amadeus-units-generation
单独运行 AI‑DLC 的 units‑generation 阶段(构件/单元生成)。
相关性达标的全量 Skills(含未精选长尾)· 共 6848 个
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 reverse-engineering 阶段以分析现有系统并产出逆向结论,不推进主工作流。
单独执行 requirements-analysis 阶段以提取与分析需求,不推进主工作流。
将工作流的审计轨迹和工件整理成可读的会话叙事并在终端输出,不改动状态。
单独运行 refined-mockups 阶段以生成和提交细化的界面原型或设计工件。
单独执行 practices-discovery 阶段以发现团队实践与改进建议,不推进主工作流。
在不推进主工作流的情况下单独运行 performance-validation 阶段以执行性能检查。
在工作流结束时生成完整的交接文档 OUTCOMES.md,整理成果与操作说明。
在不推进主工作流的情况下单独运行 observability-setup 阶段并执行相关 gate。
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 feasibility(可行性)阶段,生成概念验证输出。
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。
并行向每个已安装 agent 发起只读站会汇报并生成紧凑状态摘要。
串行运行架构审计、机器与人工文档 agent,整合并更新项目文档。
抓取未结 GitHub issue,分配给专责 agent 并在并行工作树或串行链中协调执行。