[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-rjs--shaping-skills":3,"tool-rjs--shaping-skills":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",156804,2,"2026-04-15T11:34:33",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-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。\n\n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。\n\nLLMs-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",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":85,"forks":86,"last_commit_at":87,"license":76,"difficulty_score":32,"env_os":88,"env_gpu":89,"env_ram":89,"env_deps":90,"category_tags":94,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":95,"updated_at":96,"faqs":97,"releases":98},7793,"rjs\u002Fshaping-skills","shaping-skills","Skills I use with Claude for shaping","shaping-skills 是一套专为 Claude Code 设计的技能包，旨在将 Basecamp 著名的\"Shape Up\"产品开发方法论适配到大模型协作场景中。它主要解决了在利用 AI 进行项目从 0 到 1 构建时，如何系统化地定义问题、规划方案以及保持文档一致性的难题。\n\n这套工具特别适合希望规范开发流程的软件工程师、产品设计师及技术负责人使用。它包含两类核心能力：一是“协作文档技能”，能将真实的对话记录自动整理为结构清晰的“问题框架文档”和“项目启动文档”，确保团队共识可执行；二是“单人探索技能”，支持用户在编码前通过 `\u002Fshaping` 迭代需求与方案，或利用 `\u002Fbreadboarding` 直观映射系统界面与底层逻辑的关联，从而更精准地划分工作范围。\n\n其独特亮点在于引入了“涟漪检查（Ripple Check）”机制。当用户修改标记为 shaping 的文档时，该钩子会自动触发检查清单，提醒更新相关的功能表、适配性检查及工作流，有效防止因局部改动导致的整体逻辑脱节。虽然文档类技能高度依赖输入质量（即“垃圾进，垃圾出”），但在高质量的思考与对话基础上，shapin","shaping-skills 是一套专为 Claude Code 设计的技能包，旨在将 Basecamp 著名的\"Shape Up\"产品开发方法论适配到大模型协作场景中。它主要解决了在利用 AI 进行项目从 0 到 1 构建时，如何系统化地定义问题、规划方案以及保持文档一致性的难题。\n\n这套工具特别适合希望规范开发流程的软件工程师、产品设计师及技术负责人使用。它包含两类核心能力：一是“协作文档技能”，能将真实的对话记录自动整理为结构清晰的“问题框架文档”和“项目启动文档”，确保团队共识可执行；二是“单人探索技能”，支持用户在编码前通过 `\u002Fshaping` 迭代需求与方案，或利用 `\u002Fbreadboarding` 直观映射系统界面与底层逻辑的关联，从而更精准地划分工作范围。\n\n其独特亮点在于引入了“涟漪检查（Ripple Check）”机制。当用户修改标记为 shaping 的文档时，该钩子会自动触发检查清单，提醒更新相关的功能表、适配性检查及工作流，有效防止因局部改动导致的整体逻辑脱节。虽然文档类技能高度依赖输入质量（即“垃圾进，垃圾出”），但在高质量的思考与对话基础上，shaping-skills 能显著节省整理时间，让 AI 辅助开发更加条理清晰。","# Shaping Skills\n\n[Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code) skills for shaping and breadboarding — the methodology from [Shape Up](https:\u002F\u002Fbasecamp.com\u002Fshapeup) adapted for working with an LLM.\n\n**Case study:** [Shaping 0-1 with Claude Code](https:\u002F\u002Fx.com\u002Frjs\u002Fstatus\u002F2020184079350563263) walks through the full process of building a project from scratch using these skills. The source for that project is at [rjs\u002Ftick](https:\u002F\u002Fgithub.com\u002Frjs\u002Ftick).\n\n## Skills\n\n### Document skills — for collaborative work\n\nThese turn transcripts of real conversations into structured shaping documents. They're useful on real production projects where you're working with other people and want to capture what was said in a format you can act on.\n\n**These are extremely GIGO (garbage in, garbage out).** They don't evaluate whether the material makes sense or is reasonable. They format and distill — that's it. When your inputs are good conversations with good thinking, they save a ton of time. When your inputs are bad, you get a nicely formatted bad document.\n\n**`\u002Fframing-doc`** — Turn conversation transcripts into a framing document that captures the problem worth solving and why it was chosen over alternatives.\n\n**`\u002Fkickoff-doc`** — Turn a shaped project kickoff transcript into a reference document for the builder, capturing what was shaped and agreed.\n\n### Solo skills — more experimental\n\nThese are for working with Claude directly on shaping and design. They're more experimental and less battle-tested than the document skills.\n\n**`\u002Fshaping`** — Iterate on both the problem (requirements) and solution (shapes) before committing to implementation. Separates what you need from how you might build it, with fit checks to see what's solved and what isn't.\n\n**`\u002Fbreadboarding`** — Map a system into UI affordances, code affordances, and wiring. Shows what users can do and how it works underneath — in one view. Good for slicing into vertical scopes.\n\n## Install\n\n```bash\n# Clone the repo, then symlink each skill into your Claude Code skills directory\ngit clone https:\u002F\u002Fgithub.com\u002Frjs\u002Fshaping-skills.git ~\u002F.local\u002Fshare\u002Fshaping-skills\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fframing-doc ~\u002F.claude\u002Fskills\u002Fframing-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fkickoff-doc ~\u002F.claude\u002Fskills\u002Fkickoff-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fbreadboarding ~\u002F.claude\u002Fskills\u002Fbreadboarding\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fshaping ~\u002F.claude\u002Fskills\u002Fshaping\n```\n\nEach skill must be a direct child of `~\u002F.claude\u002Fskills\u002F` so Claude Code can discover it. Symlinks keep them updatable with `git pull`.\n\n## Hook: Ripple Check\n\nThe repo includes a hook that reminds Claude to check for ripple effects when editing shaping documents. When Claude writes or edits a `.md` file with `shaping: true` in its frontmatter, the hook prompts a checklist — update affordance tables, fit checks, work streams, etc.\n\n### Setup\n\n1. Symlink the hook script:\n\n```bash\nmkdir -p ~\u002F.claude\u002Fhooks\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fhooks\u002Fshaping-ripple.sh ~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\n```\n\n2. Add the hook to your `~\u002F.claude\u002Fsettings.json`:\n\n```json\n{\n  \"hooks\": {\n    \"PostToolUse\": [\n      {\n        \"matcher\": \"Write|Edit\",\n        \"hooks\": [\n          {\n            \"type\": \"command\",\n            \"command\": \"~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\",\n            \"timeout\": 5\n          }\n        ]\n      }\n    ]\n  }\n}\n```\n\nThis fires after every `Write` or `Edit` tool call. It only activates for shaping documents (those with `shaping: true` frontmatter) — all other files pass through silently.\n\n---\n\nThis README was written by [Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code).\n","# 塑形技能\n\n用于塑形和面包板设计的 [Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code) 技能——源自 [Shape Up](https:\u002F\u002Fbasecamp.com\u002Fshapeup) 的方法论，并针对与大型语言模型协作进行了调整。\n\n**案例研究：** [使用 Claude Code 进行 0-1 塑形](https:\u002F\u002Fx.com\u002Frjs\u002Fstatus\u002F2020184079350563263) 详细介绍了如何利用这些技能从零开始构建一个项目。该项目的源代码位于 [rjs\u002Ftick](https:\u002F\u002Fgithub.com\u002Frjs\u002Ftick)。\n\n## 技能\n\n### 文档类技能——适用于协作工作\n\n这些技能可以将真实的对话记录转化为结构化的塑形文档。它们在实际生产项目中非常有用，尤其是在与他人合作时，能够将讨论内容以可执行的格式记录下来。\n\n**这些技能极度依赖输入质量（GIGO，即“垃圾进，垃圾出”）。** 它们不会评估输入内容是否有意义或合理性，只会进行格式化和提炼——仅此而已。当输入是高质量、富有逻辑的对话时，它们可以节省大量时间；但如果输入本身存在问题，最终得到的也只是一个格式精美的错误文档。\n\n**`\u002Fframing-doc`** — 将对话记录转化为框架文档，明确需要解决的问题以及为何选择该问题而非其他替代方案。\n\n**`\u002Fkickoff-doc`** — 将塑形后的项目启动会议记录转化为一份供开发人员参考的文档，记录下已确定的塑形结果和共识。\n\n### 单人技能——更具实验性\n\n这些技能直接用于与 Claude 进行塑形和设计工作。相比文档类技能，它们的实战经验较少，仍处于实验阶段。\n\n**`\u002Fshaping`** — 在正式进入实现之前，对问题（需求）和解决方案（形态）进行迭代优化。它将“需要什么”与“如何实现”分开，并通过适配性检查来确认哪些部分已经解决，哪些尚未解决。\n\n**`\u002Fbreadboarding`** — 将系统映射为用户界面操作、代码功能接口以及系统间的连接方式。在一个视图中清晰展示用户可执行的操作及其底层实现逻辑，非常适合用于划分垂直功能范围。\n\n## 安装\n\n```bash\n# 克隆仓库，然后将每项技能创建符号链接到你的 Claude Code 技能目录\ngit clone https:\u002F\u002Fgithub.com\u002Frjs\u002Fshaping-skills.git ~\u002F.local\u002Fshare\u002Fshaping-skills\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fframing-doc ~\u002F.claude\u002Fskills\u002Fframing-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fkickoff-doc ~\u002F.claude\u002Fskills\u002Fkickoff-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fbreadboarding ~\u002F.claude\u002Fskills\u002Fbreadboarding\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fshaping ~\u002F.claude\u002Fskills\u002Fshaping\n```\n\n每项技能必须位于 `~\u002F.claude\u002Fskills\u002F` 的直接子目录中，这样 Claude Code 才能识别并加载它们。通过符号链接的方式，你可以随时使用 `git pull` 来更新这些技能。\n\n## 钩子：涟漪检查\n\n该仓库包含一个钩子，可在编辑塑形文档时提醒 Claude 检查潜在的连锁影响。当 Claude 编写或编辑带有 `shaping: true` 前置元数据的 `.md` 文件时，钩子会触发一个检查清单——更新操作表、适配性检查、工作流等。\n\n### 设置步骤\n\n1. 创建钩子脚本的符号链接：\n\n```bash\nmkdir -p ~\u002F.claude\u002Fhooks\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fhooks\u002Fshaping-ripple.sh ~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\n```\n\n2. 将钩子添加到你的 `~\u002F.claude\u002Fsettings.json` 中：\n\n```json\n{\n  \"hooks\": {\n    \"PostToolUse\": [\n      {\n        \"matcher\": \"Write|Edit\",\n        \"hooks\": [\n          {\n            \"type\": \"command\",\n            \"command\": \"~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\",\n            \"timeout\": 5\n          }\n        ]\n      }\n    ]\n  }\n}\n```\n\n此钩子会在每次调用 `Write` 或 `Edit` 工具后触发。它仅对塑形文档（即带有 `shaping: true` 前置元数据的文件）生效，其他文件则会直接跳过，不会有任何提示。\n\n---\n\n本 README 由 [Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code) 编写。","# Shaping Skills 快速上手指南\n\nShaping Skills 是一套专为 **Claude Code** 设计的技能集，旨在将 Basecamp 的《Shape Up》方法论适配于大语言模型协作。它帮助开发者在编码前进行需求梳理（Shaping）和原型设计（Breadboarding），将对话转化为可执行的结构化文档。\n\n## 环境准备\n\n在使用本工具前，请确保满足以下条件：\n\n*   **操作系统**：Linux 或 macOS（Windows 用户建议使用 WSL2）。\n*   **核心依赖**：已安装并配置好 [Claude Code](https:\u002F\u002Fclaude.com\u002Fclaude-code) 命令行工具。\n*   **版本控制**：已安装 `git`。\n*   **目录结构**：确保本地存在 `~\u002F.claude\u002Fskills\u002F` 和 `~\u002F.claude\u002Fhooks\u002F` 目录（通常由 Claude Code 初始化时自动创建）。\n\n> **注意**：目前该工具主要依托 GitHub 源，国内用户若克隆速度较慢，可自行配置 Git 加速代理或使用镜像站克隆。\n\n## 安装步骤\n\n### 1. 克隆仓库\n将工具源码克隆到本地指定目录：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Frjs\u002Fshaping-skills.git ~\u002F.local\u002Fshare\u002Fshaping-skills\n```\n\n### 2. 创建技能软链接\n将四个核心技能文件链接到 Claude Code 的技能目录中，以便自动识别：\n\n```bash\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fframing-doc ~\u002F.claude\u002Fskills\u002Fframing-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fkickoff-doc ~\u002F.claude\u002Fskills\u002Fkickoff-doc\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fbreadboarding ~\u002F.claude\u002Fskills\u002Fbreadboarding\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fshaping ~\u002F.claude\u002Fskills\u002Fshaping\n```\n\n### 3. （可选）安装涟漪检查钩子 (Ripple Check Hook)\n此钩子会在修改标记为 `shaping: true` 的文档时，自动提醒检查关联影响（如功能表、适配性检查等）。\n\n**链接钩子脚本：**\n```bash\nmkdir -p ~\u002F.claude\u002Fhooks\nln -s ~\u002F.local\u002Fshare\u002Fshaping-skills\u002Fhooks\u002Fshaping-ripple.sh ~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\n```\n\n**配置 settings.json：**\n编辑 `~\u002F.claude\u002Fsettings.json`，添加以下配置以启用钩子：\n\n```json\n{\n  \"hooks\": {\n    \"PostToolUse\": [\n      {\n        \"matcher\": \"Write|Edit\",\n        \"hooks\": [\n          {\n            \"type\": \"command\",\n            \"command\": \"~\u002F.claude\u002Fhooks\u002Fshaping-ripple.sh\",\n            \"timeout\": 5\n          }\n        ]\n      }\n    ]\n  }\n}\n```\n\n## 基本使用\n\n安装完成后，重启终端或在 Claude Code 会话中即可调用以下技能。\n\n### 场景一：整理会议记录（协作文档类）\n当你有一段关于项目讨论的转录文本，需要将其转化为结构化文档时：\n\n*   **生成立项框架文档** (`\u002Fframing-doc`)\n    用于提炼核心问题及选择该方案的原因。\n    > **用法**：在对话中粘贴会议记录，然后输入 `\u002Fframing-doc`。\n\n*   **生成项目启动文档** (`\u002Fkickoff-doc`)\n    用于将已确定的方案转化为开发者的参考文档。\n    > **用法**：在对话中提供定稿的讨论内容，然后输入 `\u002Fkickoff-doc`。\n\n### 场景二：独立设计与原型（实验类）\n当你独自使用 Claude 进行需求迭代或系统设计时：\n\n*   **需求与方案迭代** (`\u002Fshaping`)\n    在编码前分离“需要什么”和“如何构建”，并进行适配性检查。\n    > **用法**：描述你的初步想法，输入 `\u002Fshaping` 开始迭代循环。\n\n*   **系统原型映射** (`\u002Fbreadboarding`)\n    将系统映射为 UI 交互、代码能力和连接逻辑，适合划分垂直切片范围。\n    > **用法**：输入 `\u002Fbreadboarding` 并描述系统模块，生成全景视图。\n\n### 使用提示\n*   **垃圾进，垃圾出 (GIGO)**：文档类技能仅负责格式化和提炼，不会判断内容的合理性。请确保输入的对话内容质量较高。\n*   **钩子触发**：若启用了 Ripple Check，仅在 Markdown 文件头包含 `shaping: true` 时才会触发检查列表。","某初创团队的产品负责人正与工程师协作，试图在两周内从零构建一个最小可行产品（MVP），需要将模糊的会议讨论转化为可执行的开发方案。\n\n### 没有 shaping-skills 时\n- 漫长的需求讨论会后，关键决策和排除的替代方案散落在聊天记录中，难以整理成结构化的“框架文档”，导致后续开发方向频繁摇摆。\n- 开发人员启动项目时缺乏统一的“启动文档”，只能依靠口头传达或零散笔记，常因理解偏差而构建了错误的功能范围。\n- 在定义问题与设计方案时容易混淆，未经验证就直接编码，结果发现核心痛点未被解决，造成大量返工。\n- 系统架构与用户界面操作之间缺乏直观映射，难以划分垂直切片范围，导致前后端开发进度不同步。\n- 修改需求文档时经常遗漏关联更新，如更新了功能描述却忘记调整对应的接口定义或检查清单，引发一致性错误。\n\n### 使用 shaping-skills 后\n- 利用 `\u002Fframing-doc` 技能将会议录音转录稿瞬间转化为标准的框架文档，清晰锁定值得解决的问题及选择理由，确保全员对齐目标。\n- 通过 `\u002Fkickoff-doc` 技能把定稿的讨论记录自动生成为开发者的参考手册，明确已确定的形状和约定，让工程师能立即准确开工。\n- 借助 `\u002Fshaping` 技能在编码前独立迭代“问题定义”与“解决方案”，并进行适配性检查，确保只构建真正需要的功能。\n- 运用 `\u002Fbreadboarding` 技能在同一视图中映射用户操作、代码能力与连接逻辑，轻松切割出垂直交付范围，提升协作效率。\n- 配置 Ripple Check 钩子后，每次编辑带标记的文档都会自动触发检查清单，强制同步更新相关表格和工作流，杜绝文档不一致。\n\nshaping-skills 将 Basecamp 的\"Shape Up\"方法论无缝融入 AI 工作流，把混乱的创意讨论高效转化为可落地的工程蓝图。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Frjs_shaping-skills_030f706f.png","rjs","Ryan Singer","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Frjs_1f623bdc.jpg",null,"rjs@hey.com","ryansinger.co","https:\u002F\u002Fgithub.com\u002Frjs",[81],{"name":82,"color":83,"percentage":84},"Shell","#89e051",100,955,69,"2026-04-14T22:32:31","macOS, Linux","未说明",{"notes":91,"python":89,"dependencies":92},"该工具是专为 Claude Code 设计的技能集（Skills），并非独立的 Python 库或深度学习模型，因此无特定的 GPU、内存或 Python 版本要求。运行前提是用户已安装并配置好 Claude Code 客户端。安装过程涉及将脚本克隆到本地并通过符号链接映射到 ~\u002F.claude\u002Fskills\u002F 目录。此外，可选配置一个 Shell 脚本钩子（shaping-ripple.sh）用于在编辑特定文档时触发检查，这需要系统支持 Bash 及标准的 Unix 文件操作命令。",[93],"Claude Code",[35,13],"2026-03-27T02:49:30.150509","2026-04-16T01:45:06.804595",[],[]]