skill-create

/skill-create - 本地技能生成（Local Skill Generation）

分析你仓库的 Git 历史记录以提取编码模式，并生成 SKILL.md 文件，以便让 Claude 学习你团队的工程实践。

用法（Usage）

/skill-create                    # 分析当前仓库
/skill-create --commits 100      # 分析最近 100 条提交
/skill-create --output ./skills  # 指定自定义输出目录
/skill-create --instincts        # 同时为 continuous-learning-v2 生成直觉（instincts）

功能说明（What It Does）

1. 解析 Git 历史 - 分析提交（commits）、文件变更和模式。
2. 检测模式 - 识别循环出现的工作流（Workflow）和约定。
3. 生成 SKILL.md - 创建有效的 Claude Code 技能（Skill）文件。
4. 可选生成直觉（Instincts） - 用于 continuous-learning-v2 系统。

分析步骤（Analysis Steps）

第 1 步：收集 Git 数据

# 获取带有文件变更的近期提交
git log --oneline -n ${COMMITS:-200} --name-only --pretty=format:"%H|%s|%ad" --date=short

# 获取按文件统计的提交频率
git log --oneline -n 200 --name-only | grep -v "^$" | grep -v "^[a-f0-9]" | sort | uniq -c | sort -rn | head -20

# 获取提交信息模式
git log --oneline -n 200 | cut -d' ' -f2- | head -50

第 2 步：检测模式

寻找以下模式类型：

模式 (Pattern)	检测方法 (Detection Method)
提交规范 (Commit conventions)	对提交信息使用正则匹配 (feat:, fix:, chore:)
文件关联变更 (File co-changes)	总是同时发生变化的文件
工作流序列 (Workflow sequences)	重复出现的文件变更模式
架构 (Architecture)	文件夹结构和命名规范
测试模式 (Testing patterns)	测试文件位置、命名、覆盖率

第 3 步：生成 SKILL.md

输出格式：

---
name: {repo-name}-patterns
description: Coding patterns extracted from {repo-name}
version: 1.0.0
source: local-git-analysis
analyzed_commits: {count}
---

# {Repo Name} 模式

## 提交规范
{检测到的提交信息模式}

## 代码架构
{检测到的文件夹结构和组织方式}

## 工作流
{检测到的重复文件变更模式}

## 测试模式
{检测到的测试约定}

第 4 步：生成直觉 (如果使用了 --instincts)

用于 continuous-learning-v2 集成：

---
id: {repo}-commit-convention
trigger: "when writing a commit message"
confidence: 0.8
domain: git
source: local-repo-analysis
---

# 使用约定式提交 (Conventional Commits)

## 操作 (Action)
在提交信息前添加前缀：feat:, fix:, chore:, docs:, test:, refactor:

## 证据 (Evidence)
- 已分析 {n} 条提交
- {percentage}% 遵循约定式提交格式

输出示例

在 TypeScript 项目上运行 /skill-create 可能会产生：