[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M72XGRP0H9M3572BEZ2G20J1":3,"skill-same:01M72XGRP0H9M3572BEZ2G20J1":48},{"skillNo":4,"name":5,"nameZh":6,"description":7,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":16,"categories":17,"keywords":18,"publishedAt":19,"linkOnly":20,"markdownContent":21,"markdownBody":22,"frontMatter":23,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":28,"repositoryHtmlUrl":29,"repositoryHomepageUrl":6,"ownerHtmlUrl":30,"ownerBlogUrl":31,"ownerDescription":32,"updatedAt":33,"install":34,"resources":47},"01M72XGRP0H9M3572BEZ2G20J1","rules-distill",null,"扫描技能以提取跨领域原则并将其提炼为规则——追加、修订或创建新的规则文件","SriramGandhiS\u002FSkills","SriramGandhiS","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F211849986?v=4","01M72WQCW12BYX71C6WN584TTA","Sriram S","01M72WQCWTJ2RD0ET1X31AF1RC",1,"MIT","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fdocs\u002Fzh-CN\u002Fskills\u002Frules-distill\u002FSKILL.md",[],[],"2026-11-10 22:39:42",false,"---\nname: rules-distill\ndescription: \"扫描技能以提取跨领域原则并将其提炼为规则——追加、修订或创建新的规则文件\"\norigin: ECC\n---\n\n# 规则提炼\n\n扫描已安装的技能，提取在多个技能中出现的通用原则，并将其提炼成规则——追加到现有规则文件中、修订过时内容或创建新的规则文件。\n\n应用\"确定性收集 + LLM判断\"原则：脚本详尽地收集事实，然后由LLM通读完整上下文并作出裁决。\n\n## 使用时机\n\n* 定期规则维护（每月或安装新技能后）\n* 技能盘点后，发现应成为规则的模式时\n* 当规则相对于正在使用的技能感觉不完整时\n\n## 工作原理\n\n规则提炼过程遵循三个阶段：\n\n### 阶段 1：清点（确定性收集）\n\n#### 1a. 收集技能清单\n\n```bash\nbash ~\u002F.claude\u002Fskills\u002Frules-distill\u002Fscripts\u002Fscan-skills.sh\n```\n\n#### 1b. 收集规则索引\n\n```bash\nbash ~\u002F.claude\u002Fskills\u002Frules-distill\u002Fscripts\u002Fscan-rules.sh\n```\n\n#### 1c. 呈现给用户\n\n```\n规则提炼 — 第一阶段：清点\n────────────────────────────────────────\n技能：扫描 {N} 个文件\n规则：索引 {M} 个文件（包含 {K} 个标题）\n\n正在进行交叉阅读分析...\n```\n\n### 阶段 2：通读、匹配与裁决（LLM判断）\n\n提取和匹配在单次处理中统一完成。规则文件足够小（总计约800行），可以将全文提供给LLM——无需grep预过滤。\n\n#### 分批处理\n\n根据技能描述，将技能分组为**主题集群**。每个集群在一个子智能体中进行分析，并提供完整的规则文本。\n\n#### 跨批次合并\n\n所有批次完成后，合并各批次的候选规则：\n\n* 对具有相同或重叠原则的候选规则进行去重\n* 使用**所有**批次合并的证据重新检查\"2+技能\"要求——在每个批次中只在一个技能里发现，但总计在2+技能中出现的原则是有效的\n\n#### 子智能体提示\n\n使用以下提示启动通用智能体：\n\n````\n你是一位通过交叉阅读技能来提取应提升为规则的原则的分析师。\n\n## 输入\n- 技能：{本批次技能的全部文本}\n- 现有规则：{所有规则文件的全部文本}\n\n## 提取标准\n\n**仅当**满足以下**所有**条件时，才包含一个候选原则：\n\n1. **出现在 2+ 项技能中**：仅出现在一项技能中的原则应保留在该技能中\n2. **可操作的行为改变**：可以写成“做 X”或“不要做 Y”的形式——而不是“X 很重要”\n3. **明确的违规风险**：如果忽略此原则，会出什么问题（1 句话）\n4. **尚未存在于规则中**：检查全部规则文本——包括以不同措辞表达的概念\n\n## 匹配与裁决\n\n对于每个候选原则，对照全部规则文本进行比较并给出裁决：\n\n- **追加**：添加到现有规则文件的现有章节\n- **修订**：现有规则内容不准确或不充分——提出修正建议\n- **新章节**：在现有规则文件中添加新章节\n- **新文件**：创建新的规则文件\n- **已涵盖**：现有规则已充分涵盖（即使措辞不同）\n- **过于具体**：应保留在技能层面\n\n## 输出格式（每个候选原则）\n\n```json\n{\n  \"principle\": \"1-2 句话，采用 '做 X' \u002F '不要做 Y' 的形式\",\n  \"evidence\": [\"技能名称: §章节\", \"技能名称: §章节\"],\n  \"violation_risk\": \"1 句话\",\n  \"verdict\": \"追加 \u002F 修订 \u002F 新章节 \u002F 新文件 \u002F 已涵盖 \u002F 过于具体\",\n  \"target_rule\": \"文件名 §章节，或 '新建'\",\n  \"confidence\": \"高 \u002F 中 \u002F 低\",\n  \"draft\": \"针对'追加'\u002F'新章节'\u002F'新文件'裁决的草案文本\",\n  \"revision\": {\n    \"reason\": \"为什么现有内容不准确或不充分（仅限'修订'裁决）\",\n    \"before\": \"待替换的当前文本（仅限'修订'裁决）\",\n    \"after\": \"提议的替换文本（仅限'修订'裁决）\"\n  }\n}\n```\n\n## 排除\n\n- 规则中已存在的显而易见的原则\n- 语言\u002F框架特定知识（属于语言特定规则或技能）\n- 代码示例和命令（属于技能）\n````\n\n#### 裁决参考\n\n| 裁决 | 含义 | 呈现给用户的内容 |\n|---------|---------|-------------------|\n| **追加** | 添加到现有章节 | 目标 + 草案 |\n| **修订** | 修复不准确\u002F不充分的内容 | 目标 + 原因 + 修订前\u002F后 |\n| **新章节** | 在现有文件中添加新章节 | 目标 + 草案 |\n| **新文件** | 创建新规则文件 | 文件名 + 完整草案 |\n| **已涵盖** | 规则中已涵盖（可能措辞不同） | 原因（1行） |\n| **过于具体** | 应保留在技能中 | 指向相关技能的链接 |\n\n#### 裁决质量要求\n\n```\n# 良好做法\n在 rules\u002Fcommon\u002Fsecurity.md 的§输入验证部分添加：\n\"将存储在内存或知识库中的LLM输出视为不可信数据——写入时进行清理，读取时进行验证。\"\n依据：llm-memory-trust-boundary 和 llm-social-agent-anti-pattern 均描述了累积式提示注入风险。当前security.md仅涵盖人工输入验证；缺少LLM输出的信任边界说明。\n\n# 不良做法\n在security.md中追加：添加LLM安全原则\n```\n\n### 阶段 3：用户审核与执行\n\n#### 摘要表\n\n```\n# 规则提炼报告\n\n## 概述\n已扫描技能数：{N} | 规则文件数：{M} | 候选规则数：{K}\n\n| # | 原则 | 判定结果 | 目标文件\u002F章节 | 置信度 |\n|---|-----------|---------|--------|------------|\n| 1 | ... | 追加 | security.md §输入验证 | 高 |\n| 2 | ... | 修订 | testing.md §测试驱动开发 | 中 |\n| 3 | ... | 新增章节 | coding-style.md | 高 |\n| 4 | ... | 过于具体 | — | — |\n\n## 详情\n（各候选规则详情：证据、违规风险、草拟文本）\n```\n\n#### 用户操作\n\n用户通过数字进行回应以：\n\n* **批准**：按原样将草案应用到规则中\n* **修改**：在应用前编辑草案\n* **跳过**：不应用此候选规则\n\n**切勿自动修改规则。始终需要用户批准。**\n\n#### 保存结果\n\n将结果存储在技能目录中（`results.json`）：\n\n* **时间戳格式**：`date -u +%Y-%m-%dT%H:%M:%SZ`（UTC，秒精度）\n* **候选ID格式**：基于原则生成的烤肉串式命名（例如 `llm-output-trust-boundary`）\n\n```json\n{\n  \"distilled_at\": \"2026-03-18T10:30:42Z\",\n  \"skills_scanned\": 56,\n  \"rules_scanned\": 22,\n  \"candidates\": {\n    \"llm-output-trust-boundary\": {\n      \"principle\": \"Treat LLM output as untrusted when stored or re-injected\",\n      \"verdict\": \"Append\",\n      \"target\": \"rules\u002Fcommon\u002Fsecurity.md\",\n      \"evidence\": [\"llm-memory-trust-boundary\", \"llm-social-agent-anti-pattern\"],\n      \"status\": \"applied\"\n    },\n    \"iteration-bounds\": {\n      \"principle\": \"Define explicit stop conditions for all iteration loops\",\n      \"verdict\": \"New Section\",\n      \"target\": \"rules\u002Fcommon\u002Fcoding-style.md\",\n      \"evidence\": [\"iterative-retrieval\", \"continuous-agent-loop\", \"agent-harness-construction\"],\n      \"status\": \"skipped\"\n    }\n  }\n}\n```\n\n## 示例\n\n### 端到端运行\n\n```\n$ \u002Frules-distill\n\n规则提炼 — 第一阶段：清点\n────────────────────────────────────────\n技能：已扫描 56 个文件\n规则：22 个文件（已索引 75 个标题）\n\n正在进行交叉阅读分析...\n\n[子代理分析：批次 1 (agent\u002Fmeta skills) ...]\n[子代理分析：批次 2 (coding\u002Fpattern skills) ...]\n[跨批次合并：已移除 2 个重复项，1 个跨批次候选被提升]\n\n# 规则提炼报告\n\n## 摘要\n已扫描技能：56 | 规则：22 个文件 | 候选：4\n\n| # | 原则 | 判定 | 目标 | 置信度 |\n|---|-----------|---------|--------|------------|\n| 1 | LLM 输出：重用前进行规范化、类型检查、清理 | 新章节 | coding-style.md | 高 |\n| 2 | 为迭代循环定义明确的停止条件 | 新章节 | coding-style.md | 高 |\n| 3 | 在阶段边界压缩上下文，而非任务中途 | 追加 | performance.md §Context Window | 高 |\n| 4 | 将业务逻辑与 I\u002FO 框架类型分离 | 新章节 | patterns.md | 高 |\n\n## 详情\n\n### 1. LLM 输出验证\n判定：在 coding-style.md 中新建章节\n证据：parallel-subagent-batch-merge, llm-social-agent-anti-pattern, llm-memory-trust-boundary\n违规风险：LLM 输出的格式漂移、类型不匹配或语法错误导致下游处理崩溃\n草案：\n  ## LLM 输出验证\n  在重用 LLM 输出前，请进行规范化、类型检查和清理...\n  参见技能：parallel-subagent-batch-merge, llm-memory-trust-boundary\n\n[... 候选 2-4 的详情 ...]\n\n按编号批准、修改或跳过每个候选：\n> 用户：批准 1, 3。跳过 2, 4。\n\n✓ 已应用：coding-style.md §LLM 输出验证\n✓ 已应用：performance.md §上下文窗口管理\n✗ 已跳过：迭代边界\n✗ 已跳过：边界类型转换\n\n结果已保存至 results.json\n```\n\n## 设计原则\n\n* **是什么，而非如何做**：仅提取原则（规则范畴）。代码示例和命令保留在技能中。\n* **链接回源**：草案文本应包含 `See skill: [name]` 引用，以便读者能找到详细的\"如何做\"。\n* **确定性收集，LLM判断**：脚本保证详尽性；LLM保证上下文理解。\n* **反抽象保障**：三层过滤器（2+技能证据、可操作行为测试、违规风险）防止过于抽象的原则进入规则。\n","# 规则提炼\n\n扫描已安装的技能，提取在多个技能中出现的通用原则，并将其提炼成规则——追加到现有规则文件中、修订过时内容或创建新的规则文件。\n\n应用\"确定性收集 + LLM判断\"原则：脚本详尽地收集事实，然后由LLM通读完整上下文并作出裁决。\n\n## 使用时机\n\n* 定期规则维护（每月或安装新技能后）\n* 技能盘点后，发现应成为规则的模式时\n* 当规则相对于正在使用的技能感觉不完整时\n\n## 工作原理\n\n规则提炼过程遵循三个阶段：\n\n### 阶段 1：清点（确定性收集）\n\n#### 1a. 收集技能清单\n\n```bash\nbash ~\u002F.claude\u002Fskills\u002Frules-distill\u002Fscripts\u002Fscan-skills.sh\n```\n\n#### 1b. 收集规则索引\n\n```bash\nbash ~\u002F.claude\u002Fskills\u002Frules-distill\u002Fscripts\u002Fscan-rules.sh\n```\n\n#### 1c. 呈现给用户\n\n```\n规则提炼 — 第一阶段：清点\n────────────────────────────────────────\n技能：扫描 {N} 个文件\n规则：索引 {M} 个文件（包含 {K} 个标题）\n\n正在进行交叉阅读分析...\n```\n\n### 阶段 2：通读、匹配与裁决（LLM判断）\n\n提取和匹配在单次处理中统一完成。规则文件足够小（总计约800行），可以将全文提供给LLM——无需grep预过滤。\n\n#### 分批处理\n\n根据技能描述，将技能分组为**主题集群**。每个集群在一个子智能体中进行分析，并提供完整的规则文本。\n\n#### 跨批次合并\n\n所有批次完成后，合并各批次的候选规则：\n\n* 对具有相同或重叠原则的候选规则进行去重\n* 使用**所有**批次合并的证据重新检查\"2+技能\"要求——在每个批次中只在一个技能里发现，但总计在2+技能中出现的原则是有效的\n\n#### 子智能体提示\n\n使用以下提示启动通用智能体：\n\n````\n你是一位通过交叉阅读技能来提取应提升为规则的原则的分析师。\n\n## 输入\n- 技能：{本批次技能的全部文本}\n- 现有规则：{所有规则文件的全部文本}\n\n## 提取标准\n\n**仅当**满足以下**所有**条件时，才包含一个候选原则：\n\n1. **出现在 2+ 项技能中**：仅出现在一项技能中的原则应保留在该技能中\n2. **可操作的行为改变**：可以写成“做 X”或“不要做 Y”的形式——而不是“X 很重要”\n3. **明确的违规风险**：如果忽略此原则，会出什么问题（1 句话）\n4. **尚未存在于规则中**：检查全部规则文本——包括以不同措辞表达的概念\n\n## 匹配与裁决\n\n对于每个候选原则，对照全部规则文本进行比较并给出裁决：\n\n- **追加**：添加到现有规则文件的现有章节\n- **修订**：现有规则内容不准确或不充分——提出修正建议\n- **新章节**：在现有规则文件中添加新章节\n- **新文件**：创建新的规则文件\n- **已涵盖**：现有规则已充分涵盖（即使措辞不同）\n- **过于具体**：应保留在技能层面\n\n## 输出格式（每个候选原则）\n\n```json\n{\n  \"principle\": \"1-2 句话，采用 '做 X' \u002F '不要做 Y' 的形式\",\n  \"evidence\": [\"技能名称: §章节\", \"技能名称: §章节\"],\n  \"violation_risk\": \"1 句话\",\n  \"verdict\": \"追加 \u002F 修订 \u002F 新章节 \u002F 新文件 \u002F 已涵盖 \u002F 过于具体\",\n  \"target_rule\": \"文件名 §章节，或 '新建'\",\n  \"confidence\": \"高 \u002F 中 \u002F 低\",\n  \"draft\": \"针对'追加'\u002F'新章节'\u002F'新文件'裁决的草案文本\",\n  \"revision\": {\n    \"reason\": \"为什么现有内容不准确或不充分（仅限'修订'裁决）\",\n    \"before\": \"待替换的当前文本（仅限'修订'裁决）\",\n    \"after\": \"提议的替换文本（仅限'修订'裁决）\"\n  }\n}\n```\n\n## 排除\n\n- 规则中已存在的显而易见的原则\n- 语言\u002F框架特定知识（属于语言特定规则或技能）\n- 代码示例和命令（属于技能）\n````\n\n#### 裁决参考\n\n| 裁决 | 含义 | 呈现给用户的内容 |\n|---------|---------|-------------------|\n| **追加** | 添加到现有章节 | 目标 + 草案 |\n| **修订** | 修复不准确\u002F不充分的内容 | 目标 + 原因 + 修订前\u002F后 |\n| **新章节** | 在现有文件中添加新章节 | 目标 + 草案 |\n| **新文件** | 创建新规则文件 | 文件名 + 完整草案 |\n| **已涵盖** | 规则中已涵盖（可能措辞不同） | 原因（1行） |\n| **过于具体** | 应保留在技能中 | 指向相关技能的链接 |\n\n#### 裁决质量要求\n\n```\n# 良好做法\n在 rules\u002Fcommon\u002Fsecurity.md 的§输入验证部分添加：\n\"将存储在内存或知识库中的LLM输出视为不可信数据——写入时进行清理，读取时进行验证。\"\n依据：llm-memory-trust-boundary 和 llm-social-agent-anti-pattern 均描述了累积式提示注入风险。当前security.md仅涵盖人工输入验证；缺少LLM输出的信任边界说明。\n\n# 不良做法\n在security.md中追加：添加LLM安全原则\n```\n\n### 阶段 3：用户审核与执行\n\n#### 摘要表\n\n```\n# 规则提炼报告\n\n## 概述\n已扫描技能数：{N} | 规则文件数：{M} | 候选规则数：{K}\n\n| # | 原则 | 判定结果 | 目标文件\u002F章节 | 置信度 |\n|---|-----------|---------|--------|------------|\n| 1 | ... | 追加 | security.md §输入验证 | 高 |\n| 2 | ... | 修订 | testing.md §测试驱动开发 | 中 |\n| 3 | ... | 新增章节 | coding-style.md | 高 |\n| 4 | ... | 过于具体 | — | — |\n\n## 详情\n（各候选规则详情：证据、违规风险、草拟文本）\n```\n\n#### 用户操作\n\n用户通过数字进行回应以：\n\n* **批准**：按原样将草案应用到规则中\n* **修改**：在应用前编辑草案\n* **跳过**：不应用此候选规则\n\n**切勿自动修改规则。始终需要用户批准。**\n\n#### 保存结果\n\n将结果存储在技能目录中（`results.json`）：\n\n* **时间戳格式**：`date -u +%Y-%m-%dT%H:%M:%SZ`（UTC，秒精度）\n* **候选ID格式**：基于原则生成的烤肉串式命名（例如 `llm-output-trust-boundary`）\n\n```json\n{\n  \"distilled_at\": \"2026-03-18T10:30:42Z\",\n  \"skills_scanned\": 56,\n  \"rules_scanned\": 22,\n  \"candidates\": {\n    \"llm-output-trust-boundary\": {\n      \"principle\": \"Treat LLM output as untrusted when stored or re-injected\",\n      \"verdict\": \"Append\",\n      \"target\": \"rules\u002Fcommon\u002Fsecurity.md\",\n      \"evidence\": [\"llm-memory-trust-boundary\", \"llm-social-agent-anti-pattern\"],\n      \"status\": \"applied\"\n    },\n    \"iteration-bounds\": {\n      \"principle\": \"Define explicit stop conditions for all iteration loops\",\n      \"verdict\": \"New Section\",\n      \"target\": \"rules\u002Fcommon\u002Fcoding-style.md\",\n      \"evidence\": [\"iterative-retrieval\", \"continuous-agent-loop\", \"agent-harness-construction\"],\n      \"status\": \"skipped\"\n    }\n  }\n}\n```\n\n## 示例\n\n### 端到端运行\n\n```\n$ \u002Frules-distill\n\n规则提炼 — 第一阶段：清点\n────────────────────────────────────────\n技能：已扫描 56 个文件\n规则：22 个文件（已索引 75 个标题）\n\n正在进行交叉阅读分析...\n\n[子代理分析：批次 1 (agent\u002Fmeta skills) ...]\n[子代理分析：批次 2 (coding\u002Fpattern skills) ...]\n[跨批次合并：已移除 2 个重复项，1 个跨批次候选被提升]\n\n# 规则提炼报告\n\n## 摘要\n已扫描技能：56 | 规则：22 个文件 | 候选：4\n\n| # | 原则 | 判定 | 目标 | 置信度 |\n|---|-----------|---------|--------|------------|\n| 1 | LLM 输出：重用前进行规范化、类型检查、清理 | 新章节 | coding-style.md | 高 |\n| 2 | 为迭代循环定义明确的停止条件 | 新章节 | coding-style.md | 高 |\n| 3 | 在阶段边界压缩上下文，而非任务中途 | 追加 | performance.md §Context Window | 高 |\n| 4 | 将业务逻辑与 I\u002FO 框架类型分离 | 新章节 | patterns.md | 高 |\n\n## 详情\n\n### 1. LLM 输出验证\n判定：在 coding-style.md 中新建章节\n证据：parallel-subagent-batch-merge, llm-social-agent-anti-pattern, llm-memory-trust-boundary\n违规风险：LLM 输出的格式漂移、类型不匹配或语法错误导致下游处理崩溃\n草案：\n  ## LLM 输出验证\n  在重用 LLM 输出前，请进行规范化、类型检查和清理...\n  参见技能：parallel-subagent-batch-merge, llm-memory-trust-boundary\n\n[... 候选 2-4 的详情 ...]\n\n按编号批准、修改或跳过每个候选：\n> 用户：批准 1, 3。跳过 2, 4。\n\n✓ 已应用：coding-style.md §LLM 输出验证\n✓ 已应用：performance.md §上下文窗口管理\n✗ 已跳过：迭代边界\n✗ 已跳过：边界类型转换\n\n结果已保存至 results.json\n```\n\n## 设计原则\n\n* **是什么，而非如何做**：仅提取原则（规则范畴）。代码示例和命令保留在技能中。\n* **链接回源**：草案文本应包含 `See skill: [name]` 引用，以便读者能找到详细的\"如何做\"。\n* **确定性收集，LLM判断**：脚本保证详尽性；LLM保证上下文理解。\n* **反抽象保障**：三层过滤器（2+技能证据、可操作行为测试、违规风险）防止过于抽象的原则进入规则。\n",{"name":5,"origin":24,"description":7},"ECC","master","d6ca01da0f24a3b0e26e4a8b7b66cbd25d429f5d","docs\u002Fzh-CN\u002Fskills\u002Frules-distill",0,"https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills","https:\u002F\u002Fgithub.com\u002FSriramGandhiS","https:\u002F\u002Fsriram.website\u002F","Curious guy who keeps tinkering until something works","2026-05-20 16:21:34",{"source":8,"skillName":5,"commands":35,"prompt":45,"zipAvailable":46},[36,39,42],{"tool":37,"command":38},"npx","npx skills add SriramGandhiS\u002FSkills --skill rules-distill",{"tool":40,"command":41},"bunx","bunx skills add SriramGandhiS\u002FSkills --skill rules-distill",{"tool":43,"command":44},"pnpm","pnpm dlx skills add SriramGandhiS\u002FSkills --skill rules-distill","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fdocs\u002Fzh-CN\u002Fskills\u002Frules-distill\u002FSKILL.md",true,[],[49,57,62,68,75,82],{"skillNo":50,"name":51,"nameZh":6,"description":52,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":53,"categories":54,"keywords":55,"publishedAt":56},"01M732609EPJWV13PVTX3GT4TM","webgpu-threejs-tsl","Comprehensive guide for developing WebGPU-enabled Three.js applications using TSL (Three.js Shading Language). Covers WebGPU renderer setup, TSL syntax and node materials, compute shaders, post-processing effects, and WGSL integration. Use this skill when working with Three.js WebGPU, TSL shaders, node materials, or GPU compute in Three.js.","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fwebgpu-threejs-tsl\u002Fskills\u002Fwebgpu-threejs-tsl\u002FSKILL.md",[],[],"2026-11-11 15:11:14",{"skillNo":58,"name":51,"nameZh":6,"description":52,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":61,"publishedAt":56},"01M7325XM47AGWB6K6C4VXKE6B","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fwebgpu-threejs-tsl\u002FSKILL.md",[],[],{"skillNo":63,"name":64,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":65,"categories":66,"keywords":67,"publishedAt":56},"01M7325WP6DES69JKC840VMFEP","verification-loop","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fweb-assets\u002Fdocs\u002Fzh-TW\u002Fskills\u002Fverification-loop\u002FSKILL.md",[],[],{"skillNo":69,"name":70,"nameZh":6,"description":71,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":72,"categories":73,"keywords":74,"publishedAt":56},"01M7325TFQF1DZTQ6J3WGQQ1VR","tdd-workflow","Use this skill when writing new features, fixing bugs, or refactoring code. Enforces test-driven development with 80%+ coverage including unit, integration, and E2E tests.","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fweb-assets\u002Fdocs\u002Fzh-TW\u002Fskills\u002Ftdd-workflow\u002FSKILL.md",[],[],{"skillNo":76,"name":77,"nameZh":6,"description":78,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":79,"categories":80,"keywords":81,"publishedAt":56},"01M7325RGV9AY9PK92D2V8KKPW","strategic-compact","Suggests manual context compaction at logical intervals to preserve context through task phases rather than arbitrary auto-compaction.","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fweb-assets\u002Fdocs\u002Fzh-TW\u002Fskills\u002Fstrategic-compact\u002FSKILL.md",[],[],{"skillNo":83,"name":84,"nameZh":6,"description":85,"descriptionZh":6,"repositoryFullName":8,"ownerLogin":9,"ownerAvatarUrl":10,"ownerAccountNo":11,"ownerDisplayName":12,"repositoryNo":13,"starsCount":14,"licenseSpdxId":15,"licenseFileUrl":6,"sourceHtmlUrl":86,"categories":87,"keywords":88,"publishedAt":56},"01M7325MZC28SE86E7NMCNEFS4","security-review","Use this skill when adding authentication, handling user input, working with secrets, creating API endpoints, or implementing payment\u002Fsensitive features. Provides comprehensive security checklist and patterns.","https:\u002F\u002Fgithub.com\u002FSriramGandhiS\u002FSkills\u002Fblob\u002Fmaster\u002Fweb-assets\u002Fdocs\u002Fzh-TW\u002Fskills\u002Fsecurity-review\u002FSKILL.md",[],[]]