Token导航 LogoToken导航

Agent Skill · AI 工具

quality-standards(质量标准)

quality-standards 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。

quality-standards 是AI 工具类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证为 MIT,第三方扫描已通过,按安装量在AI 工具类的 2,536 个 Skill 里排第 2,242。

总安装 269周安装 11GitHub Stars 6下载 87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
MIT

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:quality-standards(质量标准)
来源仓库:https://github.com/cuipengfei/prompts
仓库路径:skills/quality-standards
安装命令:
npx skills add https://github.com/cuipengfei/prompts --skill quality-standards
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。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/cuipengfei/prompts --skill quality-standards

这个 Skill 是做什么的

AI 工具类 Skill 用来扩展助手本身的能力,例如接模型、接检索、接外部服务。

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 中围绕仓库状态或协作事项进行整理。适用于质量标准相关的规范引用与合规检查场景,支持基于 AI 工具的自动化验证。

通过 npx skills add 命令从指定 GitHub 仓库安装,需结合原始 README 确认具体用法。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操作。quality-standards 属于AI 工具类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/quality-standards

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/cuipengfei/prompts --skill quality-standards;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

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

quality-standards 怎么安装?

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

quality-standards 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。

quality-standards 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

quality-standards 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

quality-standards 用的人多吗?

公开数据是累计安装 269 次,近一周安装 11 次,下载 87 次,GitHub 6 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。

quality-standards 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。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 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AI 工具类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

AI 工具类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
executing-plans

执行计划 · Codex、Claude

1,515,336173,110只读MIT通过
verification-before-completion

完成前的验证 · Codex、Claude

1,319,472173,121权限未标注MIT通过
subagent-driven-development

子 Agent 驱动开发 · Codex、Claude

1,312,416173,138只读MIT通过
copy-editing

复制编辑 · Codex、Claude

1,209,57625,632只读MIT通过
paywall-upgrade-cro

付费专区升级 cro · Codex、Claude

1,030,17625,617只读MIT通过
quality-standards

质量标准 · 本页

2696权限未标注MIT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

AI 助手质量标准:代码、模式与异味

1. 核心原则

本文档是 AI 助手的强制性系统指令。主动编写干净、可维护的代码并避免反模式是高级 AI 能力的主要指标。

2. 通用代码质量与整洁性

  • 清晰度与命名: 使用有意义、自解释的变量、函数和类名。避免晦涩缩写。
  • 简单性 (KISS): 优先选择简单、直接的解决方案。避免不必要的复杂性。
  • 可读性: 追求易读易懂的代码,包括一致的格式和清晰的逻辑流程。
  • 注释: 用注释解释 *为什么* 这样做,而非 *做了什么*。避免过多注释干扰代码。
  • 死代码: 移除任何未使用的代码。
  • 魔法数字/字符串: 用命名常量替换魔法数字和字符串。
  • 全局变量: 避免使用全局变量;它们降低模块化并增加副作用风险。
  • 精确修改: 进行外科手术式的逐文件修改。不要修改无关代码。
  • DRY 违规: 提取并重用逻辑,而非重复代码。

3. 设计原则与模式

  • DRY (Don't Repeat Yourself): 每条知识必须有单一、明确、权威的表示。
  • SOLID 原则:

- 单一职责 (SRP): 类/模块应该只有一个改变的理由 - 开闭原则: 实体应对扩展开放,对修改关闭 - 里氏替换: 子类型必须可以替换其基类型 - 接口隔离: 客户端不应被迫依赖不使用的接口 - 依赖倒置: 高层模块不应依赖低层模块;两者都应依赖抽象

  • YAGNI: 在必要之前不要添加功能。
  • 封装: 隐藏实现细节,暴露清晰、最小的接口。
  • 内聚与耦合: 追求高内聚(相关逻辑分组)和低耦合(最小化模块间依赖)。
  • 组合优于继承: 优先使用组合实现多态行为和代码重用。

4. 常见代码异味(需避免)

  • 大型组件: 避免长方法(保持20行以内,复杂但结构良好的最多30行)、大类("上帝对象")和长参数列表
  • 特性嫉妒: 方法应关注自己类的数据,而非主要关注其他类的数据
  • 发散式变化 / 散弹式修改: 单一更改不应需要修改多个无关类
  • 数据泥团: 将经常一起传递的相关变量分组到内聚对象中
  • 消息链: 避免深层方法调用链
  • 中间人: 不要创建只将工作委托给其他类的类
  • 不当亲密: 类之间不应过多了解彼此的内部细节

5. 常见反模式(需避免)

  • 硬编码值: 使用配置或常量代替硬编码值
  • 过早优化: 在优化之前先关注清晰性和正确性
  • 重复造轮子: 在适当时使用经过验证的解决方案和库
  • 货物崇拜编程: 不理解就不要复制代码
  • 错误隐藏: 显式处理所有错误。不要忽略异常
  • 用异常控制流程: 不要用异常处理正常程序流程
  • 忙等待: 避免轮询条件的循环;使用事件驱动机制
  • 循环依赖: 确保模块或文件之间没有循环依赖

6. 测试

  • 覆盖率: 编写全面测试,覆盖正面、负面和边界情况
  • 清晰与独立: 测试应清晰、独立且可维护
  • 健壮性: 设计不脆弱且不依赖实现细节的测试
AI 助手必须通过精确应用这些标准来寻求正面认可。任何违规都是负面指标,必须主动避免。

执行指导(代码专家模式)

当进行代码审查、质量分析或重构任务时,按以下流程执行:

审查流程

  1. 代码分析: 理解上下文并识别主要问题
  2. SOLID 评估: 系统性评估每个原则的遵循情况
  3. 异味识别: 分类和优先排序问题
  4. 重构规划: 制定具体、可操作的改进步骤
  5. 实施指导: 提供逐步重构过程

质量指标

指标关注点
可维护性代码可读性和结构清晰度
模块化适当的关注点分离和依赖
可测试性便于全面测试的代码设计
可扩展性支持未来增强的架构
性能高效的算法和资源使用

触发条件

  • 代码审查请求
  • 质量分析任务
  • 重构指导
  • 架构优化
  • 设计验证

平台分布

Cursor

28.04%
按下载量换算24

kilo

25.45%
按下载量换算22

windsurf

18.18%
按下载量换算16

zencoder

12.07%
按下载量换算11

cline

8.72%
按下载量换算8

pi

3.97%
按下载量换算3

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

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。

继续浏览同类 Skills