1. 项目概述为AI智能体注入专业灵魂的开发者工具箱如果你和我一样每天都在和Claude Code、Cursor这类AI编程助手打交道那你肯定也经历过那种“差一口气”的瞬间。模型能写代码但写出来的代码总感觉少了点“工程师的直觉”它能设计界面但审美判断又常常飘忽不定时而惊艳时而灾难。我们需要的不是一个更听话的执行者而是一个能真正理解项目上下文、具备专业判断力、甚至能主动思考的“搭档”。这正是cat-skills项目试图解决的问题——它不是另一个代码生成插件而是一套为AI智能体量身定制的“专业思维框架”和“工作流引擎”。简单来说cat-skills是一套包含13个独立技能的集合专门设计用来增强AI编程助手或称AI智能体在软件开发、设计、决策等全流程中的能力。它由catcatcat工作室出品也是他们日常构建产品时自用的工具集。这13个技能覆盖了“思考”、“构建”、“交付”和“编排”四大维度每个技能都专注于解决一个特定的、AI智能体在协作中普遍存在的短板。例如/prodev技能会为整个会话加载一套完整的“工程标准”手册从根本上改变模型评估每一行代码、每一个技术决策的方式而/liquid-cat-physics则能让AI进入一种“自主深度工作”的循环状态在你离开电脑时它依然能像一个有经验的项目经理一样持续、高质量地推进工作。这套工具的核心用户是那些已经将AI编程助手深度融入工作流的开发者和设计师。你不再满足于简单的代码补全而是希望AI能承担更复杂的任务比如进行技术调研、架构设计、代码审查甚至做出有品位的设计判断。cat-skills通过一系列精心设计的“技能”Skills为AI智能体注入了这些专业领域的“灵魂”和“肌肉记忆”。2. 核心设计理念从“执行工具”到“专业伙伴”的范式转变在深入每个技能之前理解cat-skills背后的设计哲学至关重要。这决定了你该如何使用它以及它能带来什么价值。当前大多数AI编程助手的工作模式本质上是“指令-响应”模式。你给出一个具体任务它生成一段代码或文本。这种模式在简单、明确的任务上效率很高但在复杂、开放性的问题上AI的表现往往不尽如人意因为它缺乏持续的专业上下文和判断标准。2.1 解决AI智能体的三大核心短板cat-skills的设计正是为了系统性弥补这些短板第一缺乏持续的专业标准。一个优秀的工程师在写代码时脑子里会同时运行着无数条“军规”这个函数的职责是否单一修改这里会不会产生意想不到的副作用爆炸半径这个API的用法是不是最新的AI在单次响应中或许能遵循你提示的某条规则但它无法在整个漫长的会话中始终保持这种高标准的、内化的工程思维。/prodev技能就是为了解决这个问题它像一本“现场工程师手册”一旦加载就会持续影响AI后续的所有输出。第二缺乏主动的、结构化的思考框架。当你让AI“设计一个登录系统”时它可能会直接开始写代码。但一个有经验的架构师会先做技术预研Spike评估风险然后制定分阶段的构建计划。/architect技能强制引入了这种结构化的构建生命周期Spike - Design - Plan - Build防止AI在复杂项目中迷失方向丢失整体规划。第三缺乏批判性思维和多元视角。AI容易陷入“唯命是从”的陷阱或者被它自己最初的思路困住。/adversary技能则扮演了“魔鬼代言人”的角色它会自动分析当前方案然后构建一个最强有力的替代方案来进行压力测试最终给出一个包含明确裁决Hold/Adjust/Reconsider的决策简报。这相当于为每一次重要决策都安排了一次高质量的内部评审会。2.2 “组合式”而非“一体化”的架构哲学另一个关键设计是“组合性”。cat-skills的13个技能彼此独立你可以只安装你需要的那个。它们就像一套瑞士军刀里的不同工具各司其职。但这种独立性并不意味着孤立。恰恰相反它们被设计成可以优雅地组合使用产生“112”的效果。例如/elevate专家视角、/prodev工程标准和/eye设计判断这三个技能分别从“做什么”、“怎么做”和“做得怎么样”三个维度塑造AI的能力。你可以同时加载它们让AI在构建一个功能时既能从战略高度选择正确方向又能以高标准执行最后还能从美学角度进行自我审查。而/liquid-cat-physics这个“编排者”技能则内嵌了/elevate和/prodev的思维模式并利用/notebook进行持久化形成了一个可以自主运行的智能工作循环。这种设计带来的最大好处是灵活性和可演进性。团队可以根据自己的技术栈和工作习惯选择并定制自己的技能组合。社区也可以基于这个框架开发针对特定领域如数据科学、DevOps的新技能。3. 核心技能深度解析与实战应用理解了设计理念我们来看看这些技能具体能做什么以及如何在实战中发挥最大价值。我将它们分为几个核心类别进行拆解。3.1 思维强化类技能赋予AI专业判断力这类技能不直接产生代码而是改变AI的“思考方式”是提升输出质量的基础。/prodev工程标准的“内化器”这是我认为最基础、也最重要的技能。它不是一个简单的“写出更好代码”的提示词而是一套完整的、可操作的行为准则系统。加载后AI会遵循一套包含七大原则的“现场手册”所有权心态写代码时要考虑6个月后的维护者而不是只为了通过当前的代码审查。层级纪律避免在数据层修复显示问题仅仅因为你现在打开的是那个文件。研究协议禁止使用训练数据中的过时API知识必须检查最新官方文档。当代模式采用资深工程师实际在用的模式而不是博客文章最多的那种。爆炸半径思维在修改代码前必须清楚了解其调用链和依赖关系。反谄媚对于糟糕的方案必须基于证据提出反对意见而不是盲目同意。自审查关卡在每次“提交”前运行一个自查清单。如果任何一项答案为“否”代码就不能“交付”。实操心得/prodev的效果是累积性的。在会话初期加载它你会发现AI在提出方案时会主动提及“根据当前最佳实践我建议使用X而不是Y因为...”。在写代码时它会注释“这里修改了A模块需要同步检查B和C模块的调用”。这极大地减少了后续重构和调试的成本。/elevate从执行者到顾问的“升维”这个技能让AI从一个被动的任务执行者转变为一个主动的、批判性的专家顾问。它会自动识别任务领域UI/UX、代码、架构等并代入该领域顶尖实践者的思维模式例如“一个构建过Figma、Linear和Notion的设计系统专家”。 它的工作流程是1) 识别领域并声明专家角色2) 理解工作的根本目的3) 必要时研究当前最佳实践4) 产出最多3个按“影响力/投入比”排序的方案提案每个提案会标记为“质量型”优化抛光或“野心型”重新构思。 最有趣的是如果当前工作已经足够出色/elevate会“推回”并建议“零修改”——这是一种高级别的认可也避免了无意义的过度优化。/adversary结构化的“反对派”当你或AI对一个重要决策比如技术选型、产品策略感到犹豫时使用/adversary。它会为当前方案构建最强有力的支持论据。自动生成一个“对手”子智能体为最具竞争力的替代方案构建同样强有力的论据。产出一份决策简报包括核心假设、最强反对论点、一个能决定胜负的关键问题以及一个强制性的裁决维持/调整/重新考虑/不确定。 它不会为了反对而反对。如果找不到可信的替代方案它会直接给出“维持”的裁决避免制造虚假的疑虑。/eye具备“品味”的设计评审官对于设计师或全栈开发者来说这是神器。它让AI像一个有“品味”的设计总监一样进行设计评审而不是套用死板的检查清单。其评审尺度可大可小/eye this button微观评审几句话说清这个按钮的好坏。/eye the hero section聚焦评审分析意图在相关维度上给出判断和方向。/eye全面评审包括直觉感受、维度判断、AI审美偏见检查、用户角色压力测试和优先级问题列表。 更重要的是它内置了一个“设计知识库”专门校准LLM的常见盲点比如将“合规性”误认为“高质量”、缺乏上下文地遵循规则、对“AI风格”的审美偏见、只会描述不会评判、对间距不敏感、混淆“极简”与“空洞”等。3.2 构建加速类技能优化工作流与信息输入这类技能专注于项目构建的前期和中期提升规划和研究的效率与质量。/architect防“跑偏”的阶段性构建向导AI编码最大的失败模式之一就是在执行一个庞大计划时丢失上下文导致最终产物支离破碎。/architect通过强制性的四阶段生命周期来防止这一点阶段0 - 技术预研验证风险最高的技术约束如某个库是否支持特定功能。阶段1 - 设计笔记为每个领域前端、后端、数据模型等撰写纯文本设计说明不写代码。阶段1.5 - 构建顺序生成依赖关系图和阶段序列。阶段2 - 分阶段构建按照计划一个阶段一个阶段地编写、构建、验证。 这个流程迫使AI和你在写第一行代码之前先解决最大的不确定性并形成清晰的蓝图极大地提高了复杂项目的成功率。/recon资深工程师式的“战前侦察”在启动任何新项目或添加重大功能前先运行/recon。它不会简单地谷歌“最佳实践”而是像一个收费高昂的技术顾问一样为你扫描整个技术地形。它会生成一个_docs/目录包含项目摘要、潜在陷阱、架构笔记、功能预期、安全顾虑。 其核心价值在于“专家级的问题生成”和“信息源优先级”。它会在搜索前先提出只有领域专家才会问的尖锐问题。在搜索时它优先寻找一手资料工程博客、事故复盘、Issue跟踪记录而非二三手的列表文章。最终输出是一份带有明确观点的总结最重要的几个决策、最让专家惊讶的地方以及最大的未知数。/eat万物皆可“消化”的知识提取器这是一个极其强大的信息处理工具。你可以给它一个YouTube视频链接、一篇博客文章、一个播客甚至一个Twitter长线程它能自动下载、转录、提取关键帧视频、并合成结构化的知识笔记过滤掉广告、 filler和自我推销内容保留真正的干货框架、方法、具体数据、实践者的经验之谈。 其技术栈也很扎实使用yt-dlp和ffmpeg处理多媒体用Whisper本地或Groq API进行转录用defuddle清理网页文章。这意味着你可以快速将任何形式的内容转化为可搜索、可引用的项目知识资产。/xray基于社交图谱的X平台情报系统如果你在X原Twitter上进行技术布道、产品营销或竞品分析这个技能能极大提升效率。它允许你构建一个关注的账号社交图谱然后提供一系列智能命令scout寻找回复机会根据时效性、互动量和竞争程度打分。pulse 领域查看某个话题领域当下的热点。track追踪你学习的账号的最新热门帖子。mirror分析你自己账号的表现。prospect寻找刚刚发布产品的创始人潜在客户机会。 它包含了设置引导、8个预设话题领域、全量存档搜索和成本跟踪功能。3.3 交付保障类技能确保产出质量与可维护性项目不仅是要构建出来更要构建得健壮、可维护。这类技能在项目后期发挥关键作用。/fortify一键式测试基础设施运行/fortify它会自动检测你的项目技术栈安装完整的测试生态系统如Jest for React, pytest for Python审计代码以找出未覆盖的关键路径编写侧重于错误路径的全面测试最后运行测试并通过“变异测试”来验证这些测试是否能真正捕获bug。 你可以分步使用/fortify setup仅安装基础设施/fortify check仅审计覆盖率/fortify则执行全套流程。这相当于为你的项目配备了一位随叫随到的测试专家。/vet深度代码库调查与修复这是/prodev的“主动执法”版本。它像一个经验丰富的审计员会打开你的项目绘制架构图然后从六个维度进行两轮深入调查结构架构、耦合、上帝文件、正确性逻辑错误、存根、边界情况、安全性注入漏洞、权限缺口、可靠性错误处理、资源泄漏、性能N1查询、无界操作、整洁度死代码、类型漂移、AI生成的废话注释。 调查完成后它会生成一份优先级为P0到P3的问题报告每个问题都附有文件行号、代码片段、影响说明和具体修复方案。接着它会制定一个依赖关系排序的修复批次计划并在获得你的确认后分批执行修复每批完成后进行验证。这个过程能系统性地提升整个代码库的健康度。/notebook/memento永不丢失的上下文这是解决AI会话“健忘症”和“循环论证”的黄金组合。/notebook维护一个项目笔记的“踪迹”记录决策、失败和教训。你可以用/notebook save随时保存一条笔记AI会推断类型和内容。/notebook recover可以从现有笔记重建上下文/notebook migrate能将杂乱的笔记整理成标准格式。/memento专为“会话切换”设计。在结束一个长时间的深度会话前运行/memento它会将未保存的会话知识写入笔记本并生成一个紧凑的“交接简报”供新会话使用。更强大的是它的“自动压缩”安全网功能/memento auto on当Claude Code的上下文窗口即将填满时它能自动保存并重新注入关键上下文让你几乎感觉不到上下文长度的限制。3.4 终极编排技能自主运行的AI项目经理/liquid-cat-physics自主深度工作循环这是整个技能集的“皇冠上的明珠”。启动它/liquid-cat-physicsAI就会进入一个每10分钟循环一次的自主工作模式。它不再是等待你指令的工具而是一个拥有自主权的项目协作者。 它的工作循环是1) 读取项目状态2) 应用/elevate专家视角决定下一步做什么不是简单的待办列表3) 用/prodev工程标准执行每一行代码4) 通过一个三级信心关卡绿/黄/红审核每一个行动5) 将所有进展持久化到/notebook。 它内置了“防抖动”机制两次低信心尝试后暂停自动创建检查点并评估覆盖率并集成了/memento auto以确保上下文在长时间运行中存活。你可以随时用/liquid-cat-physics status查看状态或用/liquid-cat-physics stop暂停。这意味着你可以在下班前启动它第二天早上来验收一个通宵工作的成果。4. 多平台安装与配置实战指南cat-skills支持目前主流的AI编程环境安装过程大同小异但各有细节需要注意。4.1 通用准备与项目初始化无论使用哪个平台首先需要获取cat-skills的代码。推荐使用Git进行克隆以便后续更新。git clone https://github.com/catcatcatstudio/cat-skills.git cd cat-skills此时你会看到项目中包含了针对不同平台的配置目录如.cursor、.gemini、.codex等。4.2 各平台详细安装步骤Claude Code这是最直接的安装方式因为cat-skills原生支持Claude Code的技能系统。npx skills add catcatcatstudio/cat-skills这条命令会通过npm全局安装skills命令行工具如果尚未安装并将cat-skills技能包添加到你的Claude Code环境中。安装完成后在Claude Code的聊天界面或编辑器内你就可以直接输入/prodev、/architect等命令来调用技能了。CursorCursor需要通过复制配置文件的方式手动安装。进入你的项目根目录。将cat-skills项目中的.cursor文件夹复制到你的项目里。cp -r /path/to/cat-skills/.cursor /path/to/your-project/关键配置在Cursor中你需要启用两个实验性功能。打开Cursor设置Cmd,或Ctrl,。在“Beta”选项卡中将更新频道切换到“Nightly”。在“Rules”选项卡中找到并启用“Agent Skills”功能。重启Cursor。之后在Agent模式下你就可以使用这些技能命令了。注意Cursor的技能功能仍在快速迭代中Nightly版本可能不稳定但能获得最新支持。如果遇到命令不识别的情况请检查是否已正确切换到Nightly频道并启用了Agent Skills。Gemini CLIGemini CLI是Google Gemini模型的命令行工具安装方式与Cursor类似。进入你的项目根目录。复制.gemini文件夹。cp -r /path/to/cat-skills/.gemini /path/to/your-project/安装与配置首先需要安装预览版的Gemini CLInpm i -g google/gemini-clipreview。在Gemini CLI中输入/settings命令确保“Skills”选项已启用。输入/skills list来验证cat-skills是否已成功加载。之后在Gemini CLI会话中即可使用技能命令。其他平台Codex CLI, OpenCode, Kiro, Pi, Trae对于Codex CLI、OpenCode、Kiro和Pi安装流程高度一致将cat-skills中对应的隐藏文件夹如.codex,.opencode,.kiro,.pi复制到你的项目根目录即可。 Trae的情况稍特殊它区分国际版和中国版配置文件路径不同国际版cp -r .trae/skills/* ~/.trae/skills/中国版cp -r .trae-cn/skills/* ~/.trae-cn/skills/复制完成后必须重启Trae IDE才能使技能生效。4.3 技能依赖项配置详解部分技能需要额外的API密钥或本地工具才能发挥全部功能。这里以最常用的几个技能为例/eat技能依赖这是依赖最多的技能但配置好后极其强大。基础工具必须安装yt-dlp视频下载和ffmpeg音视频处理。macOS用户可通过Homebrew安装brew install yt-dlp ffmpeg。转录服务二选一。本地转录推荐免费安装OpenAI的Whisper。pip install openai-whisper。同时需要确保系统有ffmpeg。云端转录快速需付费需要配置GROQ_API_KEY环境变量。前往GroqCloud官网注册并获取API密钥。网页文章清理可选安装defuddle以获得更干净的文章提取效果pip install defuddle。X/Twitter内容如需处理X平台内容需要X_BEARER_TOKEN即Twitter API v2的Bearer Token。对于Instagram/TikTok等需要登录的平台可能需要提供浏览器cookies文件。/xray技能依赖核心依赖是X原TwitterAPI v2的Bearer Token。你需要注册X开发者账号创建一个项目和应用然后获取该Token并设置为环境变量X_BEARER_TOKEN。环境变量配置示例在项目根目录创建.env文件# .env 文件 GROQ_API_KEYyour_groq_api_key_here X_BEARER_TOKENyour_twitter_bearer_token_here然后在你的代码或技能调用中确保能读取到这个.env文件。很多技能脚本会自动尝试从环境变量中读取这些值。5. 实战组合策略与高级工作流单独使用每个技能已经能带来显著提升但真正的威力在于将它们组合成自动化的工作流。5.1 经典组合拳示例组合一全周期质量保障 (/recon-/architect-/prodev-/vet)这是启动任何严肃新项目的标准流程。/recon在项目构思阶段用它进行全面的技术景观调研识别主要风险和技术选型。/architect基于调研结果启动结构化构建。完成阶段0技术预研和阶段1设计笔记形成可靠的构建计划。/prodev在开始编码前加载此技能。整个编码阶段AI都会以高标准工程师的思维行事。/vet在功能开发告一段落或项目中期运行深度代码审查系统性地发现和修复深层次问题。组合二设计-开发协同循环 (/eye/prodev)在开发UI组件或页面时这是一个高效的迭代循环。让AI生成一个组件代码。运行/eye可以指定组件名如/eye this modal获取设计评审意见。根据反馈指示AI修改代码。由于/prodev已加载AI在修改时会注意代码质量。再次运行/eye检查设计改进。如此循环直到设计和代码都达到要求。组合三决策支持系统 (/elevate/adversary)面对产品方向、技术架构等重大决策时。首先用/elevate让AI以专家顾问身份提出几个高水平的战略方案。对初步选定的方案运行/adversary进行压力测试。看“反对派”能否找出致命的弱点或者催生出更优的替代方案。根据决策简报做出更稳妥的最终决定。5.2 构建自主交付管道/liquid-cat-physics深度配置/liquid-cat-physics是一个可以独立运行的智能体但通过一些前置配置可以让它更聪明。1. 为项目提供“初始简报”在项目根目录创建一个名为_project_brief.md的文件。在这个文件里清晰地写下项目目标最终要达成什么成功标准如何衡量完成技术约束必须使用/不能使用哪些技术当前状态已经完成了什么/notebook里有哪些关键决策 当Liquid Cat Physics启动时它会优先读取这个文件来理解上下文这比从零开始摸索要高效得多。2. 配置信心关卡阈值虽然技能内部有默认的信心判断逻辑但你可以通过对话微调它的“性格”。例如你可以告诉它“在以下情况你可以将信心等级设为YELLOW并继续1) 修改的是独立的工具函数2) 有完整的单元测试覆盖。只有在修改核心数据模型或没有测试的代码时才需要提高到RED并等待确认。” 通过这样的指令你可以让它在安全范围内更激进一些。3. 与版本控制系统集成虽然技能本身不直接执行git commit但它的工作模式天然适合与Git结合。我个人的工作流是启动/liquid-cat-physics。让它工作几个循环比如1小时。暂停它/liquid-cat-physics stop。人工检查/notebook中记录的变更运行测试。如果一切正常将这些变更提交为一个有意义的commit例如“feat: implement user auth flow via Liquid Cat Physics session”。重新启动它。这样每次提交都是一个小型、完整、可验证的功能增量。5.3 技能的自定义与扩展cat-skills是开源的这意味着你可以根据自己的需求定制甚至创建新的技能。每个技能本质上是一个遵循特定格式的Markdown文件SKILL.md和可能的辅助脚本。定制现有技能例如你觉得/prodev中的“当代模式”原则不够贴合你的团队比如你们还在维护一个遗留的jQuery项目你可以直接编辑skills/prodev/SKILL.md文件。找到对应的段落修改描述或添加你们团队的特定规范。核心是保持其“原则-反模式”的表述结构。创建新技能参考现有技能的格式创建一个新的技能目录。一个最简单的技能可能只包含一个SKILL.md文件里面用自然语言描述这个技能应该让AI具备何种行为模式、思考框架或工作流程。 更复杂的技能可以像/eat一样包含Python脚本skills/eat/eat.py来处理具体任务。技能脚本可以通过环境变量、项目文件或简单的命令行参数与AI进行交互。关键在于明确这个技能要解决的“元问题”是什么然后设计一套清晰的指令和交互流程。6. 常见问题排查与效能优化在实际使用中你可能会遇到一些问题。以下是一些常见情况的排查思路和优化建议。6.1 安装与命令识别问题问题现象可能原因解决方案在Claude Code中输入/没有技能提示技能未成功安装或环境问题1. 在终端运行npx skills list查看已安装技能。2. 如果未找到尝试重新安装npx skills add catcatcatstudio/cat-skills --force。3. 确保你的Claude Code版本是最新的。Cursor中技能命令不执行Agent Skills功能未启用或不在Nightly版本1. 确认已切换到Cursor Settings - Beta中的Nightly频道。2. 确认Cursor Settings - Rules中的“Agent Skills”开关已打开。3. 完全退出并重启Cursor。复制配置文件后技能不生效Trae等配置文件路径错误或需要重启IDE1. 仔细检查复制命令的目标路径是否正确特别是Trae分国际版和中国版。2.必须完全关闭并重新启动IDE而不仅仅是重载窗口。/eat处理视频失败缺少yt-dlp或ffmpeg1. 在终端运行which yt-dlp和which ffmpeg检查是否安装。2. 使用包管理器安装如brew install yt-dlp ffmpeg。3. 对于网络视频可能需要配置代理或检查链接可访问性。6.2 技能执行效果不佳问题现象可能原因优化策略/prodev感觉效果不明显AI未能深度内化原则或会话上下文已混乱1.在会话最开始时加载在讨论具体任务前先输入/prodev让标准贯穿始终。2.主动引用原则当AI给出方案时你可以追问“从‘爆炸半径思维’看这个修改会影响哪些模块” 引导它应用原则。3.重启会话如果会话已很长且杂乱开启一个新会话并首先加载/prodev。/architect计划过于笼统AI对项目复杂度的理解不够1.提供更详细的初始上下文在运行/architect前先用几句话描述项目的核心复杂性、主要模块和技术难点。2.人工干预阶段1.5在“构建顺序”阶段与AI详细讨论依赖关系手动调整或细化阶段划分。/liquid-cat-physics陷入循环或做无用功项目目标不清晰或信心关卡过于严格1.编写清晰的_project_brief.md如前所述。2.检查/notebook看它最近在做什么。可能它卡在某个低信心任务上。你可以手动解决那个任务或在聊天中给它明确指示然后重启循环。3.调整工作区间告诉它“接下来2小时内请专注于完成用户登录模块的后端API”。给它一个更具体、短期的目标。/vet运行时间过长或内存占用高项目非常大或/vet在进行极其深入的扫描1.指定范围不要对整个巨型代码库运行/vet。可以指定目录/vet src/components/。2.分次运行先运行/vet进行初步调查生成报告。然后针对P0、P1的高优先级问题分批进行修复。6.3 高级技巧与资源管理技巧一创建技能快捷键或别名如果你频繁使用某几个技能组合可以在你的Shell配置文件如.zshrc或.bashrc中设置别名。例如为“启动新项目流程”创建一个别名alias start-projectclaude-code --command /recon --later /architect --later /prodev注上述命令为示例实际需要根据你使用的AI工具的命令行接口来调整技巧二管理技能间的上下文冲突虽然技能设计为可组合但有时同时加载多个“思维框架”技能如/prodev和另一个自定义的严格代码规范可能会导致AI行为矛盾或响应迟缓。如果遇到这种情况建议在一个会话中主要只使用一个“元框架”技能如/prodev。对于需要其他专业技能如设计评审的任务开启一个新的临时会话专门加载/eye来处理那个任务处理完将结果带回主会话。这比让AI在单个会话中背负所有“人格”更稳定。技巧三贡献与反馈cat-skills是一个活跃的开源项目。如果你发现了bug有改进建议或者自己开发了一个有用的技能非常鼓励你去GitHub仓库提交Issue或Pull Request。在贡献之前请务必阅读项目中的CONTRIBUTING.md文件了解代码风格和提交规范。你的实践经验是帮助这个工具生态变得更好的宝贵资源。