(如 auto-optimize
  2. 创建 runner 目录结构:
<runner-dir>/
├── memory/
│   ├── TASKS.md      # Phase 2 设计的任务列表
│   ├── CONTEXT.md    # 项目背景、技术栈、规范、架构概览
│   └── DONE.md       # 自动生成
├── workspace/        # 软链接到目标项目
├── logs/
└── config.yaml
  1. CONTEXT.md 必须包含:

- 项目概述和技术栈 - 架构概览(关键模块和职责) - 项目规范(引用项目自身的 CLAUDE.md 或编码规范) - 构建和测试命令(每次修改后必须验证) - commit 规范(如有 DCO 要求等) - 当前扫描维度和轮次记录

  1. config.yaml 默认配置:
max_iterations: 50
max_cost_usd: 0
max_duration: 6h
consecutive_no_progress: 3
stop_when_empty: true
cooldown_duration: 15s
worker_timeout: 30m
use_git_detection: true

Phase 4:执行与验证

  1. 使用 auto-run-agent 启动:
cd /Users/apple/Desktop/code/AI/tool/auto-run-agent
./orchestrator --dir <runner-dir> --max-iterations 50 --max-cost 0 --max-duration 6
  1. Worker 执行规则:

- 每个 fix 完成后立即运行验证命令(从 CONTEXT.md 读取) - 验证失败 → 立即回滚该 fix,标记为 DEFER,继续下一个 - 验证通过 → commit,标记为 DONE,更新 DONE.md - 每完成一个 fix,检查是否触发了新问题(回归检测)

  1. 监控命令:

- tail -f <runner-dir>/logs/orchestrator_*.log — 实时日志 - cat <runner-dir>/memory/DONE.md — 查看完成记录 - cat <runner-dir>/memory/TASKS.md — 查看剩余任务

Phase 5:收尾与学习

  1. 所有 FIX 完成后,运行完整测试套件
  2. bump version(patch for fixes, minor for new features)
  3. 更新项目 MEMORY.md,记录本轮发现的模式和教训
  4. 记录本轮扫描维度,下次自动切换到下一个维度

规则系统

规则文件位于 rules/ 目录,按语言分类。扫描时自动加载对应语言的规则。

auto-optimize/
├── SKILL.md
└── rules/
    ├── universal.md   ← 通用规则(所有语言适用)
    ├── rust.md        ← Rust 特定规则
    ├── python.md      ← Python 特定规则
    ├── typescript.md  ← TypeScript 特定规则
    └── go.md          ← Go 特定规则

规则格式:每条规则有 ID、类别、描述、示例。Worker 在扫描和修复时参考这些规则来判断 FIX/SKIP。

用户交互要点

  • Phase 1 完成后必须向用户展示评估报告,确认优化方向
  • Phase 2 的任务列表展示给用户确认后再创建文件
  • 启动前询问用户:迭代次数、时间限制、是否有成本限制
  • runner 目录默认放在 ~/Desktop/code/AI/<project-name>-runner/
  • 用户可随时编辑 TASKS.md 插入新任务或调整优先级

注意事项

  • auto-run-agent 位于 /Users/apple/Desktop/code/AI/tool/auto-run-agent
  • 目标项目必须先 commit 干净再切分支,确保可回滚
  • workspace 用软链接,不复制代码
  • 多个项目可同时运行,互不影响(注意 API rate limit)

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Claude

34.14%
按下载量换算169

Codex

33.56%
按下载量换算166

Cursor

18.3%
按下载量换算90

Gemini CLI

10.35%
按下载量换算51

安全审计

Gen Agent Trust Hub

可疑

Socket

通过

Snyk

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。来源安全扫描存在 warning/failed 结果,不能写成本站确认安全。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills