mcpField
S
senior-fullstack

senior-fullstack

github.com/ovachiever开发5650 次安装48 周前更新
代码仓库

关于 senior-fullstack

Senior Fullstack 是面向全栈开发工作的技能包，提供项目脚手架、代码质量分析脚本及技术栈和架构参考。内容覆盖多种语言、前端、后端与云技术。

主要功能

  1. 01运行全栈与项目脚手架脚本
  2. 02执行代码质量分析
  3. 03查阅技术栈实践指南
  4. 04参考架构模式与开发流程

适用场景

  1. 01启动全栈项目结构
  2. 02分析项目并查看改进建议
  3. 03为技术选型和架构设计查阅参考
  4. 04检查开发流程中的安全与扩展性

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/ovachiever/droid-tings --skill senior-fullstack

安装后在 Claude Code 中输入/senior-fullstack确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

references/
architecture_patterns.md
development_workflows.md
tech_stack_guide.md
scripts/
code_quality_analyzer.py
fullstack_scaffolder.py
project_scaffolder.py

详细介绍

高级全栈开发

面向高级全栈开发的完整工具包，采用现代工具和最佳实践。

快速入门

主要功能

此技能通过自动化脚本提供三项核心功能：

# Script 1: Fullstack Scaffolder
python scripts/fullstack_scaffolder.py [options]

# Script 2: Project Scaffolder
python scripts/project_scaffolder.py [options]

# Script 3: Code Quality Analyzer
python scripts/code_quality_analyzer.py [options]

核心功能

1. 全栈脚手架生成器

用于全栈脚手架任务的自动化工具。

功能：

  • 自动生成脚手架
  • 内置最佳实践
  • 可配置模板
  • 质量检查

用法：

python scripts/fullstack_scaffolder.py <project-path> [options]
2. 项目脚手架生成器

全面的分析与优化工具。

功能：

  • 深度分析
  • 性能指标
  • 优化建议
  • 自动修复

用法：

python scripts/project_scaffolder.py <target-path> [--verbose]
3. 代码质量分析器

用于专业任务的高级工具。

功能：

  • 专家级自动化
  • 自定义配置
  • 可供集成
  • 生产级输出

用法：

python scripts/code_quality_analyzer.py [arguments] [options]

参考文档

技术栈指南

references/tech_stack_guide.md 中提供了全面的指南：

  • 详细的模式与实践
  • 代码示例
  • 最佳实践
  • 应避免的反模式
  • 真实场景
架构模式

references/architecture_patterns.md 中提供了完整的工作流文档：

  • 分步流程
  • 优化策略
  • 工具集成
  • 性能调优
  • 故障排除指南
开发工作流

references/development_workflows.md 中提供了技术参考指南：

  • 技术栈详情
  • 配置示例
  • 集成模式
  • 安全注意事项
  • 可扩展性指南

技术栈

语言： TypeScript、JavaScript、Python、Go、Swift、Kotlin 前端： React、Next.js、React Native、Flutter 后端： Node.js、Express、GraphQL、REST APIs 数据库： PostgreSQL、Prisma、NeonDB、Supabase DevOps： Docker、Kubernetes、Terraform、GitHub Actions、CircleCI 云： AWS、GCP、Azure

开发工作流

1. 设置与配置
# Install dependencies
npm install
# or
pip install -r requirements.txt

# Configure environment
cp .env.example .env
2. 运行质量检查
# Use the analyzer script
python scripts/project_scaffolder.py .

# Review recommendations
# Apply fixes
3. 实施最佳实践

遵循以下文档中介绍的模式与实践：

  • references/tech_stack_guide.md
  • references/architecture_patterns.md
  • references/development_workflows.md

最佳实践概要

代码质量
  • 遵循既定模式
  • 编写全面的测试
  • 记录决策
  • 定期审查
性能
  • 优化前先进行测量
  • 使用恰当的缓存
  • 优化关键路径
  • 在生产环境中监控
安全
  • 验证所有输入
  • 使用参数化查询
  • 实施适当的身份验证
  • 保持依赖项为最新版本
可维护性
  • 编写清晰的代码
  • 使用一致的命名方式
  • 添加有用的注释
  • 保持简洁

常用命令

# Development
npm run dev
npm run build
npm run test
npm run lint

# Analysis
python scripts/project_scaffolder.py .
python scripts/code_quality_analyzer.py --analyze

# Deployment
docker build -t app:latest .
docker-compose up -d
kubectl apply -f k8s/

故障排除

常见问题

请参阅 references/development_workflows.md 中全面的故障排除部分。

获取帮助
  • 查阅参考文档
  • 查看脚本输出消息
  • 参阅技术栈文档
  • 查看错误日志

资源

  • 模式参考：references/tech_stack_guide.md
  • 工作流指南：references/architecture_patterns.md
  • 技术指南：references/development_workflows.md
  • 工具脚本：scripts/ 目录

评论

支持 Markdown