sc-implement

实现技能

通过协同专业知识和系统化开发，全面实现功能。

快速开始

# Basic implementation
/sc:implement [feature-description] --type component|api|service|feature

# With framework
/sc:implement dashboard widget --framework react|vue|express

# Complex orchestration
/sc:implement [task] --orchestrate --strategy systematic|agile|enterprise

行为流程

1. 分析 - 检查需求，识别技术上下文
2. 规划 - 选择方案，启用相关角色
3. 生成 - 遵循框架最佳实践创建实现
4. 验证 - 执行安全、质量和原则验证
   • 运行 KISS 验证：python .claude/skills/sc-principles/scripts/validate_kiss.py --scope-root . --json
   • 运行 Purity 验证：python .claude/skills/sc-principles/scripts/validate_purity.py --scope-root . --json
   • 如果受阻：重构代码以符合要求后再继续
5. 集成 - 更新文档，提供测试建议

标志

标志	类型	默认值	描述
--type	string	feature	component、api、service、feature
--framework	string	auto	react、vue、express 等
--safe	bool	false	启用安全约束
--with-tests	bool	false	同时生成测试
--fast-codex	bool	false	精简流程，跳过多角色协作
--orchestrate	bool	false	启用分层任务拆分
--strategy	string	systematic	systematic、agile、enterprise、parallel、adaptive
--delegate	bool	false	启用智能委派
--principles	bool	true	启用 KISS/Purity 验证
--strict-principles	bool	false	将原则警告视为错误

启用的角色

• architect - 系统设计、架构决策
• frontend - UI/组件实现
• backend - API/服务实现
• security - 安全验证、身份验证相关问题
• qa-specialist - 测试、质量保证
• devops - 基础设施、部署
• project-manager - 任务协调（配合 --orchestrate 使用）
• code-warden - 原则执行（KISS、Purity）

MCP 集成

PAL MCP（质量保障必用）

工具	使用时机	用途
mcp__pal__consensus	架构决策	重大变更前进行多模型验证
mcp__pal__codereview	代码质量	审查实现质量、安全性和性能
mcp__pal__precommit	提交前	在 git commit 前验证所有变更
mcp__pal__debug	实现问题	对遇到的错误进行根因分析
mcp__pal__thinkdeep	复杂功能	对复杂实现进行多阶段分析
mcp__pal__planner	大型功能	为多步骤实现制定循序渐进的计划
mcp__pal__apilookup	依赖项	获取最新的 API/SDK 文档
mcp__pal__challenge	代码审查反馈	批判性评估审查建议

PAL 使用模式

# Consensus for architectural decision
mcp__pal__consensus(
    models=[
        {"model": "gpt-5.2", "stance": "for"},
        {"model": "gemini-3-pro", "stance": "against"},
        {"model": "deepseek", "stance": "neutral"}
    ],
    step="Evaluate: Should we use Redux or Context API for state management?"
)

# Pre-commit validation
mcp__pal__precommit(
    path="/path/to/repo",
    step="Validating implementation changes",
    findings="Security, performance, completeness checks",
    confidence="high"
)

# Code review after implementation
mcp__pal__codereview(
    review_type="full",
    step="Reviewing new authentication implementation",
    findings="Quality, security, performance, architecture",
    relevant_files=["/src/auth/login.ts", "/src/auth/middleware.ts"]
)

# Debug implementation issue
mcp__pal__debug(
    step="Investigating why API returns 500 on edge case",
    hypothesis="Null check missing for optional field",
    confidence="medium"
)

Rube MCP（自动化与集成）

工具	使用时机	用途
mcp__rube__RUBE_SEARCH_TOOLS	外部服务	查找 API、SDK 和集成
mcp__rube__RUBE_MULTI_EXECUTE_TOOL	CI/CD、通知	触发构建、通知团队、更新工单
mcp__rube__RUBE_REMOTE_WORKBENCH	代码生成	批量代码操作、转换
mcp__rube__RUBE_CREATE_UPDATE_RECIPE	可复用工作流	将实现模式保存为配方
mcp__rube__RUBE_MANAGE_CONNECTIONS	验证集成	确保外部服务连接正常

Rube 使用模式

# Search for integration tools
mcp__rube__RUBE_SEARCH_TOOLS(queries=[
    {"use_case": "send slack message", "known_fields": "channel_name:dev-updates"},
    {"use_case": "create github pull request", "known_fields": "repo:myapp"}
])

# Notify team and update ticket on completion
mcp__rube__RUBE_MULTI_EXECUTE_TOOL(tools=[
    {"tool_slug": "SLACK_SEND_MESSAGE", "arguments": {
        "channel": "#dev-updates",
        "text": "Feature implemented: User authentication flow"
    }},
    {"tool_slug": "JIRA_UPDATE_ISSUE", "arguments": {
        "issue_key": "PROJ-123",
        "status": "In Review"
    }},
    {"tool_slug": "GITHUB_CREATE_PULL_REQUEST", "arguments": {
        "repo": "myapp",
        "title": "feat: Add user authentication",
        "base": "main",
        "head": "feature/auth"
    }}
])

# Save implementation workflow as recipe
mcp__rube__RUBE_CREATE_UPDATE_RECIPE(
    name="Feature Implementation Workflow",
    description="Standard flow for implementing features with notifications",
    workflow_code="..."
)

MCP 驱动的循环模式

启用 --loop 后，迭代过程中会使用 MCP 工具：

1. 第 N 次迭代 - 实现功能
2. PAL codereview - 评估质量（目标：70 分以上）
3. PAL debug - 调查发现的任何问题
4. 第 N+1 次迭代 - 应用改进
5. PAL precommit - 标记完成前进行最终验证

防护措施

• 以分析模式开始；在操作文件前制定明确的计划
• 只有在引用具体的仓库变更（文件名 + diff 代码块）时，才标记为已完成
• 如果无法使用工具，则返回计划 + 后续操作
• 优先采用最小可行变更；跳过推测性的脚手架
• 修改身份验证/密钥/权限前，先升级至安全角色

证据要求

此技能要求提供证据。你必须：

• 展示实际的文件差异或代码变更
• 引用测试结果或 lint 输出
• 绝不在没有证据的情况下声称代码存在

示例

React 组件

/sc:implement user profile component --type component --framework react

带测试的 API

/sc:implement user auth API --type api --safe --with-tests

复杂编排

/sc:implement "enterprise auth system" --orchestrate --strategy systematic --delegate

循环模式与学习

使用 --loop 时，此技能会与技能持久化层集成，以支持跨会话学习：

学习机制

1. 反馈记录 - 持久化每次迭代的质量评分和改进内容
2. 技能提取 - 达到质量阈值时，提取成功模式
3. 技能检索 - 将相关的已学习技能注入后续任务
4. 效果跟踪 - 跟踪已应用技能的成功率

循环标志

标志	类型	默认值	描述
--loop	int	3	启用迭代改进（最多 5 次）
--learn	bool	true	启用从本次会话中学习
--auto-promote	bool	false	自动提升高质量技能

学习示例

# Iterative implementation with learning
/sc:implement auth flow --loop 3 --learn

# View learned skills
python scripts/skill_learn.py '{"command": "stats"}'

# Retrieve relevant skills
python scripts/skill_learn.py '{"command": "retrieve", "task": "auth"}'

已学习技能的位置

已提升的技能存储在：

.claude/skills/learned/
├── SKILL.md                    # Index
├── learned-backend-auth/       # Example promoted skill
│   ├── SKILL.md
│   └── metadata.json

资源

• scripts/select_agent.py - Agent 选择逻辑
• scripts/evidence_gate.py - 证据验证
• scripts/skill_learn.py - 技能学习管理