个人 AI 编程工具箱

要解决什么问题

个人做 AI 辅助开发时，工具往往散落在脚本、提示词、MCP 配置和各类技能包里，缺少统一命名、版本和复用方式。换项目或换模型时，重复拼装成本高，也难以判断「该用哪一块能力」。本技能面向个人 AI 编程工具箱的搭建场景，把「开发、聚合、构建」当成一条可重复的路径，而不是零散收藏链接。

技能如何组织工作

在 Agent Skills 语境下，工具箱通常由多份可安装技能与配套说明组成。指南侧重：

• 边界划分：区分一次性脚本、可复用技能模块与对外发布的包，避免把所有东西都塞进一个巨型提示词。
• 聚合方式：按语言栈、任务类型（调试、重构、文档、测试等）归类，并约定 slug、分类与依赖关系，便于在 SkillHub 一类平台上检索与组合。
• 构建节奏：从本地验证 → 清单化（能力列表与触发条件）→ 与 SKILL.md 对齐，保证模型读到的指令与真实能力一致。

核心思路是把「工具箱」当作可演进的产品目录，而不是静态备忘录。

适用边界与注意点

资料侧未绑定某一固定技术栈或仓库模板，因此它更适合作为方法论与目录结构的参考，而非开箱即用的单一框架。若你已有大量私有脚本，需要先做一次去重与权限审查，再决定是否封装为可分享技能。个人场景下不必追求完整度，优先保证常用路径（例如日常 PR 审查、日志分析）有一条清晰、可维护的入口即可。