agent-stuff
agent-stuff 是一套专为 AI 编程助手(特别是 Claude 和 Pi Coding Agent)设计的技能库与扩展集合。它旨在解决通用大模型在特定开发场景中能力不足的问题,通过预定义的指令让 AI 能够直接操作本地工具、查询外部 API 并执行复杂工作流。
这套工具非常适合开发者使用,能显著提升日常编码效率。它内置了丰富的实用技能:从自动化 Git 提交、前端界面设计、代码审查,到调用 Sentry 分析错误、查询奥地利公共交通信息,甚至控制浏览器和逆向工程二进制文件。此外,它还提供了针对 Pi 代理的深度扩展,支持多文件批量编辑、会话分叉管理、交互式问答界面以及深夜操作安全确认等功能。
agent-stuff 的独特亮点在于其高度的模块化和实战性。它将分散的开发任务封装为标准化的"Skills",让 AI 像熟练工程师一样调用 gh CLI、Ghidra 或 OpenSCAD 等专业工具。同时,其扩展机制增强了人机交互体验,例如提供可视化的上下文令牌分析和原生桌面通知。虽然部分脚本可能需要根据具体项目微调,但它为构建个性化、高效率的 AI 开发环境提供了坚实的基础。
使用场景
一位全栈开发者正在紧急修复一个涉及前端界面、后端逻辑及部署流程的复杂生产事故,需要同时处理代码审查、依赖更新和日志分析。
没有 agent-stuff 时
- 开发者需手动切换多个终端窗口,分别运行 Git 命令、查询 Sentry 日志和调用浏览器自动化脚本,上下文频繁断裂。
- 编写符合规范的 Commit 信息和更新 Changelog 完全依靠人工记忆格式,容易出错且耗时。
- 面对大量报错日志和代码文件,缺乏自动摘要工具,只能逐行阅读以定位核心问题,效率极低。
- 进行多文件批量修改时,原生编辑工具缺乏预检机制,极易引入新的语法错误或破坏现有逻辑。
- 深夜加班时缺乏安全守护机制,Agent 可能在无人确认的情况下执行高风险操作或无限循环运行。
使用 agent-stuff 后
- 通过
/sentry和/web-browser技能直接在对话中拉取错误日志并复现问题,配合/tmux统一管控会话,工作流无缝衔接。 - 调用
/commit和/update-changelog自动生成标准化的提交信息与用户可见变更说明,确保版本记录规范一致。 - 利用
/summarize技能将冗长的日志文件和 URL 快速转换为清晰的 Markdown 摘要,秒级锁定故障根源。 - 启用
multi-edit扩展进行批量代码修补,内置的前置验证和 Patch 支持有效避免了人为失误导致的二次故障。 - 激活
go-to-bed和loop扩展,既限制了午夜后的高危操作需显式确认,又实现了迭代编码的自动续跑,兼顾安全与效率。
agent-stuff 通过将分散的开发技能封装为标准化指令,将原本碎片化的应急排查过程转变为流畅、安全且高度自动化的闭环工作流。
运行环境要求
- macOS
- Linux
未说明
未说明

快速开始
代理相关
此仓库包含我在各个项目中使用的技能和扩展。请注意,我经常会针对特定的代码库对这些内容进行微调,因此在复用之前可能需要做一些小调整。
它已在 npm 上以 mitsupi 的名义发布,供与 Pi 包管理器一起使用。
技能
所有技能都位于 skills 文件夹中:
/anachb- 查询奥地利公共交通(VOR AnachB)的发车信息、路线及中断情况。/apple-mail- 搜索并读取 Apple Mail 的本地存储,提取附件。/commit- 使用简洁的 Conventional Commits 风格主题创建 Git 提交。/frontend-design- 设计并实现具有特色的前端界面。/ghidra- 使用 Ghidra 的无头分析工具对二进制文件进行逆向工程。/github- 使用ghCLI 与 GitHub 进行交互(问题、PR、工作流、API)。/google-workspace- 通过本地辅助脚本访问 Google Workspace API。/librarian- 在~/.cache/checkouts中缓存并刷新远程 Git 仓库。/mermaid- 使用 Mermaid CLI 工具创建并验证 Mermaid 图表。/native-web-search- 触发原生网络搜索,并提供简明摘要和来源 URL。/oebb-scotty- 通过 ÖBB Scotty API 规划奥地利铁路行程。/openscad- 创建并渲染 OpenSCAD 模型,导出 STL 文件。/pi-share- 从 shittycodingagent.ai/buildwithpi/pi.dev 等 URL 加载并解析会话记录。/sentry- 获取并分析 Sentry 中的问题、事件、事务及日志。/summarize- 通过uvx markitdown将文件或 URL 转换为 Markdown 格式,并进行摘要总结。/tmux- 通过快捷键和窗格输出抓取来操作 tmux 会话。/update-changelog- 更新变更日志,记录重要的用户可见变更。/uv- 使用uv进行 Python 依赖管理及脚本执行。/web-browser- 通过 Chrome/Chromium CDP 实现浏览器自动化。
Pi 编码代理扩展
Pi 编码代理的自定义扩展位于 pi-extensions 文件夹中:
answer.ts- 交互式 TUI,用于逐一回答问题。btw.ts- 简单的/btw侧边聊天浮窗,关闭时可选择将摘要注入主聊天。context.ts- 上下文分解(扩展、技能、AGENTS.md/CLAUDE.md)+ 令牌使用情况,包括已加载技能的高亮显示。control.ts- 会话控制助手(列出可控制的会话等)。files.ts- 统一的文件浏览器,显示 Git 状态、会话引用,并提供显示、打开、编辑和差异比较等操作。split-fork.ts-/split-fork命令,用于将当前会话分支到右侧 Ghostty 分割中的新 pi 进程。go-to-bed.ts- 午夜后的安全防护机制,需明确确认后方可执行。loop.ts- 快速迭代编码的提示循环,可选自动继续功能。multi-edit.ts- 替换内置的edit工具,支持批量multi编辑和 Codex 风格的patch功能,包含预检验证。notify.ts- 当代理完成任务时发送原生桌面通知。prompt-editor.ts- 编辑器内提示模式选择器,具备持久化、历史记录、配置和快捷键功能。review.ts- 代码审查命令(工作树、PR 风格的差异、提交记录、自定义指令,可选修复循环)。session-breakdown.ts- TUI,用于分析 7/30/90 天的会话及成本,并显示使用情况图表。todos.ts- 待办事项管理扩展,采用文件存储并配有 TUI。uv.ts- 用于基于 uv 的 Python 工作流的辅助工具。whimsical.ts- 将默认的思考消息替换为随机的奇思妙想语句。
Pi 编码代理主题
自定义主题位于 pi-themes 文件夹中:
nightowl.json- 受猫头鹰启发的主题。
公共服务命令
这些命令文件在使用前需要进行定制。它们位于 plumbing-commands 文件夹中:
/make-release- 自动化仓库发布流程,包含版本管理。
拦截命令
命令包装器位于 intercepted-commands 文件夹中:
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备