effector-ecosystem
为基于 Effector 与 Feature‑Sliced 的 React 项目提供设计、审查与重构建议。
相关性达标的全量 Skills(含未精选长尾)· 共 2057 个
为基于 Effector 与 Feature‑Sliced 的 React 项目提供设计、审查与重构建议。
AI‑DLC 工作流的指挥器,管理启动、恢复与阶段/作用域运行。
单独运行 AI‑DLC 的 user‑stories 阶段以生成与评审用户故事。
单独运行 AI‑DLC 的 units‑generation 阶段(构件/单元生成)。
单独运行 AI‑DLC 的 team‑formation 阶段以便团队构想与分配。
只读展示当前工作流的确定性消耗汇总(时长、事件、记忆等)。
以 security‑patch 固定作用域运行 AI‑DLC,跳过作用域探测用于 CVE 响应。
单独运行 AI‑DLC 的 scope‑definition 阶段以产出范围定义。
在本地单独运行 AI‑DLC 的 rough‑mockups 阶段(仅单阶段)。
单独运行 AI-DLC 的 nfr-requirements(非功能需求收集)阶段。
单独运行 AI-DLC 的 nfr-design(非功能需求设计)阶段。
以固定 mvp 范围运行 AI-DLC 流程,跳过范围检测直接交付核心。
单独运行 AI-DLC 的 market-research(市场调研)阶段。
单独运行 AI-DLC 的 intent-capture(意图捕获/构思)阶段。
一次性运行 AI-DLC 的 Initialization 阶段,创建首个 intent 并检测工作区。
单独触发 AI-DLC 的 infrastructure-design(基础设施设计)阶段。
在 AI-DLC 中单独运行 incident-response(事件响应)阶段。
单独运行 AI‑DLC 的 functional‑design(功能设计)阶段,产出功能实现方案。
单独运行 AI‑DLC 的 feedback‑optimization(反馈优化)阶段,优化基于反馈的改进步骤。
以 feature 作用域固定运行 AI‑DLC,跳过作用域检测以获得确定性结果。
单独运行 AI‑DLC 的 environment‑provisioning(环境配置)阶段,用于创建/配置环境。
单独运行 AI‑DLC 的 deployment‑pipeline(部署流水线)阶段,测试流水线行为。
单独运行 AI‑DLC 的 deployment‑execution(部署执行)阶段,用于执行部署流程。
单独运行 AI‑DLC 的 delivery‑planning(交付规划)阶段,不推进主流程。
强制触发 AI-DLC 的 composer,生成并运行定制工作流计划。
单独运行 code-generation 阶段,生成代码并提交合并候选。
单独运行 ci-pipeline 阶段以生成并执行 CI 流程指令。
单独运行 build-and-test 阶段,执行构建与测试指令并提交结果。
以 bugfix 范围固定运行 AI-DLC 流程,直接面向特定 bug 修复。
单独运行 approval-handoff 阶段并执行交付门控流程。
单独运行 AI-DLC 的 application-design 阶段并执行相应指令。
准备版本 bump、打开带标签的 bump PR,为合并时推送 tag 做准备。
用 gh 在本仓库创建或补全结构化的 GitHub Issue。
团队级 Git 分支策略、提交规范与 Pull Request 工作流的标准化文档。
关于 @expo/ui 组件、平台互操作性和 SDK 版本注意事项的参考手册。
覆盖 Expo 应用的配置、调试、模拟器与 EAS 构建与发布流程。
审计浏览器端 web 应用的依赖、XSS、密钥泄露、CORS 等安全问题。
按照 TDD 工作流引导或审计测试编写,执行红-绿-重构周期并建议覆盖改进。
自动准备语义版本号、开 bump-X.Y.Z 的 PR,并打标签以便合并后推送 tag。
根据简要描述或现有 issue 在仓库内创建或丰富 GitHub Issue。