关于 skill-fix-logs
根据根目录的 `logs.txt` 分析并修复 Agent Skill。它指导修改 Skill 文件、检查同步要求,并通过重新运行 Skill 验证结果。
主要功能
- 01分析 `logs.txt` 中的错误
- 02定位 Skill 失败原因
- 03修改 SKILL.md、脚本或参考文件
- 04检查 SYNC 标签和内嵌协议
- 05修改后重新测试 Skill
适用场景
- 01依据日志排查 Skill 故障
- 02修正 Skill 指令或配套文件
安装
复制下面的命令,在终端中运行。
npx skills add https:/ / github.com/ duc01226/ easyplatform --skill skill-fix-logs安装后在 Claude Code 中输入/skill-fix-logs确认已加载。
详细介绍
Codex 兼容性说明:
- 在 Codex 中使用
$skill-name调用仓库技能;此镜像副本会将旧版 Claude/skill-name引用改写为此形式。- 任务跟踪要求:在执行任何工作流或技能步骤之前,先为所有步骤创建或更新任务跟踪,并随着进度变化保持同步。
- 用户问题提示表示要直接在 Codex 中询问用户。
- 出现 Claude 专属的模式切换说明时,请忽略。
- 严格执行约定:用户明确调用某项技能时,必须按原样执行该技能协议。
- 子 Agent 授权:当用户调用或 AI 检测到某项技能,且其协议要求使用子 Agent 时,该技能的激活即授权为此任务使用所需的
spawn_agent子 Agent。- 除非用户事先明确批准偏离,否则不得跳过、重排或合并协议步骤。
- 对于工作流技能,必须明确执行每个列出的子技能步骤,并逐步提供执行证据。
- 如果此环境无法运行某个必需步骤或工具,请停止并在调整方案前询问用户。
Codex 项目参考资料加载(无钩子)
Codex 不会接收基于 Claude 钩子的文档注入。 编写代码、制定计划、调试、测试或审查时,请按照以下路径显式打开项目文档。
始终阅读:
docs/project-config.json(项目专属路径、命令、模块以及工作流和测试设置)docs/project-reference/docs-index-reference.md(指向完整docs/project-reference/*目录)docs/project-reference/lessons.md(始终生效的防护规则和反模式)
根据情况阅读的文档:
- 后端/CQRS/API/领域/实体变更:
backend-patterns-reference.md、domain-entities-reference.md、project-structure-reference.md - 前端/UI/样式/设计系统:
frontend-patterns-reference.md、scss-styling-guide.md、design-system/README.md - 规格/测试用例规划或 TC 映射:
feature-docs-reference.md - 集成测试实现/审查:
integration-test-reference.md - E2E 测试实现/审查:
e2e-test-reference.md - 代码审查/审计工作:
code-review-rules.md,并根据变更文件阅读上述领域文档
不要不加区分地阅读所有文档。请从 docs-index-reference.md 开始,然后仅打开与任务相关的文件。
快速摘要
目标: 根据技能 logs.txt 文件中的错误分析修复技能。
工作流:
- 阅读 — 分析技能的
logs.txt,查找错误和失败 - 诊断 — 确定技能故障的根本原因
- 修复 — 修正
SKILL.md、脚本或参考资料 - 验证 SYNC 合规性 — 确保修复不会破坏 SYNC 标签配对或移除内联协议
- 增强 — 如果修改了结构,则对修复后的
SKILL.md调用$prompt-enhance - 测试 — 再次运行技能以验证修复
关键规则:
- 聚焦于日志中报告的具体错误
- 修复
SKILL.md结构时:保持 SYNC 标签配对,并保留内联协议 - 如果修改了
SKILL.md结构,必须调用$prompt-enhance - 修复尝试失败 3 次后必须停止——报告结果,并在进行第 4 次尝试前询问用户
任务
根据 logs.txt 文件(项目根目录)修复 Agent 技能。
$ARGUMENTS
规则
- 如果没有提供内容 → 直接向用户提问以澄清
- 如果提供了 URL → 使用
Explore子 Agent 探索所有内部链接 - 如果提供了 GitHub URL → 使用
repomix+ 并行的Explore子 Agent - 修改 SKILL.md 时:确认 `` 代码块保持配对
[重要] 开始前,务必使用任务跟踪将所有工作拆分为小任务。
防止 AI 犯错 — 每项任务都要避免以下失败模式: 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,先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 会幻觉出 API、类名和方法签名。记录或引用前,务必使用 grep 确认其存在。 编辑后追踪完整依赖链。 更改定义时,容易遗漏从该定义派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,不等于确认代码会执行。务必追踪提前退出、错误分支和条件跳过,不要只检查正常路径。 调试时,修复前先问“问题由谁负责?”。 追踪 bug 是出在调用方(数据错误)还是被调用方(处理错误)。在负责的层修复,绝不要只修补症状出现的位置。 假定现有值是有意设置的——更改前先问原因。 更改任何常量、限制、标志或模式前:阅读注释、检查 git blame、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——避免只关注眼前问题。 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),然后根据证据逐一验证,再提出任何代码层面的假设。 精准修改——应用差异测试。 修复 bug:每一处更改都必须能直接追溯到该 bug。不要顺带调整相邻代码的风格或做改进。增强任务:实现改进并明确说明。 编码前明确歧义——不要默默选择。 如果请求存在多种解读,请列出每种解读及其工作量估算并询问用户。绝不要擅自假定应采用全记录、基于文件或更复杂的方案。
批判性思维准则 — 运用批判性思维和顺序思维。每项断言都必须有可追溯的证据,只有置信度 >80% 时才能采取行动。 反幻觉: 绝不要把猜测说成事实——每项断言都要引用来源,坦然承认不确定性,自查输出是否有误,独立交叉核对,对自己的判断保持审慎——没有证据的确信是所有幻觉的根源。
务必注意 运用批判性思维——每项断言都必须有可追溯的证据,只有置信度 >80% 时才能采取行动。反幻觉:绝不要把猜测说成事实。
务必注意 遵循 AI 防错要求——整体优先地调试,在负责的层修复,编码前明确歧义,压缩上下文后重新阅读文件。
结束提醒
重要,务必注意 开始前,使用任务跟踪将工作拆分为小型待办任务
重要,务必注意 编辑 SKILL.md 时保持 SYNC 标签配对
重要,务必注意 结构性修复后,对 SKILL.md 调用 $prompt-enhance
重要,务必注意 修复尝试失败 3 次后立即停止——报告结果,并在第 4 次尝试前询问用户
重要,务必注意 每项断言都要引用 file:line 证据(置信度 >80% 才能采取行动)
[任务规划] 行动前,分析任务范围,并使用任务跟踪系统地将任务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。
- 检测: 将提示词与工作流目录进行匹配
- 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
- 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)
- 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 - 创建任务: 跟踪工作流的所有步骤
- 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:
- 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”。
- 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。
- 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。
- 合并:多个错误若有相同的失败模式 → 总结为一条经验教训。
- 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。 - 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。 - 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。