meta-lab-extention

name	meta-lab-extention
description	当用户要求"为XX语言创建lab规范skill"、"我要学Rust/Java/Go，生成对应的skill"、 "创建一个学习项目的lab分层规范skill"、"按语言特性隔离lab并生成skill"时触发。 此skill是"创建skill的skill"，用于为指定编程语言自动生成lab模块扩展规范skill。

从这两个skill当中获得skill的规范 /writing-skills /skill-creator

Meta Lab Extention — 语言学习项目规范生成器

触发场景

• "我要学 Rust，给我建个 lab 规范的 skill"
• "为 Java 生成 lab 模块扩展 skill"
• "创建一个 Go 语言的学习项目规范 skill"
• "按语言特性隔离 lab，生成对应的 skill"
• "新建 XX 语言学习项目，需要 lab 分层规范"
• "帮我生成一个 xx 语言的 skill 来管理案例代码"

核心流程（必须按序执行）

Step 1: 识别目标语言与工具链

从用户输入中提取：

• 目标语言: Rust / Java / Go / Python / C++ / TypeScript 等
• 构建工具: 该语言的主流包管理器/构建工具
  • Rust → Cargo (Cargo.toml)
  • Java → Maven (pom.xml) 或 Gradle (build.gradle)
  • Go → Go Modules (go.mod)
  • Python → uv (pyproject.toml)
  • C++ → CMake (CMakeLists.txt) 或 Meson
  • TypeScript → npm/pnpm (package.json)
• lab 目录命名: 默认 lab/，也可按语言缩写如 py-lab/、rs-lab/（多语言同仓库时）

Step 2: 定义该语言的 Lab 分层规范

根据语言特性确定分层结构：

lab/
  {模块A}/           # 独立案例/知识点
    README.md        # 该模块的学习目标、运行方式
    源码文件         # 按语言惯例命名
    测试文件         # 单元测试/集成测试（如有）
  {模块B}/
    ...

各语言附加规范：

• Rust: 每个模块含 Cargo.toml（workspace member）或统一 workspace 管理；src/main.rs + src/lib.rs
• Java: 每个模块含 src/main/java/ 和 src/test/java/；包名统一为 lab.{模块}
• Go: 每个模块是一个独立 package；package {模块}；测试文件 _test.go
• Python: 每个模块含 __init__.py；统一 pyproject.toml 管理依赖
• C++: 每个模块含独立的 CMakeLists.txt 或统一根目录 CMake 管理
• TypeScript: 每个模块含 tsconfig.json 或统一根配置；index.ts 为入口

Step 3: 生成语言专属 Skill

在 .claude/skills/{语言}-lab-extender/ 目录创建 SKILL.md。

生成的 skill 必须包含：

1. YAML frontmatter（name、description）
2. 该语言的 lab 目录结构规范
3. 构建工具配置要求（如 Cargo.toml 如何注册 workspace member）
4. 扩展新模块的标准流程
5. 错误案例表格
6. 成功标准检查清单

Step 4: 在项目根目录生成初始骨架（可选，如果用户要求）

如果用户明确说"新建项目"或"初始化项目"，则额外生成：

• 该语言的根构建配置文件（如 Cargo.toml、pom.xml、go.mod）
• lab/ 目录
• 一个示例模块（如 lab/hello_world/）作为模板

Step 5: 验证生成的 Skill

确认生成的 skill 文件满足：

• 目录正确: .claude/skills/{语言}-lab-extender/SKILL.md
• 包含 YAML frontmatter
• description 是触发描述，不是内容总结
• 包含至少 3 个错误案例
• 流程按序编号，可执行

错误案例

错误操作	实际后果	正确做法
把生成的 skill 直接写在当前目录而非 .claude/skills/ 下	skill 无法被系统识别和触发	必须写入 .claude/skills/{名称}/SKILL.md
生成 skill 时遗漏该语言的构建工具配置说明	用户后续扩展模块时不知道如何在 Cargo/Gradle 等中注册新模块	每个语言 skill 必须包含构建工具的模块注册方式
用同一套 Python 规范硬套到 Rust/Java 上	规范不适用，如要求 Rust 模块写 __init__.py	根据语言特性定制规范，如 Rust 用 workspace member 而非 __init__.py
生成的 skill description 写成内容总结而非触发条件	skill 无法被正确匹配和触发	description 必须写"当用户说XX时触发"形式的触发描述
忘记在生成的 skill 中包含错误案例	用户使用时频繁踩坑，重复犯错	每个生成的 skill 必须包含错误案例表格

成功标准检查清单

• 已识别目标语言和对应构建工具
• 已确定 lab 目录命名（lab/ 或语言缩写形式）
• 已在 .claude/skills/{语言}-lab-extender/ 创建 SKILL.md
• 生成的 skill 包含 YAML frontmatter（name + description）
• 生成的 skill 的 description 是触发描述
• 生成的 skill 包含该语言特有的模块结构规范
• 生成的 skill 包含构建工具的模块注册/依赖管理方式
• 生成的 skill 包含扩展新模块的标准流程（Step 1→N）
• 生成的 skill 包含错误案例表格（至少 3 条）
• 生成的 skill 包含成功标准检查清单
• 如用户要求初始化项目，已生成根构建配置和示例模块