把自然语言描述转为结构化 JSON,并由 mcp-diagram-generator MCP 服务生成 Draw.io、Mermaid 或 Excalidraw 图表文件。
编程
Python基础版
试用编写可靠 Python 代码的基础能力,覆盖可变默认参数陷阱、import 规范与基础异常处理。Use when 需要代码生成、编程辅助、调试测试、开发部署时使用。不适用于无明确技术栈的模糊需求。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。
它能做什么
可变默认参数陷阱识别:检测 def foo(items=[])、def foo(config={}) 等可变默认参数陷阱,推荐使用 None 与函数内初始化 import 规范与循环依赖检测:按 PEP 8 规范排序 import(标准库、第三方、本地),检测基础的循环依赖 基础异常处理:区分 except Exception 与 except BaseException,避免裸 except 与吞没异常,推荐 logging 记录 上下文管理器使用:对文件、锁、连接等资源使用 with 语句,确保资源正确释放 基础类型提示与 None 检查:为函数添加 type hints,识别潜在的 N…
技能文档
核心功能: 本技能提供中文交互、化工作流场景等能力。
Python 基础版
核心能力
- 可变默认参数陷阱识别:检测 def foo(items=[])、def foo(config={}) 等可变默认参数陷阱,推荐使用 None 与函数内初始化
- import 规范与循环依赖检测:按 PEP 8 规范排序 import(标准库、第三方、本地),检测基础的循环依赖
- 基础异常处理:区分 except Exception 与 except BaseException,避免裸 except 与吞没异常,推荐 logging 记录
- 上下文管理器使用:对文件、锁、连接等资源使用 with 语句,确保资源正确释放
- 基础类型提示与 None 检查:为函数添加 type hints,识别潜在的 None 解引用风险
适用场景
| 场景 | 输入 | 输出 |
|---|---|---|
| 可变参数检查 | Python 函数定义 | 风险点列表与修复建议 |
| import 整理 | Python 模块文件 | 排序后的 import 语句 |
| 异常处理审查 | try-except 代码块 | 规范化建议与潜在问题 |
| 资源管理 | 涉及文件/连接的方法 | with 语句改写建议 |
| 类型提示补全 | 函数签名 | 带类型提示的函数签名 |
不适用于:复杂并发(asyncio、threading、multiprocessing、GIL)、性能调优(Cython、NumPy 优化)、元类与描述符深度用法、C 扩展与原生绑定等场景(请使用高级版)
使用流程
- 确认运行环境满足依赖说明中的要求
- 读取待审查或待生成的 Python 代码
- 按核心能力维度逐项分析(可变参数、import、异常、资源、类型提示)
- 给出问题清单与修复建议,必要时生成改写后的代码
- 输出结果与执行日志
输入格式
| 参数名 | 类型 | 必填 | 说明 |
|---|---|---|---|
| code | string | 是 | 待审查的 Python 代码片段或文件路径 |
| focus | string | 否 | 关注维度,可选: mutable/import/exception/resource/typing/all,默认: all |
| strict_level | string | 否 | 审查严格度,可选: strict/normal/loose,默认: normal |
| output_format | string | 否 | 输出格式,可选: markdown/json/text,默认: markdown |
| style | string | 否 | 输出风格参考,可选: 简洁/详细,默认: 详细 |
输出格式
{
"success": true,
"data": {
"overall_grade": "B",
"total_score": 80,
"max_score": 100,
"summary": "发现 1 个可变默认参数陷阱与 1 个裸 except 问题",
"details": [
{
"item": "可变默认参数",
"status": "fail",
"score": 60,
"comment": "第 8 行 def add_item(item, items=[]) 使用可变默认参数,建议改为 items=None"
},
{
"item": "import 规范",
"status": "pass",
"score": 95,
"comment": "import 顺序符合 PEP 8"
},
{
"item": "异常处理",
"status": "warn",
"score": 75,
"comment": "第 15 行使用裸 except,建议捕获具体异常类型"
}
],
"improvements": [
{
"priority": "high",
"suggestion": "将 items=[] 改为 items=None,并在函数内初始化为空列表",
"expected_gain": "+10分"
},
{
"priority": "medium",
"suggestion": "将裸 except 改为 except Exception as e 并记录日志",
"expected_gain": "+5分"
}
]
},
"error": null
}
异常处理
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| 代码无法解析 | 语法错误或不完整的 Python 代码 | 提示用户修正语法后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,标记错误位置 |
| 文件不存在 | code 参数为路径但文件不存在 | 检查路径是否为绝对路径,确认文件存在 |
| focus 维度无效 | focus 参数值不在可选范围内 | 提示可选值列表,建议使用默认值 all |
| 输出格式不支持 | output_format 参数值无效 | 回退为默认 markdown 格式并提示 |
依赖说明
运行环境
- Agent平台: 支持SKILL.md规范的任意AI Agent
- 操作系统: Windows / macOS / Linux
- Python 版本: 建议 3.8 及以上(涉及 type hints、walrus operator 等)
依赖项
| 依赖项 | 类型 | 是否必需 | 获取方式 |
|---|---|---|---|
| LLM API | API | 必需 | 由Agent内置LLM提供 |
API Key 配置
- 本Skill基于指令驱动,无需额外API Key
可用性分类
- 分类: MD+EXEC()
- 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent执行Python代码审查
案例展示
示例1:审查一个工具函数
输入: code=utils.py 片段, focus=mutable
处理: 识别 def add_item(item, items=[]) -> 标记陷阱 -> 给出修复建议
输出: 可变默认参数得分 60,建议改为 items=None 并在函数内初始化
示例2:整理 import 顺序
输入: code=app.py, focus=import
处理: 解析现有 import -> 按 PEP 8 分组排序 -> 生成整理后的 import
输出: 标准 -> 第三方 -> 本地 三组排序后的 import 语句
常见问题
Q1: 如何开始使用 Python 基础版?
A: 查看使用流程章节,准备待审查的 Python 代码,然后按"输入格式"提供 code 与 focus 参数即可。
Q2: 审查严格度 strict、normal、loose 有何区别?
A: strict 会标记所有潜在风险点(包括风格问题);normal 聚焦明确的缺陷;loose 仅报告高风险问题。建议初次使用选择 normal。
Q3: Python 基础版支持 asyncio 与并发问题审查吗?
A: 不支持。基础版聚焦可变默认参数、import、异常、资源与类型提示五个维度,如需审查 asyncio、GIL、线程安全、性能调优,请升级至高级版。
Q4: 如何获取 asyncio 并发、GIL、性能调优、元类等高级能力?
A: 这些属于高级版能力。基础版聚焦高频陷阱防护,如需深入并发(asyncio、threading、multiprocessing)、性能调优(Cython、profiling)与元类深度用法,请升级至高级版。
错误处理
| 错误场景 | 原因 | 处理方式 |
|---|---|---|
| LLM响应超时或无响应 | 网络延迟或模型负载过高 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接,执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令请求;确认Agent平台LLM服务正常 |
| 输入内容格式不正确 | 用户输入不符合skill预期格式 | 检查输入是否符合skill使用说明中的格式要求,参考示例章节 |
| 执行结果与预期不符 | 指令描述不够明确或上下文不足 | 提供更详细的指令描述,补充必要的上下文信息 |
| 命令执行失败 | 运行环境不满足要求或权限不足 | 确认运行环境符合依赖说明中的要求;检查命令权限设置 |
已知限制
- 不支持并发问题审查(asyncio、threading、multiprocessing、GIL、线程安全集合)
- 不支持性能调优(Cython、NumPy 优化、profiling、内存分析)
- 不支持元类与描述符的深度用法分析
- 不支持 C 扩展与原生绑定(Cython、ctypes、cffi)
- 不支持异步上下文管理器的深度分析
- 不支持框架深度问题(Django、Flask、FastAPI 等框架特定陷阱)
- 类型提示仅做基础检查,不支持 mypy / pyright 的完整类型系统分析
安全注意事项
| 风险类型 | 防范措施 |
|---|---|
| API密钥泄露 | 通过环境变量配置,禁止硬编码到代码或配置文件中 |
| 命令执行风险 | 仅执行白名单命令,避免拼接用户输入到命令行参数中 |
| 网络通信安全 | 使用HTTPS协议,验证SSL证书有效性 |
| 敏感数据暴露 | 输出结果中不包含密钥、令牌等敏感信息 |
使用前请确认已阅读依赖说明章节,确保运行环境满足安全要求。
效率量化分析
| 操作场景 | 手动耗时 | 自动化耗时 | 效率提升 |
|---|---|---|---|
| 文件解析与提取 | 5-10分钟/个 | <5秒/个 | 60-120x |
| 批量文件处理(100个) | 8-16小时 | <5分钟 | 96-192x |
| API调用与响应解析 | 2-3分钟/次 | <1秒/次 | 120-180x |
| 多接口数据聚合 | 15-30分钟 | <10秒 | 90-180x |
| 命令执行与结果收集 | 3-5分钟/次 | <2秒/次 | 90-150x |
| 重复任务批量执行 | 因任务而异 | 线性缩减 | 5-50x |
| 错误排查与修复 | 10-30分钟 | <30秒 | 20-60x |
差异化对比
| 对比维度 | 本技能 | 传统手动方式 | 通用脚本工具 |
|---|---|---|---|
| 自动化程度 | 全流程自动 | 完全手动 | 部分自动 |
| 错误处理 | 内置错误恢复 | 依赖人工经验 | 基本try-catch |
| 可复用性 | 参数化配置 | 一次性脚本 | 模板化 |
| 安全合规 | 内置安全检查 | 无安全保障 | 无安全保障 |
| 适用场景 | 核心功能 | 通用场景 | 通用场景 |
核心功能
- 自动化执行: 基于指令驱动的自动化流程
- 文件处理: 支持多种文件格式的读取、解析和写入操作
- API集成: 通过标准化接口调用外部服务并处理响应
- 命令执行: 在安全沙箱中执行系统命令并收集结果
相关技能
以 AI 机器人身份加入视频会议,提供语音、虚拟形象与屏幕共享四种模式。
在本地磁盘以分类纯 Markdown 文件保存需要长期留存的事实,与智能体内置记忆并存。
诊断生产力系统反复失效的根因,给出最小干预——容量测算、瓶颈定位、可靠的本地记录。
编写、调试与调优 Playwright 测试,涵盖定位器策略、追踪诊断与 CI 友好的超时配置。
按用户明确指令,在得到大脑(Get笔记)中保存、搜索并管理笔记与知识库。
thcjp 的更多技能
浏览全部技能按提示词自动选用合适的 dlazy CLI 音频模型,完成语音、音乐、音效与声音克隆。
按意图把图像、视频、音频请求分发到合适的 dlazy CLI 模型。
常见办公流程自动化中枢,覆盖文档处理、数据整理、邮件管理、日程协调、报表生成与工作流编排。 聚焦批量操作容错、格式保真、PII 脱敏、模板复用四大痛点,让繁琐办公一键稳妥完成。 核心能力: - 文档批处理:Word/PDF/Excel/PPT 批量生成、转换、合并拆分,含失败隔离与重试 - 数据整理:清洗、转换、...
临时密码保护的实时聊天室,支持SSE流式推送、Web UI与Agent CLI接入。Use when 需要设计创作、UI设计、海报制作、品牌视觉时使用。不适用于3D建模和动画制作。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。
轻量级2D游戏资产生成工具,支持角色设计、精灵图与瓦片集,保持风格一致。Use when 需要设计创作、UI设计、海报制作、品牌视觉时使用。不适用于3D建模和动画制作。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。提供结构化输出和错误处理机制。
用自然语言生成可玩的浏览器3D小游戏,支持迭代修改与本地预览。Use when 需要设计创作、UI设计、海报制作、品牌视觉时使用。不适用于3D建模和动画制作。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。提供结构化输出和错误处理机制。