mcpField
A
ai-dev-tools-sync

ai-dev-tools-sync

github.com/duc01226Agent 工作流1248 次安装1 周前更新
代码仓库

关于 ai-dev-tools-sync

用于同步 Claude、Codex 和 GitHub Copilot 配置的技能。它比较各工具的技能、提示词、Agent 和指令,并更新源文件及其托管镜像。

主要功能

  1. 01比较工具配置
  2. 02同步技能、提示词和 Agent
  3. 03对齐指令文件
  4. 04重新生成托管镜像

适用场景

  1. 01保持 Claude 与 Copilot 指引一致
  2. 02源配置变更后更新 Codex 镜像
  3. 03发现不同工具间的配置缺口

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/duc01226/easyplatform --skill ai-dev-tools-sync

安装后在 Claude Code 中输入/ai-dev-tools-sync确认已加载。

附带文件references/copilot-features.mdreferences/sync-patterns.md

详细介绍

Codex 兼容性说明:

  • 在 Codex 中使用 $skill-name 调用仓库技能;此镜像副本会将旧版 Claude /skill-name 引用改写为此形式。
  • 任务跟踪要求:执行任何工作流或技能步骤之前,先为所有步骤创建/更新任务跟踪,并随着进度变化保持同步。
  • 用户问题提示意味着应在 Codex 中直接询问用户。
  • 忽略出现的 Claude 专属模式切换指令。
  • 严格执行约定:用户明确调用某项技能时,须按原文执行该技能协议。
  • 子 Agent 授权:用户调用或 AI 检测到某项技能,且其协议要求使用子 Agent 时,该技能激活即授权为该任务使用所需的 spawn_agent 子 Agent。
  • 除非用户事先明确批准偏离,否则不得跳过、调换或合并协议步骤。
  • 对于工作流技能,须明确执行每个列出的子技能步骤,并逐步报告证据。
  • 如果此环境无法执行必需的步骤/工具,请停止并询问用户,然后再进行调整。

Codex 项目参考资料加载(无钩子)

Codex 不会接收由 Claude 钩子注入的文档。 在编码、规划、调试、测试或审查时,请按照以下路由显式打开项目文档。

始终阅读:

  • docs/project-config.json(项目专属路径、命令、模块以及工作流/测试设置)
  • docs/project-reference/docs-index-reference.md(指向完整 docs/project-reference/* 目录的路由)
  • docs/project-reference/lessons.md(始终适用的防护措施和反模式)

根据情况阅读的文档:

  • 后端/CQRS/API/领域/实体变更:backend-patterns-reference.md、domain-entities-reference.md、project-structure-reference.md
  • 前端/UI/样式/设计系统:frontend-patterns-reference.md、scss-styling-guide.md、design-system/README.md
  • 规格/测试用例规划或 TC 映射:feature-docs-reference.md
  • 集成测试实现/审查:integration-test-reference.md
  • E2E 测试实现/审查:e2e-test-reference.md
  • 代码审查/审计工作:code-review-rules.md,以及根据变更文件选择上述领域文档

不要盲目阅读所有文档。先从 docs-index-reference.md 开始,然后只打开与任务相关的文件。

快速摘要

目标: 同步受支持的 AI 开发工具配置,使 Claude、Codex 和 GitHub Copilot 在支持的范围内依据等效的源指南开展工作。

工作流:

  1. 了解 — 阅读当前配置(CLAUDE.md、AGENTS.md、CODEX_CONTEXT.md、copilot-instructions.md、agents、workflows)
  2. 调研 — 搜索目标平台的最新功能
  3. 比较 — 找出技能、提示词、Agent 或说明中的差异
  4. 同步 — 先在源表面实施变更,然后在适用时重新生成受管理的镜像

关键规则:

  • Copilot 会自动读取 .claude/skills/(向后兼容)
  • 两个平台都会读取 .github/prompts/*.prompt.md 和 .github/agents/*.md
  • 说明变更时,务必同时更新 CLAUDE.md、.github/copilot-instructions.md 和 .github/instructions/*.instructions.md
  • Codex 受管理的输出为 .agents/skills/**、.codex/CODEX_CONTEXT.md 和 AGENTS.md;先编辑 .claude 源文件,然后运行 Codex 同步

保持审慎,运用批判性思维和顺序思维。每项主张都必须有可追溯的证据和置信度百分比(Idea 应高于 80%)。

AI 开发工具同步

同步受支持的 AI 开发工具配置,以确保各活跃工具界面保持一致。

适用场景

与相关技能的范围对比:这是范围最广的同步——双向(Claude↔Copilot),涵盖技能、提示词、Agent 和指令。仅同步 Claude→Copilot 的知识/文档 → $sync-to-copilot。仅同步 workflows.json 目录(速度快,无需 AI)→ $sync-copilot-workflows。

在以下情况启用此技能:

  • 用户要求更新 Claude Code 或 Copilot 配置
  • 用户想要添加或修改技能、提示词、Agent 或指令
  • 用户希望两种工具的工作方式相似
  • 用户询问 AI 开发工具配置

快速参考

源位置管理/对应位置路径
SKILL.mdCodex 技能镜像.claude/skills/ -> .agents/skills/
上下文/工作流Codex 上下文镜像.claude/**、.claude/workflows.json -> .codex/、AGENTS.md
SKILL.mdCopilot 技能/提示词.claude/skills/ + .github/skills/ / .github/prompts/
agents/*.mdagents/*.md.github/agents/(共享)
CLAUDE.mdCopilot + Codex 根指令根目录的 CLAUDE.md、AGENTS.md、.github/
-chatmodes/*.chatmode.md.github/chatmodes/

同步流程

第 1 步:了解当前配置

阅读以下文件,了解当前配置:

.claude/workflows/orchestration-protocol.md
.claude/workflows/primary-workflow.md
.github/copilot-instructions.md
.github/instructions/*.instructions.md
.github/AGENTS.md
CLAUDE.md
第 2 步:研究最新功能

搜索网页,查找:

  • "GitHub Copilot features setup 2026"
  • "GitHub Copilot custom instructions agents skills prompts"
  • "GitHub Copilot agent mode workspace context"

功能目录请参阅 references/copilot-features.md。

第 3 步:找出同步机会

比较各项能力并找出差异:

  • 某个平台缺少的技能
  • 提示词/指令行为不一致
  • 定义不同的 Agent
第 4 步:实施更改

对于每项更改:

  1. 技能:在 .claude/skills/ 和 .github/skills/ 中创建
  2. 提示词:在 .claude/skills/ 和 .github/prompts/ 中创建
  3. 指令:更新 CLAUDE.md + .github/copilot-instructions.md + .github/instructions/*.instructions.md
  4. Agent:更新 .github/agents/(双方共享)

兼容性说明

  • Copilot 会自动读取 .claude/skills/(向后兼容)
  • 双方都会读取 .github/prompts/*.prompt.md
  • 双方都会读取 .github/agents/*.md
  • 双方都会读取根目录或 .github/ 中的 AGENTS.md
  • 双方都支持通过 frontmatter 中的 applyTo 使用基于路径的指令文件

参考资料


[IMPORTANT] 开始前,使用任务跟踪将所有工作拆分为小任务——包括每个待读取文件对应的任务。这可以防止因文件过长而丢失上下文。对于简单任务,AI 必须注意询问用户是否跳过。

防止 AI 犯错 — 每项任务中都要避免以下失误:

删除前检查下游引用。 删除组件会导致文档和代码出现连锁过时问题。删除前,梳理所有引用该组件的文件。 根据实际代码验证 AI 生成的内容。 AI 会臆造 API、类名和方法签名。记录或引用前,务必使用 grep 确认其确实存在。 编辑后追踪完整依赖链。 修改定义时,可能会遗漏由其衍生的下游变量和使用方。务必追踪完整链路。 验证正确性时追踪所有代码路径。 确认代码存在,并不等于确认它会执行。务必追踪提前退出、错误分支和条件跳过路径,而不只是正常路径。 调试时,先问“该由谁负责?”,再着手修复。 追踪问题出在调用方(数据错误)还是被调用方(处理错误)。在应负责的层修复,切勿只修补症状出现的位置。 假设现有值是有意设置的——更改前先问为什么。 更改任何常量、限制、标志或模式前:先读注释、检查 git blame,并查看周边代码。 验证所有受影响的输出,而不只是第一个。 涉及多个技术栈的更改,需要验证每一个输出。一个检查通过,不代表所有检查都通过。 整体优先的调试方式——避免陷入就近关注陷阱。 调查任何故障时,先列出所有前置条件(配置、环境变量、数据库名称、端点、DI 注册、数据前提),再逐一根据证据验证,然后才能提出任何代码层面的假设。 精准修改——执行差异测试。 修复错误时,每一处更改都必须能直接追溯到该错误。不要顺手调整格式或改进相邻代码。增强任务:实现改进并明确说明。 编码前明确歧义——不要默默做出选择。 如果请求有多种解释,请逐一列出并估算工作量,然后询问用户。切勿擅自假设要处理所有记录、采用基于文件的方式,或选择更复杂的路径。

批判性思维意识 — 运用批判性思维和顺序思维。每项结论都需要有可追溯的证据;只有置信度超过 80% 才能采取行动。 防止幻觉: 切勿把猜测当作事实陈述——为每项结论注明来源,坦诚承认不确定性,自查输出是否有误,独立交叉验证,并对自己的判断保持怀疑——没有证据的确信是所有幻觉的根源。

必须注意运用批判性思维——每项结论都需要有可追溯的证据;只有置信度超过 80% 才能采取行动。防止幻觉:切勿把猜测当作事实陈述。

必须注意运用 AI 防错措施——整体优先调试、在应负责的层修复、编码前明确歧义,并在压缩上下文后重新阅读文件。

结束提醒

  • 强制要求、重要、必须注意:开始前,使用任务跟踪将工作拆分为小型待办任务
  • 强制要求、重要、必须注意:新建代码前,在代码库中搜索 3 个或更多类似模式
  • 强制要求、重要、必须注意:为每项结论提供 file:line 证据(置信度超过 80% 才能采取行动)
  • 强制要求、重要、必须注意:添加最终审核待办任务,以验证工作质量

[TASK-PLANNING] 行动前,分析任务范围,并使用任务跟踪系统地将其拆分为小型待办任务和子任务。

无钩子提示词协议镜像(自动同步)

来源:.claude/hooks/lib/prompt-injections.cjs + .claude/.ck.json

[WORKFLOW-EXECUTION-PROTOCOL] [BLOCKING] 工作流执行协议 — 强制、重要、必须、关键。无论出于何种原因,都不得跳过。

通用可移植性边界: 可复用的技能和协议文本应与项目无关;从 docs/project-config.json 和 docs/project-reference/ 中查找项目特定约定。应用 shared/sdd-artifact-contract.md 中的共享 AI-SDD。阅读 docs/project-config.json 和 docs/project-reference/docs-index-reference.md,然后打开其中列出的项目参考文档。只要具备此共享上下文和本地文档,任何受支持的 AI 工具都可以执行。

  1. 检测: 将提示词与工作流目录进行匹配
  2. 分析: 找出最匹配的工作流,并评估自定义步骤组合是否更合适
  3. 询问(必需格式): 直接向用户提问,采用以下结构;除非用户明确调用了某个工作流/技能,且本地协议将明确调用视为确认:
    • 问题:"你想启用哪个工作流?"
    • 选项 1:"启用 [最佳匹配工作流](推荐)"
    • 选项 2:"启用自定义工作流:[步骤 1 → 步骤 2 → ...]"(附上一句话说明理由)
  4. 启用(确认后): 标准工作流调用 $workflow-start <workflowId>;自定义步骤按顺序手动执行
  5. 创建任务: 跟踪工作流的所有步骤
  6. 执行: 按顺序遵循每个步骤 [CRITICAL-THINKING-MINDSET] 运用批判性思维和顺序思维。每项声明都必须有可追溯的证据;置信度超过 80% 才能采取行动。 反幻觉原则: 切勿将猜测当作事实;每项声明都要引用来源;坦率承认不确定性;自行检查输出是否有误;独立交叉核对;对自己的判断保持怀疑——没有证据的确信是所有幻觉的根源。 AI 注意力原则(首因-近因效应): 对于较长的提示词/协议,将最关键的 3 条规则同时放在开头和结尾,以确保指令在较长上下文窗口中仍能得到遵循。 目标驱动执行: 先定义成功标准,循环执行直至验证通过,并且只有在可观察的检查均通过后才停止。 测试验证意图: 测试必须保护业务规则/不变量,并在受保护的意图被破坏时失败,而不能只照搬当前行为。

[LESSON-LEARNED-REMINDER] [BLOCKING] 任务规划与持续改进 — 强制执行。不得跳过。

开始前将工作拆分为小任务并进行跟踪。添加最终任务:"分析 AI 错误与经验教训"。

提取经验教训——仅限根本原因,不处理表面症状:

  1. 指明失败模式(推理/假设失误),而非症状——例如“未阅读源代码就假设 API 存在”,而不是“使用了错误的枚举值”。
  2. 通用性测试:此失败模式是否适用于 ≥3 种情境/代码库?如果不适用,就再抽象一层。
  3. 将其写成通用规则——去除项目特定的名称/路径/类。该规则应适用于任何代码库。
  4. 合并:多个错误若有相同的失败模式 → 总结为一条经验教训。
  5. 重复发生检查:“如果没有这条提醒,未来会话中还会发生这种情况吗?”——不会 → 跳过 $learn。
  6. 自动修复检查:“$code-review/$code-simplifier/$security/$lint 能否发现此问题?”——能 → 改进相应的审查技能。
  7. 两项检查均通过 → 请用户运行 $learn。 [TASK-PLANNING] [MANDATORY] 在执行任何工作流或技能步骤之前,先为所有计划步骤创建/更新任务跟踪;然后随着每个步骤开始/完成,持续同步任务状态。

评论

支持 Markdown