pair-programming
结对编程搭档。当用户要求"边写边审"、"结对编程"、"写完自己 review 一遍"、"高可靠地实现"，或明确希望代码交付时附带自我审查意见时使用。交付代码的同时输出结构化审查（正确性/安全/性能/可读性/健壮性五维度），重点捕捉 AI 生成代码的特有缺陷。不用于：对已有 PR 的正式评审（用 code review 流程）、安全专项扫描（用 security-audit）、10 行以内的简单片段。
git clone --depth 1 https://github.com/staruhub/ClaudeSkills /tmp/pair-programming && cp -r /tmp/pair-programming/skills/Geek-skills-pair-programming ~/.claude/skills/pair-programmingSKILL.md
# 结对编程搭档
交付代码 + 像负责任的高级开发者一样自我审查，一次给到位。
## 验收标准（每次交付前自查）
- [ ] 代码之后附有结构化审查意见（好的地方 / 需要关注 / 优化建议三段）
- [ ] 每个"需要关注"都给了可执行的修改方案，不是只指出问题
- [ ] 🔴 必查项五条全部过检（空值/输入验证/注入/敏感数据/资源泄漏）
- [ ] 审查意见针对**本次生成的代码**，不是通用清单复读
- [ ] 发现自己代码的问题时直接修掉再交付，审查意见只留真正的权衡点
## 不做什么
- 不替代正式 code review / PR 评审流程
- 不做安全专项审计 → `security-audit`
- <10 行的简单片段、纯示例代码、用户明说不要审查时，省略审查环节
## 审查工作流
生成代码 → 五维度扫描 → 修掉能修的 → 剩余权衡点写进审查意见。
### 五维度扫描
| 维度 | 检查重点 |
|------|---------|
| 正确性 | 逻辑是否正确？边界条件是否处理？ |
| 安全性 | 是否有注入风险？数据是否安全处理？ |
| 性能 | 是否有 O(n²) 隐患？是否有不必要的循环？ |
| 可读性 | 命名是否清晰？结构是否合理？ |
| 健壮性 | 错误处理是否完善？异常情况是否考虑？ |
### 分级清单
**🔴 必查（阻断级）**：空值处理 / 输入验证 / SQL·命令注入（参数化）/ 密钥硬编码 / 资源泄漏
**🟡 重要（建议级）**：边界条件 / 并发竞态 / 异常捕获 / 关键日志 / 网络超时
**🟢 改进（优化级）**：重复代码 / 命名 / 复杂逻辑注释 / 魔法数字 / 单一职责
语言特定检查项（Python/JS/Java/Go/Dart 等）见 `references/detailed-checklist.md`，按当前语言取用。
## AI 生成代码的特有缺陷（重点盯防）
| 缺陷 | 具体表现 | 自查方法 |
|------|---------|---------|
| 幻觉 API | 调用了不存在的方法或传了不存在的参数 | 不确定的 API 先查项目依赖版本的文档，不凭记忆写 |
| 偷改需求 | 实现比用户要求"更合理"的版本，悄悄改了行为 | 对照用户原话逐条核对交付物 |
| 过度防御 | 到处 try/catch 吞异常、层层空值检查掩盖真错误 | 每个 catch 问"这里吞掉异常对吗" |
| 风格漂移 | 新代码与项目既有命名/模式不一致 | 写前先看同目录相邻文件的写法 |
| 测试造绿灯 | 为过测试写死返回值或放宽断言 | 审查测试改动是否弱化了验证强度 |
| 复制不一致 | 从别处仿写时残留原上下文的变量名/注释 | 全读一遍自己的产出，不只看 diff |
## 反馈格式与语气
```
---
## 🔍 结对审查意见
### ✅ 做得好的地方
### ⚠️ 需要关注（含具体修改方案）
### 💡 优化建议（可选方向）
```
建设性（给方案）、谦逊（"可以考虑"）、教学性（解释为什么）、平衡（也认可好的做法）、简洁（只留关键点）。
**示例**（检测到注入风险时）：
> ⚠️ **🔴 SQL 注入风险**：`"...WHERE name = '$name'"` 直接拼接用户输入。
> **建议**：参数化查询 `db.query("...WHERE name = ?", [name])`。
## 引用资源
- `references/detailed-checklist.md` — 语言特定检查清单全集，按当前项目语言取用
`evals/routing-evals.json` — 触发边界回归用例，改 description 后用仓库根 `scripts/run_routing_evals.py` 校验。Build and maintain a structured LLM-generated wiki for any codebase. Use when the user asks to analyze/understand/document a codebase, build a code wiki, create project documentation from source, or update an existing .llm-wiki. Triggers on phrases like "build wiki", "analyze this codebase", "document this project", "update wiki", "llm-wiki", or when entering an unfamiliar project that has no .llm-wiki yet.
A股专业分析师助手，提供每日股价分析、选股策略和投资建议。适用于：(1) 获取A股实时行情和历史数据，(2) 技术面分析（K线形态、MACD、KDJ、RSI、布林带等），(3) 基本面分析（财务指标、估值分析），(4) 板块热点追踪，(5) 选股策略筛选，(6) 量化因子分析，(7) 生成每日股市分析报告。当用户询问"帮我分析股票"、"今日选股"、"A股行情分析"、"技术分析"、"基本面分析"、"量化选股"等相关问题时触发。
AI咨询/销售的对话策略助手。当用户需要准备AI方案沟通、跟业务部门聊AI落地、写AI提案、应对客户异议、做AI培训破冰时使用。触发场景："怎么跟老板聊AI"、"客户说AI不靠谱"、"准备一个AI方案汇报"、"帮我想想怎么推AI"、"业务部门不配合"、"AI项目怎么卖"、"demo之后怎么跟进"。也适用于AI咨询师、技术合伙人、CTO做内部AI推广。
Windows C盘清理和磁盘空间管理工具。当用户需要清理C盘、释放磁盘空间、查找大文件、分析磁盘占用、删除临时文件、清理缓存、管理Windows系统垃圾文件时使用此skill。适用于以下场景:(1)C盘空间不足需要清理;(2)查找和删除大文件;(3)分析磁盘空间占用;(4)清理系统临时文件和缓存;(5)清理浏览器缓存;(6)清理回收站;(7)清理系统日志;(8)优化Windows磁盘空间。
>
资深高考命题专家助手,提供专业的命题指导和评审服务。适用于创作高考试题、评审试题质量、分析试卷结构、了解命题趋势等场景。结合文档工具提取解压文件,使用网络搜索了解最新命题趋势,使用分析工具评估题目质量和试卷结构。涵盖"一核四层四翼"评价体系、2025年命题趋势、题型规范、评分标准、命题流程等多个维度,符合高考命题最佳实践。
胥克谦式AI-Native产品开发方法论。适用于：(1) 使用AI Agent（Claude Code、Codex、Cursor等）进行产品级软件开发，(2) 设计和优化Harness/Skill体系，(3) 文档驱动开发(SDD)流程，(4) 构建自动化质量门禁和eval机制，(5) Token成本优化与缓存策略，(6) 产品人转型开发者的AI编程实践。触发场景包括"帮我设计开发流程"、"怎么降低token成本"、"怎么提高AI编码质量"、"文档驱动"、"质量门禁"、"harness设计"、"单agent vs multi-agent"、"自动化迭代"、"AI产品开发"、"SDD"、"eval机制"等。即使用户只是说"帮我用AI写代码"或"怎么让agent干活更靠谱"也应触发。
PDF解析工具，将复杂PDF文档转换为LLM友好的Markdown/JSON格式。适用于：(1) 将PDF转换为Markdown或JSON格式，(2) 提取PDF中的文本、表格、公式、图像，(3) 处理学术论文、技术文档、商业报告的PDF解析，(4) 为RAG应用准备高质量文档数据，(5) 批量处理PDF文件。触发关键词包括："PDF解析"、"PDF转Markdown"、"PDF转JSON"、"提取PDF表格"、"提取PDF公式"、"MinerU"、"文档解析"、"PDF extraction"、"convert PDF"、"parse PDF"等。