markl 把一名资深工程师在不同阶段的工作习惯,固化成 12 个可单独触发的 Claude Code 技能。每个技能针对一类具体任务,有明确的进入条件、产出物和退出条件。auto-harness 把它们串成一条端到端的工作流,从需求描述跑到代码交付。
| 技能 | 作用 |
|---|---|
/auto-harness |
端到端编排器:把一个需求按 5 个阶段(分类→理解→构建→验证→交付)路由给下面的技能,并维护 .markl/<task>.md 这个跨阶段的承重 artifact。 |
/think |
动手之前压力测试设计方案,产出含 file:line 锚点和可评分 AC 的 artifact。强制要求至少一条行为否定式 AC,禁止"能编译"这类同义反复。 |
/hunt |
系统化调试,先用一句话确认根因再动手。匹配已知失败形态,管理假设,防止盲修。 |
/design |
生成有明确审美主张的前端界面,而非默认模板。先锁定四个方向问题,再写代码。 |
/check |
审查 diff:把 artifact + diff 交给独立子 agent 做评审,主 check 综合裁决并跑验证。也支持 dry-run 模式只校验 AC 是否可评分。 |
/learn |
六阶段研究流程,从资料收集到成稿输出。 |
/read |
把任意 URL 或 PDF 抓取成干净的 Markdown。 |
/write |
把文字改写得在中英文里都自然顺畅。 |
/health |
审计 Claude Code 配置:CLAUDE.md、rules、skills、hooks、MCP 与行为偏差,按项目复杂度给出分级建议。 |
/evolve-skills |
读 hook 日志和会话记录,定位每个技能的实际摩擦点,产出针对 SKILL.md 的具体 diff,被采纳后自动提交并推送。 |
/llm-wiki |
Karpathy 风格的 LLM Wiki:维护一个持续可查询、互相链接的 markdown 知识库,支持多 wiki 注册表。 |
/repo-analyzer |
生成结构化、有证据支撑的项目分析报告(Markdown 与 HTML 双格式)。 |
每个技能是一个独立目录,包含 SKILL.md、引用文档和作用域限定的 hooks,通过 slash 命令按需加载。技能之间通过仓库根目录下的 .markl/<task>.md artifact 文件交接,而不是依赖对话上下文。
当任务大到值得编排时,从 /auto-harness 开始:
A. 分类 判断 shape: feature / refactor / bug / ui
B. 理解 路由给 think / hunt / design,产出 .markl/<slug>.md
B.5 评分门 check --dry-run-rubric 验证每条 AC 是否可评分
C. 构建 主 agent 按 artifact 实现,只动有锚点的文件
D. 验证 check 拉独立子 agent 比对 diff 与 AC
E. 交付 提交、推送、把 artifact 移到 .markl/done/
单个技能也可以直接调用,不必走完整流程。/hunt 可以单独修 bug,/check 可以单独 review 一份 diff。
两种方式,任选其一。
把这个仓库当作一个 marketplace,直接通过 /plugin 命令安装。所有技能、hook 都会被一起注册:
/plugin marketplace add headepic/markl
/plugin install markl@markl
之后用 /markl:think、/markl:hunt、/markl:check 等带命名空间的形式调用。升级用 /plugin marketplace update markl。
./install.sh将每个技能软链到 ~/.claude/skills/,技能可以直接用 /think、/hunt 等不带命名空间的方式调用。同时把 PostToolUse hook 写入 ~/.claude/settings.json,需要 Claude Code 环境与 jq。
每次技能调用、每次写入或读取 .markl/*.md 都会被 PostToolUse hook 自动写入 ~/.claude/markl-usage.jsonl。这是机械数据,不是模型自报。
定期运行 /evolve-skills 可以:
- 统计每个技能的真实调用频率和 artifact 健康度
- 扫描会话记录找出"被忽略的指引"或"反复出现的失败模式"
- 用 git log 交叉验证哪些规则已经成为 scar tissue,可以剪掉
- 对相关
SKILL.md给出具体 diff,确认后自动提交并推送
MIT.