Rashedul智能体工程工作台：Claude Code技能、子智能体与CI工作流复用实践

本文介绍的Rashedul智能体工程工作台是面向智能体工程开发者的个人模板，整合了Claude Code技能定义、子智能体编排模式和可复用的CI/CD工作流，为AI辅助软件开发提供标准化实践参考，帮助开发者将与AI的协作转化为可复用、可扩展的工程体系。

随着Claude Code、GitHub Copilot等AI编程助手普及，软件开发范式发生变革，开发者需与AI协作。这种新型方式被称为"智能体工程"，强调意图驱动（专注表达需求）、迭代协作（多轮对话细化方案）、知识沉淀（固化有效交互模式）。本项目是作者在该领域的实践总结，整理可复用的技能、子智能体配置和CI工作流模板。

Claude Code支持通过.claude/skills目录定义自定义技能，每个技能为结构化指令模板（yaml格式：name、description、prompt）。核心技能包括：

• 代码审查：覆盖安全性、性能、可维护性、测试覆盖
• 重构助手：分析代码坏味道、制定计划、执行重构并验证
• 文档生成：提取API、生成规范、编写示例与更新文档
• 调试助手：收集错误、分析路径、提出假设与修复建议

复杂任务需多智能体协作，项目定义角色与流程：

• 角色：架构师（技术选型/架构设计）、开发者（代码实现/测试）、审查者（质量把关）、运维（部署/监控）
• 协作流程：任务分解→并行执行→集成审查→迭代优化→交付部署
• 上下文管理：共享工作区、结构化通信（JSON格式）、记忆持久化

基于GitHub Actions的工作流模板：

1. AI辅助代码审查：PR触发，Claude审查代码并发布评论
2. 智能测试生成：扫描未覆盖代码，AI生成测试用例并提交PR
3. 文档同步：代码变更影响API时，自动更新文档并部署 （附各工作流的yaml示例结构）

关键实践：

• 提示词工程：明确角色、提供上下文、指定输出格式、迭代细化
• 代码库组织：标准化技能目录、模板化提示词、示例驱动
• 人机协作：AI初稿人工精修、分而治之复杂任务、关键决策人工审核

适用场景：个人开发者提升效率、小型团队标准化协作、开源项目降低门槛、教育培训实践案例。 总结：本项目将零散AI辅助行为转化为可复用工程体系，是AI辅助软件开发前沿实践，为探索AI编程助手的开发者提供参考价值。