LLM 技能集合

解决什么问题

随着 LLM 在编码助手里的角色从「补全几行代码」变成「接手一个完整任务」，单个模型的提示词越来越长：要解释项目结构、复述构建命令、反复声明某条约束不能改。这些内容本身不产生价值，却每次都要重新讲一遍，否则模型就会按默认习惯把改动直接落到生产分支，或者漏掉项目特有的检查步骤。

awesome-llm-skills 处理的是另一件事：把这类反复出现的上下文从对话里剥离出来，做成可以被按需读取的技能文件。模型不再需要把约定写进每次对话，而是按当前任务挑出相关的那几份读进来。

技能如何工作

这个集合包含 31 个子技能文件，采用「一个文件管一类约定」的划分方式，而不是把所有规则塞进一个巨型提示词。运行时的核心流程大致是：

• 识别任务类型：根据用户的改动范围，判断应该加载哪些子技能，而不是全量读取
• 按需读取内容：只把与当前操作相关的技能正文喂给模型，避免无关约束挤占上下文窗口
• 执行约束检查：把技能里固化的构建、测试、提交前检查等步骤交给模型按序执行
• 保持约定一致：不同子技能之间互相补充，让跨目录的改动遵循同一套规则

适用边界

这套技能依赖模型主动识别并加载对应文件。如果任务范围模糊、或改动跨越多个子技能的边界，模型可能只命中其中一部分，剩下没加载的约定等于不存在。

技能里的约束是针对通用协作流程写的，不包含具体项目的业务规则。把它丢进一个私有仓库时，项目自身的约定仍然需要单独维护。另外，同一个工作流里同时加载多个子技能会增加上下文开销，需要根据实际需要取舍。