name	github-skill-forge
description	一个"制造技能的技能"。这个工具自动化了将任意 GitHub 仓库转换为标准化 Trae 技能的全过程，是扩展 AI Agent 能力的核心工具。
tags	["github","skill-forge","meta-skill","automation","integration","CLI","scaffolding","Lite-RAG","context-aggregation","repository-clone","skill-management","tool-integration","开源集成","技能锻造","元技能","自动化工具","CLI工具集成","脚手架","上下文聚合","工具安装","GitHub工具","能力扩展","智能代理","工作流自动化"]

GitHub 技能锻造厂

一个"制造技能的技能"。这个工具自动化了将 GitHub 仓库转换为标准化 Trae 技能的过程。

核心功能

1. 自动化脚手架

一键克隆 GitHub 仓库
自动创建标准技能目录结构
自动生成上下文聚合文件

2. Lite-RAG 上下文聚合

自动提取项目文件树结构
自动解析 README 和文档
自动收集依赖项信息（requirements.txt, package.json, pyproject.toml）
生成单一上下文文件供 Agent 快速理解

3. 智能错误处理

代理模式自动切换
目录存在性检测
Git 克隆失败自动重试

4. 标准化输出

自动生成符合规范的技能结构
统一的目录布局（scripts/, references/, context_bundle.md）
预置 SKILL.md 模板

快速开始

安装要求

# 基础依赖
Python 3.7+
Git

基本使用

# 语法: python scripts/forge.py <URL> [SKILL_NAME]
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo"

使用场景

当你想使用在 GitHub 上找到的工具时
当用户发送 GitHub 链接并说"我想用这个"时
需要"安装"新功能到 .trae/skills 库时
需要快速集成开源工具到工作流时
需要标准化团队工具使用规范时

工作流程

步骤 1：锻造框架

运行脚手架脚本来克隆仓库、创建结构并生成上下文包。

# 基础用法
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo"

# 指定技能名称
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo" "my-custom-skill"

步骤 2：分析与定稿（AI 任务）

脚本会在新的技能文件夹中生成 context_bundle.md。你（作为 Agent）必须：

读取上下文包：查看 context_bundle.md
- 这个文件包含文件树、README 和依赖项
- 不需要手动搜索文件
- 建议限制读取前 500 行开始
更新 SKILL.md：重写新技能目录中的草稿
- 描述：总结工具的功能
- 先决条件：列出安装命令（如 pip install -r src/requirements.txt）
- 用法：提供使用 src/... 运行工具的清晰示例
创建包装脚本（可选）：
- 如果工具需要复杂参数，在 .trae/skills/<new_skill>/scripts/ 中编写简化的 Python/Shell 脚本

步骤 3：验证

运行工具的帮助命令以确保其正常工作。

python3 .trae/skills/<new_skill>/src/<main_script>.py --help

使用示例

示例 1：基础使用

用户："安装这个仓库：https://github.com/sqlmapproject/sqlmap"

Agent 操作：

运行锻造脚本

python3 .trae/skills/github-skill-forge/scripts/forge.py https://github.com/sqlmapproject/sqlmap

Agent 读取上下文包

read .trae/skills/sqlmap/context_bundle.md

Agent 编辑 SKILL.md
```
edit .trae/skills/sqlmap/SKILL.md
```

Agent 运行验证

python3 .trae/skills/sqlmap/src/sqlmap.py --help

示例 2：指定技能名称

python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/requests/requests" "http-requests-lib"

这将创建一个名为 http-requests-lib 的技能目录。

示例 3：复杂项目

用户："我想用这个工具做数据可视化：https://github.com/mwaskom/seaborn"

Agent 操作：

运行锻造脚本
读取 context_bundle.md 了解 seaborn 的 API
识别依赖项（numpy, pandas, matplotlib）
编写简化的使用脚本到 scripts/ 目录
更新 SKILL.md 添加使用示例

示例 4：CLI 工具安装

用户："我想用 fzf 这样的模糊查找工具：https://github.com/junegunn/fzf"

Agent 操作：

运行锻造脚本
分析 fzf 的功能：
- 读取 context_bundle.md 了解核心功能
- 识别依赖（Go 环境）
- 了解安装方式（多平台支持）
创建简化的使用脚本：
- scripts/fuzzy-search.py - 简化文件搜索
- scripts/history-search.py - 命令历史搜索

更新 SKILL.md：

## 使用方法

### 基本文件搜索
```bash
python3 scripts/fuzzy-search.py

命令历史搜索

python3 scripts/history-search.py

依赖项

Go 1.22+（从源码编译）
或使用预编译二进制文件

安装命令

# macOS
brew install fzf

# Linux
sudo apt install fzf

# Windows
choco install fzf

示例 5：数据处理工具

用户："安装 jq 这样的 JSON 处理工具：https://github.com/jqlang/jq"

Agent 操作：

运行锻造脚本
读取 context_bundle.md
创建简化的包装脚本：
- scripts/json-format.py - JSON 格式化
- scripts/json-query.py - JSON 查询工具

更新 SKILL.md：

## 使用示例

### 格式化 JSON
```bash
cat data.json | python3 scripts/json-format.py

查询 JSON 路径

python3 scripts/json-query.py "data.json" ".users[0].name"

高级用法

手动创建上下文包

如果需要重新生成上下文包：

from forge import create_context_bundle
create_context_bundle("./src", "./context_bundle.md")

自定义文件树限制

修改 forge.py 中的 limit 参数：

def get_file_tree(start_path, limit=100):  # 增加限制到 100 个文件
    ...

批量安装多个技能

# 创建一个批量安装脚本
for url in "https://github.com/fzf" "https://github.com/jqlang/jq" "https://github.com/sharkdp/bat"; do
    python3 .trae/skills/github-skill-forge/scripts/forge.py "$url"
done

自定义模板

你可以通过环境变量定制生成的内容：

# 自定义默认技能名
export SKILL_FORCE_NAME="custom-skill"

# 自定义文件限制
export SKILL_FILE_LIMIT=100

# 自定义文档截断大小
export SKILL_DOC_TRUNCATE=20000

故障排除

问题 1：克隆失败

症状：

❌ Git clone failed: fatal: Could not read from remote repository.

解决方案：

检查 URL 是否正确
确保网络连接正常
尝试使用代理模式（脚本自动处理）

验证 Git 认证（如果需要）

git config --global credential.helper store

问题 2：目录已存在

症状：

⚠️  Warning: Skill directory 'xxx' already exists.
❌ Aborting: Directory exists.

解决方案：

使用不同的技能名称
```
python3 forge.py <URL> new_skill_name
```
或手动删除已存在的目录后重试
```
rm -rf .trae/skills/xxx
```

问题 3：依赖项缺失

症状：

ModuleNotFoundError: No module named 'xxx'

解决方案：

在 SKILL.md 中明确列出依赖项
提供安装命令
创建 requirements.txt（如果原项目没有）
检查 Python 版本兼容性

问题 4：上下文包过大

症状：生成的 context_bundle.md 超过预期大小

解决方案：脚本已自动截断超过 10KB 的文档，如需更详细的上下文可手动查看源文件。

问题 5：权限错误

症状：

Permission denied: '.trae/skills/xxx'

解决方案：

检查目录权限
```
ls -la .trae/skills/
```
修复权限
```
chmod -R 755 .trae/skills/
```

问题 6：Git LFS 文件

症状：

Git LFS: (1 of 1 files) 0 B / 100.00 MB

解决方案：

安装 Git LFS
```
git lfs install
```
手动拉取 LFS 文件
```
git lfs pull
```

最佳实践

1. 技能命名规范

使用小写字母和连字符
长度控制在 3-50 个字符
避免使用保留字

2. SKILL.md 编写规范

保持简洁，只包含必要信息
详细内容放在 context_bundle.md
使用中文标题，英文命令
提供可执行的示例代码

3. 包装脚本创建

简化复杂命令行接口
提供默认参数
添加错误处理
支持 -h/--help 参数

4. 依赖项管理

明确列出所有依赖
指定版本范围
提供多平台安装方式

5. 验证测试

在发布前运行所有示例
测试不同操作系统
验证依赖安装正确性

技能结构规范

标准目录结构

.trae/skills/
└── <skill-name>/
    ├── SKILL.md           # 技能说明文档
    ├── context_bundle.md  # 上下文聚合（自动生成）
    ├── requirements.txt   # 依赖项（可选）
    ├── src/              # 源代码
    │   └── <main-script>
    ├── scripts/          # 包装脚本（可选）
    │   └── <helper-scripts>
    └── references/       # 参考文档（可选）
        └── <documentation>

SKILL.md 模板

---
name: <skill-name>
description: <简短描述>
---

# <技能名称>

## 功能特性
- <特性1>
- <特性2>

## 使用要求
- <依赖项1>
- <依赖项2>

## 安装方法
```bash
<安装命令>

使用方法

基本用法

<基本命令>

高级用法

<高级功能>

<高级命令>

故障排除

问题

<解决方案>

更新日志

<版本>：<更新内容>


## 性能优化

### 1. 减少克隆深度
```bash
# 使用浅克隆
git clone --depth 1 <url>

2. 跳过不必要的文件

# 在 forge.py 中添加
SKIP_DIRS = ['.git', '.github', 'docs', 'test']
SKIP_FILES = ['*.md', '*.txt']

3. 并行处理

# 使用多线程处理多个任务
import concurrent.futures

with concurrent.futures.ThreadPoolExecutor() as executor:
    executor.submit(process_file, file1)
    executor.submit(process_file, file2)

安全性考虑

1. 验证仓库来源

检查仓库的 stars 和 forks 数量
查看最近的提交记录
检查维护者的活跃度

2. 依赖项安全

检查已知漏洞
使用依赖扫描工具
定期更新依赖

3. 代码执行安全

在隔离环境中测试
限制文件系统访问
记录所有操作日志

集成建议

1. CI/CD 集成

# .github/workflows/skill-test.yml
name: Test Skills
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Install dependencies
        run: pip install -r requirements.txt
      - name: Test skill
        run: python3 src/main.py --help

2. 自动化更新

# 定期更新技能脚本
0 0 * * 0 cd /path/to/skills && python3 github-skill-forge/scripts/forge.py <url>

注意事项

脚本会删除克隆仓库中的 .git 文件夹以减小体积
代理模式使用 gitclone.com 作为代理服务
建议在运行前确认 URL 的正确性
大型仓库可能需要较长时间克隆
建议定期更新 github-skill-forge 本身
在生产环境使用前先进行测试

name	github-skill-forge
description	一个"制造技能的技能"。这个工具自动化了将任意 GitHub 仓库转换为标准化 Trae 技能的全过程，是扩展 AI Agent 能力的核心工具。
tags	["github","skill-forge","meta-skill","automation","integration","CLI","scaffolding","Lite-RAG","context-aggregation","repository-clone","skill-management","tool-integration","开源集成","技能锻造","元技能","自动化工具","CLI工具集成","脚手架","上下文聚合","工具安装","GitHub工具","能力扩展","智能代理","工作流自动化"]

GitHub 技能锻造厂

一个"制造技能的技能"。这个工具自动化了将 GitHub 仓库转换为标准化 Trae 技能的过程。

核心功能

1. 自动化脚手架

一键克隆 GitHub 仓库
自动创建标准技能目录结构
自动生成上下文聚合文件

2. Lite-RAG 上下文聚合

自动提取项目文件树结构
自动解析 README 和文档
自动收集依赖项信息（requirements.txt, package.json, pyproject.toml）
生成单一上下文文件供 Agent 快速理解

3. 智能错误处理

代理模式自动切换
目录存在性检测
Git 克隆失败自动重试

4. 标准化输出

自动生成符合规范的技能结构
统一的目录布局（scripts/, references/, context_bundle.md）
预置 SKILL.md 模板

快速开始

安装要求

# 基础依赖
Python 3.7+
Git

基本使用

# 语法: python scripts/forge.py <URL> [SKILL_NAME]
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo"

使用场景

当你想使用在 GitHub 上找到的工具时
当用户发送 GitHub 链接并说"我想用这个"时
需要"安装"新功能到 .trae/skills 库时
需要快速集成开源工具到工作流时
需要标准化团队工具使用规范时

工作流程

步骤 1：锻造框架

运行脚手架脚本来克隆仓库、创建结构并生成上下文包。

# 基础用法
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo"

# 指定技能名称
python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/username/repo" "my-custom-skill"

步骤 2：分析与定稿（AI 任务）

脚本会在新的技能文件夹中生成 context_bundle.md。你（作为 Agent）必须：

读取上下文包：查看 context_bundle.md
- 这个文件包含文件树、README 和依赖项
- 不需要手动搜索文件
- 建议限制读取前 500 行开始
更新 SKILL.md：重写新技能目录中的草稿
- 描述：总结工具的功能
- 先决条件：列出安装命令（如 pip install -r src/requirements.txt）
- 用法：提供使用 src/... 运行工具的清晰示例
创建包装脚本（可选）：
- 如果工具需要复杂参数，在 .trae/skills/<new_skill>/scripts/ 中编写简化的 Python/Shell 脚本

步骤 3：验证

运行工具的帮助命令以确保其正常工作。

python3 .trae/skills/<new_skill>/src/<main_script>.py --help

使用示例

示例 1：基础使用

用户："安装这个仓库：https://github.com/sqlmapproject/sqlmap"

Agent 操作：

运行锻造脚本

python3 .trae/skills/github-skill-forge/scripts/forge.py https://github.com/sqlmapproject/sqlmap

Agent 读取上下文包

read .trae/skills/sqlmap/context_bundle.md

Agent 编辑 SKILL.md
```
edit .trae/skills/sqlmap/SKILL.md
```

Agent 运行验证

python3 .trae/skills/sqlmap/src/sqlmap.py --help

示例 2：指定技能名称

python3 .trae/skills/github-skill-forge/scripts/forge.py "https://github.com/requests/requests" "http-requests-lib"

这将创建一个名为 http-requests-lib 的技能目录。

示例 3：复杂项目

用户："我想用这个工具做数据可视化：https://github.com/mwaskom/seaborn"

Agent 操作：

运行锻造脚本
读取 context_bundle.md 了解 seaborn 的 API
识别依赖项（numpy, pandas, matplotlib）
编写简化的使用脚本到 scripts/ 目录
更新 SKILL.md 添加使用示例

示例 4：CLI 工具安装

用户："我想用 fzf 这样的模糊查找工具：https://github.com/junegunn/fzf"

Agent 操作：

运行锻造脚本
分析 fzf 的功能：
- 读取 context_bundle.md 了解核心功能
- 识别依赖（Go 环境）
- 了解安装方式（多平台支持）
创建简化的使用脚本：
- scripts/fuzzy-search.py - 简化文件搜索
- scripts/history-search.py - 命令历史搜索

更新 SKILL.md：

## 使用方法

### 基本文件搜索
```bash
python3 scripts/fuzzy-search.py

命令历史搜索

python3 scripts/history-search.py

依赖项

Go 1.22+（从源码编译）
或使用预编译二进制文件

安装命令

# macOS
brew install fzf

# Linux
sudo apt install fzf

# Windows
choco install fzf

示例 5：数据处理工具

用户："安装 jq 这样的 JSON 处理工具：https://github.com/jqlang/jq"

Agent 操作：

运行锻造脚本
读取 context_bundle.md
创建简化的包装脚本：
- scripts/json-format.py - JSON 格式化
- scripts/json-query.py - JSON 查询工具

更新 SKILL.md：

## 使用示例

### 格式化 JSON
```bash
cat data.json | python3 scripts/json-format.py

查询 JSON 路径

python3 scripts/json-query.py "data.json" ".users[0].name"

高级用法

手动创建上下文包

如果需要重新生成上下文包：

from forge import create_context_bundle
create_context_bundle("./src", "./context_bundle.md")

自定义文件树限制

修改 forge.py 中的 limit 参数：

def get_file_tree(start_path, limit=100):  # 增加限制到 100 个文件
    ...

批量安装多个技能

# 创建一个批量安装脚本
for url in "https://github.com/fzf" "https://github.com/jqlang/jq" "https://github.com/sharkdp/bat"; do
    python3 .trae/skills/github-skill-forge/scripts/forge.py "$url"
done

自定义模板

你可以通过环境变量定制生成的内容：

# 自定义默认技能名
export SKILL_FORCE_NAME="custom-skill"

# 自定义文件限制
export SKILL_FILE_LIMIT=100

# 自定义文档截断大小
export SKILL_DOC_TRUNCATE=20000

故障排除

问题 1：克隆失败

症状：

❌ Git clone failed: fatal: Could not read from remote repository.

解决方案：

检查 URL 是否正确
确保网络连接正常
尝试使用代理模式（脚本自动处理）

验证 Git 认证（如果需要）

git config --global credential.helper store

问题 2：目录已存在

症状：

⚠️  Warning: Skill directory 'xxx' already exists.
❌ Aborting: Directory exists.

解决方案：

使用不同的技能名称
```
python3 forge.py <URL> new_skill_name
```
或手动删除已存在的目录后重试
```
rm -rf .trae/skills/xxx
```

问题 3：依赖项缺失

症状：

ModuleNotFoundError: No module named 'xxx'

解决方案：

在 SKILL.md 中明确列出依赖项
提供安装命令
创建 requirements.txt（如果原项目没有）
检查 Python 版本兼容性

问题 4：上下文包过大

症状：生成的 context_bundle.md 超过预期大小

解决方案：脚本已自动截断超过 10KB 的文档，如需更详细的上下文可手动查看源文件。

问题 5：权限错误

症状：

Permission denied: '.trae/skills/xxx'

解决方案：

检查目录权限
```
ls -la .trae/skills/
```
修复权限
```
chmod -R 755 .trae/skills/
```

问题 6：Git LFS 文件

症状：

Git LFS: (1 of 1 files) 0 B / 100.00 MB

解决方案：

安装 Git LFS
```
git lfs install
```
手动拉取 LFS 文件
```
git lfs pull
```

最佳实践

1. 技能命名规范

使用小写字母和连字符
长度控制在 3-50 个字符
避免使用保留字

2. SKILL.md 编写规范

保持简洁，只包含必要信息
详细内容放在 context_bundle.md
使用中文标题，英文命令
提供可执行的示例代码

3. 包装脚本创建

简化复杂命令行接口
提供默认参数
添加错误处理
支持 -h/--help 参数

4. 依赖项管理

明确列出所有依赖
指定版本范围
提供多平台安装方式

5. 验证测试

在发布前运行所有示例
测试不同操作系统
验证依赖安装正确性

技能结构规范

标准目录结构

.trae/skills/
└── <skill-name>/
    ├── SKILL.md           # 技能说明文档
    ├── context_bundle.md  # 上下文聚合（自动生成）
    ├── requirements.txt   # 依赖项（可选）
    ├── src/              # 源代码
    │   └── <main-script>
    ├── scripts/          # 包装脚本（可选）
    │   └── <helper-scripts>
    └── references/       # 参考文档（可选）
        └── <documentation>

SKILL.md 模板

---
name: <skill-name>
description: <简短描述>
---

# <技能名称>

## 功能特性
- <特性1>
- <特性2>

## 使用要求
- <依赖项1>
- <依赖项2>

## 安装方法
```bash
<安装命令>

使用方法

基本用法

<基本命令>

高级用法

<高级功能>

<高级命令>

故障排除

问题

<解决方案>

更新日志

<版本>：<更新内容>


## 性能优化

### 1. 减少克隆深度
```bash
# 使用浅克隆
git clone --depth 1 <url>

2. 跳过不必要的文件

# 在 forge.py 中添加
SKIP_DIRS = ['.git', '.github', 'docs', 'test']
SKIP_FILES = ['*.md', '*.txt']

3. 并行处理

# 使用多线程处理多个任务
import concurrent.futures

with concurrent.futures.ThreadPoolExecutor() as executor:
    executor.submit(process_file, file1)
    executor.submit(process_file, file2)

安全性考虑

1. 验证仓库来源

检查仓库的 stars 和 forks 数量
查看最近的提交记录
检查维护者的活跃度

2. 依赖项安全

检查已知漏洞
使用依赖扫描工具
定期更新依赖

3. 代码执行安全

在隔离环境中测试
限制文件系统访问
记录所有操作日志

集成建议

1. CI/CD 集成

# .github/workflows/skill-test.yml
name: Test Skills
on: [push]
jobs:
  test:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v3
      - name: Install dependencies
        run: pip install -r requirements.txt
      - name: Test skill
        run: python3 src/main.py --help

2. 自动化更新

# 定期更新技能脚本
0 0 * * 0 cd /path/to/skills && python3 github-skill-forge/scripts/forge.py <url>

注意事项

脚本会删除克隆仓库中的 .git 文件夹以减小体积
代理模式使用 gitclone.com 作为代理服务
建议在运行前确认 URL 的正确性
大型仓库可能需要较长时间克隆
建议定期更新 github-skill-forge 本身
在生产环境使用前先进行测试

github-skill-forge

GitHub 技能锻造厂

核心功能

1. 自动化脚手架

2. Lite-RAG 上下文聚合

3. 智能错误处理

4. 标准化输出

快速开始

安装要求

基本使用

使用场景

工作流程

步骤 1：锻造框架

步骤 2：分析与定稿（AI 任务）

步骤 3：验证

使用示例

示例 1：基础使用

示例 2：指定技能名称

示例 3：复杂项目

示例 4：CLI 工具安装

命令历史搜索

依赖项

安装命令

示例 5：数据处理工具

查询 JSON 路径

高级用法

手动创建上下文包

自定义文件树限制

批量安装多个技能

自定义模板

故障排除

问题 1：克隆失败

问题 2：目录已存在

问题 3：依赖项缺失

问题 4：上下文包过大

问题 5：权限错误

问题 6：Git LFS 文件

最佳实践

1. 技能命名规范

2. SKILL.md 编写规范

3. 包装脚本创建

4. 依赖项管理

5. 验证测试

技能结构规范

标准目录结构

SKILL.md 模板

使用方法

基本用法

高级用法

<高级功能>

故障排除

问题

更新日志

2. 跳过不必要的文件

3. 并行处理

安全性考虑

1. 验证仓库来源

2. 依赖项安全

3. 代码执行安全

集成建议

1. CI/CD 集成

2. 自动化更新

相关资源

注意事项

GitHub 技能锻造厂

核心功能

1. 自动化脚手架

2. Lite-RAG 上下文聚合

3. 智能错误处理

4. 标准化输出

快速开始

安装要求

基本使用

使用场景

工作流程

步骤 1：锻造框架

步骤 2：分析与定稿（AI 任务）

步骤 3：验证

使用示例

示例 1：基础使用