Token导航 LogoToken导航

Agent Skill · 研究检索

cs-learn(计算机科学学习)

cs-learn 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。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。

cs-learn 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证信息还不明确,第三方扫描已通过,按安装量在研究检索类的 73,675 个 Skill 里排第 17,481。

总安装 6,576周安装 266GitHub Stars 480下载 2,064核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

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:cs-learn(计算机科学学习)
来源仓库:https://github.com/liuzhengdongfortest/codestable
仓库路径:skills/cs-learn
安装命令:
npx skills add https://github.com/liuzhengdongfortest/codestable --skill cs-learn
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/liuzhengdongfortest/codestable --skill cs-learn

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

cs-learn 用于沉淀工程经验,区分坑点(pitfall)与知识(knowledge)两条轨道。坑点记录问题、根因与解法,防止重复踩坑;知识记录最佳实践与可复用模式。触发时机包括完成 feature 或 issue 工作流后,或解决一次性难题时主动推荐。

产物写入 codestable/compound/,命名 YYYY-MM-DD-learning-{slug}.md,带 doc_type: learning。用户可拒绝记录,AI 不应重复推送以免被视为加戏。

来源仓库内路径:skills/cs-learn

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/liuzhengdongfortest/codestable --skill cs-lear…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

cs-learn 怎么安装?

在终端执行 npx skills add https://github.com/liuzhengdongfortest/codestable --skill cs-learn。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

cs-learn 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

cs-learn 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

cs-learn 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

cs-learn 用的人多吗?

公开数据是累计安装 6,576 次,近一周安装 266 次,下载 2,064 次,GitHub 480 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

cs-learn 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。
  • 只想先试试效果、不希望它改动本地文件的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
cs-learn

计算机科学学习 · 本页

6,576480只读未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

cs-learn

每次做 feature 或修 issue 都会留下 spec 文件。但 spec 记录的是"做了什么"和"怎么做的",不会记录"踩了什么坑"和"发现了什么更好的做法"。没有沉淀的团队总在重复解决同一个问题。

两条轨道:

  • 坑点轨道(pitfall):记录问题 / 根因 / 解法,防止下次再掉进同一个坑
  • 知识轨道(knowledge):记录最佳实践 / 工作流改进 / 可复用模式

两者都写入 codestable/compound/(共享目录见 shared-conventions.md 第 1 节"归档类文档")。本技能产出 frontmatter 带 doc_type: learning,命名 YYYY-MM-DD-learning-{slug}.md。


什么时候触发

情境说明
完成 feature 工作流cs-feat-accept 主动问"要记录这次的学习点吗?"
完成 issue 工作流cs-issue-fix 主动问"要把这个坑记录下来吗?"
用户主动"记录一下"、"沉淀知识"、"learning"等
解决了一次性难题不在 feature / issue 内但花了大量时间才解决的工程问题

主动推荐一句话即可,用户说"不用了"立刻跳过——重复推可能让用户觉得 AI 在加戏。


两条轨道各写什么

坑点:调试过的 bug / 绕过的配置陷阱 / 环境问题 / 集成失败……一切"本来应该好但没好"的经历。

知识:发现的最佳实践 / 工作流改进 / 架构洞见 / 可复用设计模式……一切"以后应该默认这样做"的学习。

frontmatter / 正文模板 / 完整示例见同目录 reference.md。


工作流阶段

Phase 1:识别来源(自动)

从对话上下文提取:

  • 来源类型:feature 工作流 / issue 工作流 / 独立问题
  • 关联产物:feature 目录 / issue 目录路径(如有)
  • 粗分轨道:坑点 or 知识。"修了什么坏了的东西" = 坑点;"发现了什么更好做法" = 知识。两者都有就分两条

来源不明确问用户一个问题澄清不要猜。

Phase 1.5:查重叠与意图分流(必做)

按 shared-conventions.md §6 第 5/6 条:

  • 含"改 / 更新 / 补充 / 某条 learning"或指向某份旧文档 → 直接走更新已有
  • 否则用搜索工具按 --filter tags~= 或 --query 查一遍,命中相近旧文档时把候选列给用户

更新路径:读旧文档 → 和用户对齐要改哪几节(常见是补新踩的坑、补当时"没找到原因"的根因)→ 起草 diff → 写回原文件 + updated: YYYY-MM-DD,不新建。

Phase 2:提炼要点(一次一个问题)

坑点轨道问:

  1. "你最开始观察到的现象是什么?"
  2. "哪些解法试过但没用?"(鼓励写,失败的尝试是后人最宝贵的信息——知道哪条路不通能省下大量时间)
  3. "最终怎么发现真正原因的?"
  4. "下次可以更早发现吗?怎么发现?"

知识轨道问:

  1. "你发现的这个模式,在什么情境下最有价值?"
  2. "不这样做会出什么问题?"
  3. "有没有不适用的反例?"

用户对某问题说"没什么"或"跳过"就跳过——宁可少一节也不用空话填充。

Phase 3:起草 + 用户 review

AI 一次性起草完整文档(YAML frontmatter + 所有正文节)。一次性展示给用户。

Phase 4:归档

  • 新建:写入 compound/YYYY-MM-DD-learning-{slug}.md(日期取归档当天),frontmatter 带 doc_type: learning
  • 更新:写回 Phase 1.5 定位的原文件 + updated: YYYY-MM-DD
  • supersede:按 shared-conventions.md §6 第 5 条处理

Phase 5:可发现性检查

写完检查 AGENTS.md / CLAUDE.md 有没有指引 AI 查阅 codestable/compound/。没有就提示用户加一行——不自作主张改文件。AGENTS.md 这种入口文件改动影响整个团队对 AI 的指引方式,用户该拍板。


搜索工具

完整语法见 codestable/reference/tools.md。
# 按轨道筛选坑点
python codestable/tools/search-yaml.py --dir codestable/compound --filter doc_type=learning --filter track=pitfall --filter severity=high

# 按组件查相关学习点
python codestable/tools/search-yaml.py --dir codestable/compound --filter doc_type=learning --filter component~={组件名}

# 归档后查重叠
python codestable/tools/search-yaml.py --dir codestable/compound --filter doc_type=learning --filter tags~={主要 tag} --json

守护规则

归档类共享规则见 shared-conventions.md 第 6 节。本技能特有:
  1. 不混入 spec——learning 不放进 features/ 或 issues/;spec 也不放进 compound/
  2. 只认自己的 doc_type——只读写 doc_type: learning

平台分布

Codex

37.87%
按下载量换算782

Claude

30.96%
按下载量换算639

Cursor

19.16%
按下载量换算395

Gemini CLI

8.5%
按下载量换算175

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

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。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills