agent-skills:Google工程师出品的AI编码Agent技能库,3万星标20个生产级工程技能

agent-skills是Google Chrome团队工程经理Addy Osmani创建的AI编码Agent技能库,在GitHub上已获得超过3.3万星标。它包含20个生产级工程技能,把高级工程师构建软件时使用的最佳实践编码成Agent可执行的工作流,覆盖从需求定义到发布的完整开发生命周期。

设计理念

这个项目的核心理念和一般的参考文档不同——技能不是给Agent阅读的资料,而是Agent需要遵循的工作流。每个技能都有明确的步骤、检查点和退出标准。

特别有意思的是”反合理化”设计:每个技能都包含一个常见借口表(比如”我稍后再加测试”),以及对应的反驳论点,防止Agent偷懒。

7个斜杠命令

映射到完整的开发生命周期:

  • /spec – 定义要构建什么,先写规格再写代码
  • /plan – 规划如何构建,小而原子的任务拆分
  • /build – 增量构建,一次一个切片
  • /test – 证明它能工作,测试即证明
  • /review – 合并前审查,改善代码健康
  • /code-simplify – 简化代码,清晰优于聪明
  • /ship – 发布到生产,更快即更安全

20个技能覆盖范围

定义阶段:idea-refine(想法精炼)、spec-driven-development(规格驱动开发)

规划阶段:planning-and-task-breakdown(任务拆分)

构建阶段:incremental-implementation(增量实现)、test-driven-development(TDD)、context-engineering(上下文工程)、source-driven-development(文档驱动)、frontend-ui-engineering(前端工程)、api-and-interface-design(API设计)

验证阶段:browser-testing-with-devtools(浏览器测试)、debugging-and-error-recovery(调试恢复)

审查阶段:code-review-and-quality(代码审查)、code-simplification(代码简化)、security-and-hardening(安全加固)、performance-optimization(性能优化)

发布阶段:git-workflow-and-versioning(Git工作流)、ci-cd-and-automation(CI/CD)、deprecation-and-migration(废弃迁移)、documentation-and-adr(文档)、shipping-and-launch(发布上线)

安装方法

Claude Code用户

# 通过Marketplace安装
/plugin marketplace add addyosmani/agent-skills
/plugin install agent-skills@addy-agent-skills

# 或本地安装
git clone https://github.com/addyosmani/agent-skills.git
claude --plugin-dir /path/to/agent-skills

Cursor用户:将SKILL.md复制到.cursor/rules/目录

Gemini CLI用户

gemini skills install https://github.com/addyosmani/agent-skills.git --path skills

其他Agent:技能是纯Markdown文件,适用于任何接受系统提示或指令文件的Agent。

Google工程文化

技能中融入了Google的工程最佳实践,包括《Software Engineering at Google》一书中的概念:API设计中的Hyrum定律、测试中的Beyonce规则和测试金字塔、代码审查中的变更大小规范、简化中的Chesterton栅栏、Git工作流中的trunk-based开发等。

适合谁

  • 使用Claude Code、Codex、Cursor等AI编码工具的开发者
  • 想要提升Agent输出质量的工程师
  • 团队中引入AI辅助开发的技术负责人

本文参考来源:GitHub – agent-skills

© 版权声明
THE END
喜欢就支持一下吧
点赞8 分享
相关推荐
<p>GitHub本周最火的项目之一,TradingAgents在短短时间内获得了超过7万星标,成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架,让”AI炒股”从概念走向了可实验的开源工具。</p>

<h2>项目简介</h2>

<p>TradingAgents是一个开源的多Agent金融交易分析框架,核心思路是让多个AI Agent各司其职,协同完成金融市场的分析和交易决策。项目地址:<a href=GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式,将不同职责分配给不同的Agent:

  • 分析师Agent:负责分析市场数据、财报、新闻等信息,产出分析报告。
  • 研究员Agent:深入研究特定行业或公司,提供基本面分析。
  • 交易员Agent:根据分析结果制定交易策略和执行计划。
  • 风控Agent:评估交易风险,设置止损和仓位控制。
  • 决策Agent:综合各方意见,做出最终交易决策。

这种多Agent协作的模式,模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型,甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据,可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者,TradingAgents是一个很好的学习项目。代码结构清晰,文档完善,适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件,填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意:

  • 不要用真金白银:TradingAgents是一个研究和实验框架,不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的:金融市场受到无数因素影响,AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘:在历史数据上表现好的策略,在真实交易中可能完全失败(过拟合问题)。
  • 合规风险:在某些司法管辖区,使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣,还可以关注以下项目:

  • FinRL:深度强化学习金融交易框架
  • Qlib:微软开源的量化投资平台
  • GPT-Financial-Analyst:基于GPT的财务分析工具

来源:

-枫选">

GitHub本周最火的项目之一,TradingAgents在短短时间内获得了超过7万星标,成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架,让”AI炒股”从概念走向了可实验的开源工具。

项目简介

TradingAgents是一个开源的多Agent金融交易分析框架,核心思路是让多个AI Agent各司其职,协同完成金融市场的分析和交易决策。项目地址:GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式,将不同职责分配给不同的Agent:

  • 分析师Agent:负责分析市场数据、财报、新闻等信息,产出分析报告。
  • 研究员Agent:深入研究特定行业或公司,提供基本面分析。
  • 交易员Agent:根据分析结果制定交易策略和执行计划。
  • 风控Agent:评估交易风险,设置止损和仓位控制。
  • 决策Agent:综合各方意见,做出最终交易决策。

这种多Agent协作的模式,模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型,甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据,可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者,TradingAgents是一个很好的学习项目。代码结构清晰,文档完善,适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件,填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意:

  • 不要用真金白银:TradingAgents是一个研究和实验框架,不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的:金融市场受到无数因素影响,AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘:在历史数据上表现好的策略,在真实交易中可能完全失败(过拟合问题)。
  • 合规风险:在某些司法管辖区,使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣,还可以关注以下项目:

  • FinRL:深度强化学习金融交易框架
  • Qlib:微软开源的量化投资平台
  • GPT-Financial-Analyst:基于GPT的财务分析工具

来源:

GitHub本周最火的项目之一,TradingAgents在短短时间内获得了超过7万星标,成为多Agent AI应...

3天前 50
评论 抢沙发

请登录后发表评论

    暂无评论内容