Control tmux panes and communicate between AI agents. Use this skill whenever the user mentions tmux panes, cross-pane communication, sending messages to other agents, reading other panes, managing tmux sessions, or interacting with processes running in tmux. Includes tmux-bridge CLI for agent-to-agent messaging and raw tmux commands for direct session control.
Use when the user explicitly asks to commit and push the current repository changes. Suitable for analyzing current changes, generating an English commit message that follows the repo's conventions, and completing the push. Not suitable for status-only checks, local-only commits, push-disallowed contexts, or any case where the user has not explicitly asked to write to the remote.
| name | skill-designer |
| description | 教你怎么设计高质量 SKILL.md 内容的 skill。当用户要创建新 skill 时自动触发。 |
一个教你怎么设计高质量SKILL.md内容的skill。当用户要创建新skill时自动触发。
SKILL.md的格式已经标准化了，但内容设计才是难点。同样的skill，用不同模式组织，效果天差地别。
5种设计模式：
| 模式 | 核心作用 | 何时用 |
|---|---|---|
| Tool Wrapper | 让AI临时变成某个库的专家 | 传递框架/库的规范和使用惯例 |
| Generator | 按固定模板生成结构化文档 | 生成固定格式的输出物 |
| Reviewer | 按检查清单评分/审查 | 评审、审计、打分 |
| Inversion | AI先问你，再决定怎么做 | 需求不明确、需要引导 |
| Pipeline | 强制按步骤执行，有检查点 | 复杂任务、不能跳过步骤 |
回答3个问题，快速定位：
Q1: 这个skill是要产生一个固定的文档/代码结构吗？
Q2: 这个skill需要先收集用户信息才能工作吗？
Q3: 这个skill需要分步骤执行、不能跳过吗？
Q4: 这个skill是让AI"学习"某个库的用法吗？
兜底: Reviewer（默认模式）
适用场景：让AI在遇到特定技术栈时，自动加载最佳实践
核心结构：
## 核心规范
读取 'references/conventions.md' 获取完整规范
## 写作时
1. 加载规范文件
2. 严格遵守每一条规则
3. 为所有函数签名添加类型注解
## 审查时
1. 加载规范文件
2. 对照检查每一条
3. 对每个违规，引用具体规则并给出修复建议
关键点：
references/）适用场景：生成结构一致的文件（报告、文档、代码模板）
核心结构：
## 工作流程
Step 1: 加载样式指南
读取 'references/style-guide.md'
Step 2: 加载输出模板
读取 'assets/output-template.md'
Step 3: 询问缺失信息
向用户收集模板中缺失的变量：
- 主题是什么？
- 关键数据点？
- 目标读者？
Step 4: 填充模板
严格按照样式指南的规则填充每个section
Step 5: 输出
返回完整的Markdown文档
关键点：
assets/ + references/）适用场景：代码审查、质量审计、安全检查
核心结构：
## 审查协议
Step 1: 加载检查清单
读取 'references/review-checklist.md'
Step 2: 理解代码
先读懂代码的目的，再开始批评
Step 3: 逐项检查
对每个违规项：
- 记录位置（行号或大概位置）
- 分类 severity：error / warning / info
- 解释为什么是问题
- 给出具体修复代码
Step 4: 输出结构化报告
- Summary：代码做什么、总体评价
- Findings：按 severity 分组
- Score：1-10分，简短理由
- Top 3 Recommendations：最有价值的改进
关键点：
适用场景：需求不明确、需要AI引导用户思考
核心结构：
## 采访式交互
你是主持人。**不要**在收集完所有信息前开始构建。
### Phase 1 — 问题发现（一次问一个，等回答）
Q1: 这个项目为用户解决什么问题？
Q2: 主要用户是谁？技术水平如何？
Q3: 预期规模？（日活、数据量、请求量）
### Phase 2 — 技术约束（仅在Phase 1完成后再问）
Q4: 部署环境是什么？
Q5: 技术栈有什么偏好或限制？
Q6: 有什么硬性要求？（延迟、可用性、合规、预算）
### Phase 3 — 整合（仅在所有问题回答后才执行）
1. 加载输出格式模板
2. 用收集的信息填充每个section
3. 呈现完整方案
4. 询问："这个方案准确吗？有什么要改的？"
5. 根据反馈迭代，直到用户确认
关键点：
适用场景：复杂任务，必须按顺序执行、中间有检查点
核心结构：
## 执行流程（不可跳过步骤）
### Step 1 — 解析 & 盘点
分析代码，提取所有公开的类、函数、常量
列出清单，询问："这是你想文档化的完整API吗？"
### Step 2 — 生成文档字符串（Gate: 必须用户确认后才能进入Step 3）
对每个缺少文档的函数：
- 加载 'references/docstring-style.md'
- 按规范生成文档字符串
- 展示给用户审批
### Step 3 — 组装文档
加载 'assets/api-doc-template.md'
将所有类、函数、文档字符串编译成完整API参考文档
### Step 4 — 质量检查
对照 'references/quality-checklist.md' 检查：
- 每个公开符号都有文档
- 每个参数都有类型和描述
- 每个函数至少一个使用示例
修复问题后再呈现最终文档
关键点：
这些模式不是互斥的，可以组合：
| 组合方式 | 适用场景 |
|---|---|
| Pipeline + Reviewer | Pipeline末尾加自检步骤 |
| Generator + Inversion | 先收集变量，再填充模板 |
| Tool Wrapper + Reviewer | 学习规范后进行审查 |
我想要... → 用什么模式
─────────────────────────────────────
让AI学习某框架规范 → Tool Wrapper
生成固定格式的文档 → Generator
代码审查/质量审计 → Reviewer
先问需求再行动 → Inversion
强制按步骤执行 → Pipeline
错误1: 把所有规则直接塞进SKILL.md
# ❌ 错误 - 规则太多，AI记不住
## 规则1: xxx
## 规则2: xxx
## 规则3: xxx
...（50条规则）
# ✅ 正确 - 外部引用，按需加载
## 规则
读取 'references/coding-conventions.md' 获取完整规则列表
错误2: 模式选择错误
错误3: 缺少Gate条件
详细示例和ADK代码参考：
references/tool-wrapper-example.md - FastAPI专家skill示例references/generator-example.md - 技术报告生成器示例references/reviewer-example.md - 代码审查员示例references/inversion-example.md - 项目规划师示例references/pipeline-example.md - 文档流水线示例references/decision-tree.md - 模式选择决策树