AI-Toolkit：面向Claude Code和OpenCode的AI编程技能库

AI-Toolkit是一个全面的AI编程技能集合，支持Claude Code和OpenCode两大主流平台，涵盖TDD、.NET开发、边缘计算、RAG、MCP及软件工程判断力训练等多领域专业技能。其核心设计为技能（Skills）与子代理（Subagents）双层架构，旨在提升AI辅助软件开发的效率与质量，强调AI作为开发者能力增强工具而非替代品的定位。

随着Claude Code、OpenCode、Cursor等AI编程工具的兴起，开发者面临如何有效利用这些工具的新课题。AI-Toolkit应运而生，作为系统化的技能集合，通过标准化AGENTS.md文件实现跨平台兼容，避免重复造轮子，解决不同工具间技能复用的问题。

AI-Toolkit采用分层架构，分为技能与子代理两个层次：

• 技能：特定领域的知识库与执行协议（如TDD-cycle定义红-绿-重构流程）；
• 子代理：自主执行任务的AI代理，调用技能完成复杂工作流（如code-review-agent使用automated-code-review技能）。 该设计实现关注点分离，技能专注于‘做什么/怎么做’，子代理专注于‘何时做/协调执行’，兼顾灵活性与可维护性。

AI-Toolkit覆盖多领域技能组：

1. TDD技能组：基于Kent Beck原则，含tdd-cycle、tdd-implementer等6核心技能，覆盖完整TDD生命周期；
2. .NET技能组：含垂直切片架构、EF迁移管理、安全审查（OWASP及联邦合规）等企业级开发技能；
3. 边缘计算技能组：针对Jetson/RPi优化，含计算机视觉管道、传感器集成等；
4. RAG与本地LLM技能组：提供Python/.NET RAG脚手架、MCP服务器搭建、Ollama模型管理等。

AI-Toolkit的独特之处在于判断力训练技能组，通过刻意练习培养开发者核心竞争力：

• architecture-review：以苏格拉底式提问挑战设计（SOLID、耦合等角度）；
• pattern-tradeoff-analyzer：分析模式权衡，避免‘金锤’倾向；
• system-design-kata：领域校准练习（安全工作流、边缘集群等）；
• security-review-trainer：渐进式漏洞发现训练。这些技能超越代码生成，强化人类工程判断力。

AI-Toolkit代表了AI辅助开发的新范式：不是替代开发者，而是通过结构化技能提升其能力。它承认AI工具价值，同时强调人类判断力、工程实践与领域知识的重要性。对于Claude Code/OpenCode用户，提供可复用技能库以提升效率，更展示了‘AI增强人类’的思考框架。