关于 qe-agentic-jujutsu
面向 AI Agent 的 Jujutsu 版本控制技能，介绍借助 ReasoningBank 学习操作模式并提供建议。文档还列出量子抗性安全、操作跟踪及多 Agent 协作相关能力；使用前需配置 AQE MCP 服务。
主要功能
- 01基于 ReasoningBank 学习模式
- 02发现成功的操作序列
- 03统计学习效果
- 04量子抗性完整性验证
- 05通过 AgentDB 跟踪操作
适用场景
- 01为 AI Agent 跟踪版本控制操作
- 02从历史操作中发现可复用模式
- 03查看学习改进统计
- 04验证操作数据完整性
MCP 相关
需要配置 AQE MCP 服务，并通过 @agentic-qe MCP 服务调用工具。文档列出的工具涵盖 QE Fleet 初始化、测试生成、覆盖率分析、质量评估及记忆存取。
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/qe-agentic-jujutsu确认已加载。
详细介绍
qe-agentic-jujutsu
面向 AI Agent 的抗量子、自学习版本控制，具备 ReasoningBank 智能和多 Agent 协作能力
标签： qe、quality-engineering
前提条件
此技能需要 AQE MCP 服务。请确保已在 .kiro/settings/mcp.json 中完成配置。
步骤
1. 安装
安装
2. 基本用法
基本用法
3. 核心能力
核心能力
4. 使用 Reasoningbank 自我学习
跟踪操作、学习模式并获取智能建议：
5. 模式发现
自动识别成功的操作序列：
6. 学习统计
跟踪随时间推移的改进情况：
7. 量子抗性安全 V230
使用抗量子密码学快速验证完整性：
8. 使用 Agentdb 跟踪操作
自动跟踪所有操作：
MCP 工具
通过 @agentic-qe MCP 服务使用 AQE 工具：
@agentic-qe/fleet_init— 初始化 QE fleet@agentic-qe/test_generate_enhanced— 生成测试@agentic-qe/coverage_analyze_sublinear— 分析覆盖率@agentic-qe/quality_assess— 评估质量门禁@agentic-qe/memory_store— 存储已学习的模式@agentic-qe/memory_query— 查询过往模式
评论
支持 Markdown