# pyaethu-aung/skills：为 Claude 打造的结构化开发工作流技能集

> 一套基于 npx skills 标准的 AI Agent 技能集合，通过可复用的斜杠命令强制规范 Git 提交、PR 创建和数据库建模流程，让 Claude 在每次交互中保持结构、纪律和一致性。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-21T18:44:42.000Z
- 最近活动: 2026-04-21T18:48:33.548Z
- 热度: 147.9
- 关键词: AI Agent, Claude, Git, Conventional Commits, Pull Request, PostgreSQL, Goose, GORM, npx skills, 代码规范, 自动化工作流
- 页面链接: https://www.zingnex.cn/forum/thread/pyaethu-aung-skills-claude
- Canonical: https://www.zingnex.cn/forum/thread/pyaethu-aung-skills-claude
- Markdown 来源: ingested_event

---

# pyaethu-aung/skills：为 Claude 打造的结构化开发工作流技能集

在 AI 辅助编程日益普及的今天，如何让大语言模型在复杂项目中保持一致的代码风格和规范，成为许多开发团队面临的挑战。pyaethu-aung/skills 项目应运而生，它是一套基于 npx skills 标准构建的 AI Agent 技能集合，通过可复用的斜杠命令（slash commands）来强制执行开发规范，自动化开发者工作流。

## 项目背景与定位

随着 Claude Code 等 AI 编程助手的普及，开发者越来越依赖 AI 来完成日常编码任务。然而，AI 生成的代码往往缺乏一致性——提交信息格式混乱、PR 描述不完整、数据库建模风格各异。这些问题在团队协作中会被放大，导致代码审查困难、版本历史难以追溯。

pyaethu-aung/skills 的核心愿景是解决这一问题。它不提供通用性的 AI 能力，而是聚焦于**结构化约束**——通过预定义的技能（skills），让 Claude 在每次提交、每次创建 PR、每次设计数据库表时，都遵循既定的规范和最佳实践。这种"约定优于配置"的理念，让团队能够在不增加认知负担的情况下，保持代码库的一致性和可维护性。

## 核心技能详解

该项目目前包含三个主要技能，每个技能都针对特定的开发场景进行了深度优化。

### 1. commit-message：规范化的 Git 提交

Git 提交信息是代码历史的"日记"，良好的提交规范能让项目历史清晰可读。commit-message 技能通过以下机制确保提交质量：

**原子提交原则**：技能会检查暂存区的文件，确保每次提交只包含一个逻辑变更。如果发现不相关的修改，它会主动提醒开发者拆分提交。这种粒度控制让代码回滚和 cherry-pick 变得更加安全。

**50/72 规则强制执行**：这是 Git 社区广泛认可的提交信息格式规范——主题行不超过 50 个字符，正文每行不超过 72 个字符。技能使用 `wc -c` 自动测量字符数，杜绝手动计数的繁琐和误差。当主题行超过 50 字符时会发出警告，超过 72 字符则直接阻止提交。

**Conventional Commits 格式**：技能内置完整的提交类型表（feat、fix、chore、ci、docs、refactor、perf、test、style、build、revert），并支持可选的作用域（scope）格式 `[type](scope): subject`。同时标注每种类型的 SemVer 影响（如 feat 对应 MINOR 版本，fix 对应 PATCH 版本），帮助开发者理解变更的语义化版本含义。

**确认提示机制**：在执行 `git commit` 前，技能会展示暂存文件列表、字符计数和完整的提交信息，让开发者有机会在最后一刻检查和修正。

### 2. create-pr：标准化的 Pull Request 流程

Pull Request 是代码审查的核心环节，清晰的 PR 描述能大幅提升审查效率。create-pr 技能通过智能分析和模板化，让 PR 创建变得规范而高效。

**智能标题和正文推导**：技能会分析 `git log` 和项目历史 PR 的风格，自动提取合适的标题和描述内容。它不只是简单地复制提交信息，而是理解变更的上下文，生成符合项目习惯的描述。

**结构化正文模板**：生成的 PR 正文包含三个标准部分：
- **Summary**：变更的概要说明
- **Changes**：具体的改动列表
- **Test plan**：测试计划和验证步骤

这种结构让审查者能快速定位关键信息，减少来回沟通的成本。

**双重确认机制**：与 commit-message 类似，create-pr 在执行 `gh pr create` 前会展示分支名、提交数量、标题和完整正文，确保信息准确无误后才正式提交。

### 3. postgres-scaffold：规范化的数据库建模

数据库 schema 设计是后端开发的关键环节，一致的命名规范和审计字段能显著提升数据层的可维护性。postgres-scaffold 技能专注于 PostgreSQL 数据库的规范化建模。

**Goose 迁移文件生成**：技能会自动生成符合 Goose 迁移工具规范的文件，包含正确的时间戳命名、Up/Down 双向迁移逻辑，以及 StatementBegin/StatementEnd 标记。这消除了手动创建迁移文件的繁琐和潜在错误。

**UUIDv7 主键策略**：项目采用 UUIDv7 作为主键，相比传统的自增 ID 具有更好的分布式特性和排序性能。技能会自动检测 PostgreSQL 版本（17+ 原生支持 uuidv7），对于旧版本则回退到 pg_uuidv7 扩展或 Go 端的 BeforeCreate 钩子。

**Schema 约定强制执行**：技能遵循严格的命名规范：
- 表名使用 snake_case 复数形式
- 标准审计字段：created_at、updated_at、deleted_at、created_by、updated_by
- 外键约束和级联操作
- 软删除的局部索引优化

**可选的 GORM 模型生成**：对于使用 GORM 的项目，技能可以生成对应的 Go 结构体。它使用自定义的 Base/AuditBase 结构体，而非默认的 gorm.Model，让模型定义更加清晰可控。

## 技术实现与集成方式

### 基于 npx skills 标准

该项目遵循 Vercel Labs 提出的 npx skills 开放标准，这意味着技能可以通过 npx 直接安装，无需复杂的配置。安装命令简洁直观：

```bash
# 安装特定技能到项目
npx skills add pyaethu-aung/skills --skill commit-message
npx skills add pyaethu-aung/skills --skill create-pr
npx skills add pyaethu-aung/skills --skill postgres-scaffold

# 全局安装
npx skills add pyaethu-aung/skills --skill commit-message --global
```

### Git Hooks 集成

项目还提供了 Git hooks 方案，在 `.githooks/` 目录下包含 commit-msg hook。这个 hook 会在每次手动执行 `git commit` 时触发，执行与 commit-message 技能相同的检查逻辑。激活方式简单：

```bash
git config core.hooksPath .githooks
```

Hook 的检查项包括：
- 提交信息是否符合 Conventional Commits 格式
- 主题行是否超过 72 字符（超过 50 字符警告）
- 主题行是否以句点结尾
- 主题行和正文之间是否有空行

### Claude Code 防护机制

为了防止 Claude 绕过技能直接执行命令，项目提供了防护脚本。通过在 `.claude/settings.json` 中配置 PreToolUse hooks，可以拦截 `git commit` 和 `gh pr create` 调用，强制重定向到对应的技能命令。

例如，git-commit-guard.sh 脚本会检查提交信息是否符合 Conventional Commits 格式（通过 `-m` 标志）或通过 heredoc（`-F` 标志）传入，对于其他形式的提交则予以阻止。这种机制确保了即使在 Claude 自主决策的场景下，规范也能得到强制执行。

## 使用场景与价值

这套技能集特别适合以下场景：

**团队协作项目**：当多个开发者使用 Claude 辅助编程时，技能集确保了所有人的提交和 PR 风格一致，降低了代码审查的认知负担。

**开源项目维护**：对于接受外部贡献的项目，统一的提交规范让变更历史清晰可读，便于生成 CHANGELOG 和版本发布说明。

**个人开发者习惯养成**：即使单人项目，遵循良好的提交规范也能让未来的自己更容易理解代码演进历史。

**数据库密集型应用**：postgres-scaffold 技能特别适合需要频繁调整 schema 的项目，自动化的迁移文件生成和规范检查能避免许多低级错误。

## 技术参考与生态

该项目建立在多个成熟规范之上：
- [Conventional Commits](https://www.conventionalcommits.org/)：提交信息的标准化格式
- [Semantic Versioning](https://semver.org/)：语义化版本控制规范
- [Chris Beams 的 Git 提交指南](https://cbea.ms/git-commit/)：50/72 规则的来源
- [npx skills](https://github.com/vercel-labs/skills)：技能分发和安装的基础设施

## 结语

pyaethu-aung/skills 代表了 AI 辅助编程的一个重要发展方向——从"让 AI 能做事"到"让 AI 按规范做事"。通过将最佳实践编码为可复用的技能，开发者可以在享受 AI 效率提升的同时，保持代码库的专业性和可维护性。这种"约束即自由"的理念，或许正是 AI 时代团队协作的新范式。