agentsclimarketplace

Pilot

Skill konglong87/methodology-skills/skills/pilot

[方法论]智能体skills；一键生成公众号文章和贴图、一键小红书信息图 && 技术选型、产品策略、战略分析、MVP、DDD、一次目标追踪器、使命必达skills

Install
npx -y skills add konglong87/methodology-skills --skill pilot

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

  • 7 stars7 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Intelligent skill router for methodology-skills. Analyzes user request and recommends the best methodology sequence. Use when user asks 'which skill should I use', 'help me choose a methodology', or when starting complex tasks.

SKILL.md

11.8 KB, as published. Nobody here has run it

Pilot - 技能领航员

前置协议

环境检测

PROJECT_ROOT=$(git rev-parse --show-toplevel 2>/dev/null || echo "unknown")
BRANCH=$(git branch --show-current 2>/dev/null || echo "unknown")
COMMIT=$(git rev-parse --short HEAD 2>/dev/null || echo "unknown")

echo "PROJECT: $PROJECT_ROOT"
echo "BRANCH: $BRANCH"
echo "COMMIT: $COMMIT"

工件目录初始化

mkdir -p memory/artifacts/pilot

经验读取（推荐）

触发时机：分析任务类型前，为当前任务准备最佳实践

推荐动作：调用 experience-manager 技能检索相关经验

执行步骤：

  1. 提取任务关键词

    从用户请求中提取：
- 核心任务关键词
- 技术栈关键词
- 问题类型关键词

  2. 写入请求工件

    Write(
  file_path="memory/artifacts/pilot/experience-request.json",
  content={
    "requesting_skill": "pilot",
    "action": "retrieve",
    "task_keywords": ["关键词1", "关键词2"],
    "task_type": "bugfix|feature|refactor",
    "technologies": ["Technology1", "Technology2"]
  }
)

  3. 读取经验结果

    result = Read("memory/artifacts/experience-manager/experience-result.json")

  4. 应用到技能推荐

    基于历史经验，推荐以下技能链：

1. /investigate - 快速定位问题（历史成功率 90%）
2. /first-principles - 分析根本原因（历史应用 5 次）
3. /pdca-cycle - 迭代优化

⚠️ 预防措施（来自历史经验）：
- 新项目优先检查国际化配置
- 使用标准配置模板

价值：基于历史经验优化技能推荐，提高成功率。

错误预防（自动）

触发时机：检测到潜在错误风险时

自动动作：调用 experience-manager 获取预防建议

执行步骤：

  1. 检测风险

    在分析任务类型时，检测常见的错误风险：
- 缺少配置检查
- 使用了已废弃的API
- 忽略了边界情况

  2. 写入预防请求

    Write(
  file_path="memory/artifacts/pilot/error-prevention-request.json",
  content={
    "requesting_skill": "pilot",
    "action": "prevent",
    "current_step": "任务分析",
    "context": {
      "technology": "...",
      "feature": "...",
      "risk_factors": [...]
    }
  }
)

  3. 展示预防建议

    ## 💡 错误预防提醒

检测到潜在风险：国际化配置缺失

**预防措施**：
- 优先检查 next.config.js 中的 i18n 配置
- 使用标准配置模板

**历史错误**：2026-03-20 类似错误

价值：提前预防错误，避免重复踩坑。

Overview

智能分析用户请求，推荐最佳的方法论技能组合，实现技能协同工作。

核心价值：

  • 自动识别任务类型
  • 推荐最优技能链
  • 提供执行上下文
  • 减少决策负担

核心原则：让技能协同工作，发挥 1+1>2 的效果。

When to Use

适用场景：

  • 用户发起任何任务请求
  • 用户不确定应该使用哪个技能
  • 用户希望获得技能推荐
  • 复杂任务需要多个技能配合

不适用场景：

  • 用户明确指定了要使用的技能
  • 简单的问答或信息查询

The Process

digraph orchestrator {
    rankdir=TB;

    "用户请求" [shape=box, style=filled, fillcolor="#c8e6c9"];
    "分析任务类型" [shape=diamond, style=filled, fillcolor="#bbdefb"];
    "匹配技能模板" [shape=box, style=filled, fillcolor="#fff9c4"];
    "推荐技能链" [shape=box, style=filled, fillcolor="#f8bbd0"];
    "用户确认" [shape=diamond, style=filled, fillcolor="#e1bee7"];
    "执行技能链" [shape=box, style=filled, fillcolor="#81c784"];
    "保存工件" [shape=box, style=filled, fillcolor="#81c784"];

    "用户请求" -> "分析任务类型";
    "分析任务类型" -> "匹配技能模板";
    "匹配技能模板" -> "推荐技能链";
    "推荐技能链" -> "用户确认";
    "用户确认" -> "执行技能链" [label="确认"];
    "执行技能链" -> "保存工件";
}

步骤详解

步骤 1: 分析任务类型

识别任务类型：

  • 🎯 目标明确 → goal-oriented
  • 💡 需要创新 → first-principles
  • 🏗️ 架构设计 → ddd-strategic-design
  • 🔧 实现细节 → ddd-tactical-design
  • 📦 复杂系统 → mvp-first
  • 🔄 持续改进 → pdca-cycle
  • 📊 战略分析 → swot-analysis

步骤 2: 匹配技能模板

根据任务类型，匹配预设的技能模板：

模板 1: 新系统设计

goal-oriented → first-principles → ddd-strategic-design → ddd-tactical-design → mvp-first → pdca-cycle

模板 2: 性能优化

goal-oriented → first-principles → pdca-cycle

模板 3: 技术选型

goal-oriented → first-principles → swot-analysis

模板 4: 架构重构

goal-oriented → first-principles → ddd-strategic-design → pdca-cycle

步骤 3: 推荐技能链

根据用户请求和任务类型，推荐技能执行顺序。

步骤 4: 用户确认

使用 AskUserQuestion 让用户确认推荐的技能链。

步骤 5: 执行技能链

按顺序内联执行技能（跳过重复的前置协议）。

步骤 6: 保存工件

保存编排结果和执行记录。

技能模板库

模板 1: 新系统设计（完整流程）

适用：用户说"设计一个XX系统"、"从零开始做一个XX"

1. /goal-oriented
   - 明确系统目标和成功标准

2. /first-principles
   - 从本质思考系统设计

3. /ddd-strategic-design
   - 识别限界上下文
   - 设计上下文关系

4. /ddd-tactical-design
   - 设计聚合、实体、值对象
   - 实现领域模型

5. /mvp-first
   - 筛选 MVP 功能
   - 优先级规划

6. /pdca-cycle
   - 迭代实施

模板 2: 性能优化

适用：用户说"优化XX性能"、"提升XX速度"

1. /goal-oriented
   - 明确优化目标（响应时间 < 100ms）

2. /first-principles
   - 找到性能瓶颈的本质原因

3. /pdca-cycle
   - Plan: 制定优化方案
   - Do: 实施优化
   - Check: 验证性能提升
   - Act: 标准化成功做法

模板 3: 技术选型

适用：用户说"选择XX技术"、"XX vs YY 哪个更好"

1. /goal-oriented
   - 明确选型目标和约束条件

2. /first-principles
   - 从本质分析需求

3. /swot-analysis
   - 分析各方案的优劣势
   - 生成决策建议

模板 4: 架构重构

适用：用户说"重构XX架构"、"优化系统结构"

1. /goal-oriented
   - 明确重构目标

2. /first-principles
   - 找到当前架构的根本问题

3. /ddd-strategic-design
   - 重新设计限界上下文
   - 优化上下文关系

4. /pdca-cycle
   - 逐步迁移
   - 持续验证

模板 5: 功能开发（快速路径）

适用：用户说"实现XX功能"、"添加XX"

1. /goal-oriented
   - 明确功能目标

2. /mvp-first
   - 确定核心功能
   - 削减非必要特性

3. /pdca-cycle
   - 迭代开发

模板 6: 问题诊断

适用：用户说"XX出问题了"、"排查XX bug"

1. /goal-oriented
   - 明确问题解决目标

2. /first-principles
   - 找到问题的根本原因

3. /pdca-cycle
   - 实施修复
   - 验证解决方案

技能协作规则

内联执行协议

当编排器执行技能链时：

  1. Read 工具读取技能文件

    skills/{skill-name}/SKILL.md

  2. 跳过以下部分（避免重复初始化）：

    • 前置协议（环境检测、前置技能检查）
    • Overview
    • When to Use

  3. 执行核心流程：

    • The Process
    • Thinking Framework
    • 必要的交互和决策

  4. 工件输出：

    • 保存工件到 memory/artifacts/{skill-name}/
    • 继续下一个技能

工件传递机制

每个技能执行完成后，工件会被下一个技能读取：

# 当前技能读取前置技能的工件
PREV_ARTIFACT="memory/artifacts/{previous-skill}/latest.json"

if [ -f "$PREV_ARTIFACT" ]; then
  # 提取上下文信息
  # 在当前技能中使用
fi

Examples

案例 1: 从零开始设计新系统

用户："设计一个电商平台"

编排器分析：
- 任务类型：新系统设计
- 推荐模板：模板 1（完整流程）

推荐技能链：
1. /goal-oriented - 明确系统目标
2. /first-principles - 从本质思考电商
3. /ddd-strategic-design - 战略设计
4. /ddd-tactical-design - 战术设计
5. /mvp-first - MVP 规划

是否开始执行？
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能

案例 2: 性能优化

用户："数据库查询太慢，帮我优化"

编排器分析：
- 任务类型：性能优化
- 推荐模板：模板 2（性能优化）

推荐技能链：
1. /goal-oriented - 明确优化目标（响应时间 < 100ms）
2. /first-principles - 找到慢查询的本质原因
3. /pdca-cycle - PDCA 循环优化

是否开始执行？
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能

案例 3: 技术选型

用户："选择微服务框架，Spring Cloud 还是 Dubbo？"

编排器分析：
- 任务类型：技术选型
- 推荐模板：模板 3（技术选型）

推荐技能链：
1. /goal-oriented - 明确选型目标
2. /first-principles - 从本质分析需求
3. /swot-analysis - 分析各方案优劣势

是否开始执行？
- A) 按推荐顺序执行
- B) 我自己选择技能
- C) 只运行第一个技能

后置协议

工件输出

保存编排结果到工件文件：

TIMESTAMP=$(date +%Y%m%d-%H%M%S)
ARTIFACT_FILE="memory/artifacts/pilot/result-$TIMESTAMP.json"

cat > "$ARTIFACT_FILE" <<EOF
{
  "skill": "pilot",
  "version": "1.0.0",
  "timestamp": "$(date -u +%Y-%m-%dT%H:%M:%SZ)",
  "project": "$PROJECT_ROOT",
  "branch": "$BRANCH",
  "commit": "$COMMIT",
  "input": {
    "user_request": "用户的原始请求"
  },
  "output": {
    "task_type": "识别的任务类型",
    "recommended_skills": [
      "skill-1",
      "skill-2"
    ],
    "execution_result": "success"
  }
}
EOF

echo "ARTIFACT SAVED: $ARTIFACT_FILE"
ln -sf "$ARTIFACT_FILE" memory/artifacts/pilot/latest.json

目标文件更新

如果存在目标文件，记录编排完成。

建议后续技能

编排器完成后，技能链已执行完毕，通常无需推荐后续技能。

Common Pitfalls

误区 1: 过度编排

表现：为简单任务推荐复杂的技能链

正确做法：

  • 简单任务 → 简短技能链（1-2 个技能）
  • 复杂任务 → 完整技能链（5-6 个技能）

误区 2: 忽略用户意图

表现：机械地推荐模板，不考虑用户的具体需求

正确做法：

  • 分析用户请求的细节
  • 根据具体需求调整推荐的技能链

误区 3: 强制执行

表现：不给用户选择的机会，直接执行技能链

正确做法：

  • 使用 AskUserQuestion 让用户确认
  • 提供自定义选项

References

  • gstack 技能编排架构
  • superpowers 技能协作模式
  • methodolog-skills 技能依赖关系图

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.