Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx agentmods add commands/chamherry/claude-code-third-party-plugins/project-initgit clone --depth 1 https://github.com/ChamHerry/claude-code-third-party-pluginsWhat it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5 | $0.00017 | $0.24933 |
| Opus 5 | $0.00009 | $0.12466 |
| Sonnet 5 | $0.00003 | $0.04987 |
| Haiku 4.5 | $0.00002 | $0.02493 |
Grade A, and why
project-init scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 2d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 2,771 lines — stays where its author put it; the contents beside it link to each section on GitHub.
智能分析现有项目结构和配置文件,自动推断技术栈、架构模式等信息,只对无法确定的信息进行询问,最终生成项目的 CLAUDE.md 开发规范文件。
核心特性:
- 🔍 智能分析: 自动检测项目类型、语言、框架
- 💡 按需询问: 只对无法推断的信息询问用户
- 🎯 数据优先: 优先使用项目实际数据,避免猜测
- 🌐 跨平台: 完全兼容 Windows / macOS / Linux
内置模板
以下是用于生成 CLAUDE.md 的内置模板：
# CLAUDE.md 模板
> 用于在新项目中快速建立开发规范和最佳实践。使用时请填充 `[占位符]` 部分。
---
## 项目概述
**[项目名称]** - [项目一句话描述]
### 核心技术栈
- **框架**: [框架名称和版本]
- **数据存储**: [数据库/缓存技术]
- **开发语言**: [语言和版本]
- **代码风格**: [命名规范]
### 项目架构
[绘制项目架构图] 例如： API层 → Service层 → Logic层 → Data层 → Storage
**关键模块**：
- **[模块1]**: [路径] - [说明]
- **[模块2]**: [路径] - [说明]
---
## 测试规范
- 测试覆盖率 > 80%
- 使用 Mock 模拟外部依赖
- Mock 数据存放在 `test/data/` 目录
- 测试文件存放在 `test/` 目录
---
## 架构规则（强制）
### 层职责定义
- **[Layer 1]**: ✅ [应该做的] / ❌ [不应该做的]
- **[Layer 2]**: ✅ [应该做的] / ❌ [不应该做的]
### 开发规则
1. **命名规范** - [统一命名规范]
2. **依赖管理** - [依赖引入规则]
3. **错误处理** - [统一错误处理机制]
4. **版本控制** -
- Git 提交必须使用 AskUserQuestion 工具询问用户同意
- 提交消息必须包含：
- 问题描述（What）
- 根本原因（Why）
- 修复内容（How）
- 技术细节（Details）
- 影响范围（Impact）
- **严格禁止**包含以下内容：
- `🤖 Generated with [Claude Code](https://claude.com/claude-code)`
- `Co-Authored-By: Claude <[email protected]>`
- 其他任何 AI 工具的标识或署名
5. **禁止行为** - [明确禁止的操作]
### Claude Code 工具使用规范
**AI 必须使用的工具**：
- **AskUserQuestion**: 数据不足或需要决策时，必须主动询问用户
- **TodoWrite**: 跟踪多步骤任务的进度，及时更新任务状态
- **Read/Grep/Glob**: 修改前必须先分析现有代码，避免重复定义
- **Plan**: 设计实施方案时，必须使用 Plan 工具进行规划和架构设计
### Skills 技能使用规范（强制）
Skills 是可扩展的专业能力模块，**必须**根据场景强制使用对应技能。
#### 强制使用场景映射表
> **使用说明**: 根据项目实际可用的 Skills 填充下表。通过 `<available_skills>` 列表获取当前环境可用技能。
| 触发场景 | 关键词识别 | 必须使用的技能 |
|---------|-----------|--------------|
| [场景1] | [关键词1、关键词2、...] | `[skill-name-1]` |
| [场景2] | [关键词1、关键词2、...] | `[skill-name-2]` |
| [场景3] | [关键词1、关键词2、...] | `[skill-name-3]` |
**常见场景类型参考**：
- 架构设计类：系统架构、技术选型、组件设计
- 可视化类：架构图、流程图、时序图、关系图
- 文档处理类：Word、PPT、PDF、Excel
- 前端设计类：UI设计、界面原型、组件设计
#### 强制触发规则
**以下场景必须调用对应技能，禁止跳过**：
1. **[场景类型1]**（触发 `[skill-name]`）
- [具体触发条件1]
- [具体触发条件2]
- 用户提及"[关键词]"
2. **[场景类型2]**（触发 `[skill-name]`）
- [具体触发条件1]
- [具体触发条件2]
#### 技能调用检查清单
在完成任务前，必须检查：
- [ ] 是否识别到上述强制触发场景？
- [ ] 是否已调用对应的必需技能？
- [ ] 如未调用，是否有合理理由？（需向用户说明）
#### 禁止行为
- ❌ **禁止**在强制场景下不调用对应技能
- ❌ **禁止**用文字描述替代可视化输出（有可视化技能时）
- ❌ **禁止**跳过专业技能直接输出低质量结果
#### 技能调用语法
使用 Skill 工具，参数 skill 设置为技能名称：
- [根据 <available_skills> 列表填充]
#### 动态技能发现流程
1. **识别任务类型**：分析用户需求，判断是否需要专业技能支持
2. **查看可用技能**：通过系统提供的 `<available_skills>` 列表确认当前可用的技能
3. **匹配场景映射**：根据上表的场景映射，确定必须调用的技能
4. **调用技能**：使用 `Skill` 工具调用对应技能
**Token 管理规范（强制）**：
在开始每个 todo 任务前，必须评估剩余 token 是否足够完成该任务：
1. **评估标准**：
- 当前剩余 token < 30000：存在风险
- 当前剩余 token < 20000：高风险
- 当前剩余 token < 10000：极高风险
2. **风险处理流程**：
**如果存在风险**，必须使用 AskUserQuestion 工具询问用户：
```yaml
question: "⚠️ Token 预警：当前剩余 [X] tokens，即将开始「[Todo任务名称]」可能存在 token 不足风险。您希望如何处理？"
header: "Token 管理"
multiSelect: false
options:
- label: "继续执行当前任务"
description: "继续完成当前任务，可能需要在新会话中继续未完成的工作"
- label: "生成进度总结文档"
description: "生成包含当前进度总结和剩余待办事项实施方案的文档，便于在新会话中继续"
-
生成进度总结文档（用户选择选项 2 时）：
创建文档：
docs/progress/YYYY-MM-DD-HH-MM-[任务名称]-进度总结.md文档必须包含：
# [任务名称] - 进度总结与实施方案 **创建时间**: YYYY-MM-DD HH:MM **当前状态**: 进行中 **完成度**: X/Y 个任务 --- ## 一、已完成任务 ### 1.1 任务清单 - [x] 任务 1 - 完成情况描述 - [x] 任务 2 - 完成情况描述 - [x] 任务 3 - 完成情况描述 ### 1.2 关键成果 - **成果 1**: 具体内容和路径 - **成果 2**: 具体内容和路径 - **成果 3**: 具体内容和路径 ### 1.3 已修改文件path/to/file1.ext - 修改内容描述 path/to/file2.ext - 修改内容描述
--- ## 二、剩余待办任务 ### 2.1 待办清单 - [ ] 任务 4 - 详细描述 - [ ] 任务 5 - 详细描述 - [ ] 任务 6 - 详细描述 ### 2.2 实施方案 #### 任务 4: [任务名称] **目标**: [具体目标] **步骤**: 1. [详细步骤 1] 2. [详细步骤 2] 3. [详细步骤 3] **需要修改的文件**: - `path/to/file1.ext` - [修改说明] - `path/to/file2.ext` - [修改说明] **注意事项**: - [注意点 1] - [注意点 2] #### 任务 5: [任务名称] ... (同上格式) --- ## 三、技术背景和上下文 ### 3.1 项目架构 [关键架构信息]
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 2d ago First seen · 2,771 lines · 17 tokens per session scan A c649b144a85a
project-init is a command published in the GitHub repository ChamHerry/claude-code-third-party-plugins (50 stars, last pushed 9mo ago), licensed MIT. It adds 17 tokens to every session and 24,933 once invoked, about $0.0001 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-30.
Other commands, from other repositories
checklist
Generate a custom checklist for the current feature based on user requirements.
clarify
Identify underspecified areas in the current feature spec by asking up to 5 highly targeted clarification questions and encoding answers back into the spec.
specify
Create or update the feature specification from a natural language feature description.
analyze
Perform a non-destructive cross-artifact consistency and quality analysis across spec.md, plan.md, and tasks.md after task generation.
converge
Assess the current codebase against the feature's spec, plan, and tasks, then append any remaining unbuilt work as new tasks to tasks.md so implement can complete it.
implement
Execute the implementation plan by processing and executing all tasks defined in tasks.md.