Lab Skills
Десять скиллов ShareAI Lab: разбор архитектуры по исходникам, обзор прошлых сессий агентов, подготовка встреч и статей
- 316 ★ репозитория
- Последний коммит
- Apache-2.0
Расширенный доступ
Почему такой уровень
- `review-ai-conversations` читает локальные хранилища переписок Claude Code, Codex, opencode, Grok Build и Cursor, а в них бывают секреты и закрытые данные
- `agent-builder` включает скрипт `init_agent.py`, который создает проект агента на Python SDK Anthropic
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/lab-skillsОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемРасширенный доступИнструмент запускает код или ходит в сеть, а внешние данные только читает.
- `review-ai-conversations` читает локальные хранилища переписок Claude Code, Codex, opencode, Grok Build и Cursor, а в них бывают секреты и закрытые данные
- `agent-builder` включает скрипт `init_agent.py`, который создает проект агента на Python SDK Anthropic
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Lab Skills — сборник из десяти скиллов, которые команда ShareAI Lab выделила из своей работы. Скиллы следуют спецификации Agent Skills и не привязаны к одному продукту. Исследование: `deep-architecture-research` сначала уточняет постановку, затем разбирает архитектуру по исходникам, истории, документации и отзывам сообщества, `neural-mechanism-research` объясняет работу нейросетевых архитектур через вычисления, геометрию и градиенты, `understanding-first-report` собирает длинную работу в понятный отчет. `review-ai-conversations` достает локальные переписки с Claude Code, Codex, opencode, Grok Build и Cursor, ищет в них, сжимает и сопоставляет. `vibe-coding` превращает агента в дисциплинированного разработчика с прозрачными решениями и соразмерной проверкой. Для встреч есть `meeting-coach-leader` и `meeting-coach-worker`: руководитель готовит и разбирает встречу, исполнитель понимает ожидания и готовит апдейт. `agent-builder` помогает проектировать ИИ-агентов, в комплекте стартовый код на Python SDK Anthropic. `skill-judge` оценивает пакет скилла по рубрике. `media-writer` переписывает техническую мысль под WeChat, Hacker News, Reddit, Medium, X, Dev.to или LinkedIn с учетом тона площадки.
Для кого. Инженерам и техническим руководителям, которые исследуют чужие системы, разбирают прошлую работу с агентами и готовят публикации и встречи.
Подходит, если
- Выбираете фреймворк или рантайм для агентов и сравниваете варианты по исходникам, а не по описаниям
- За неделю накопились десятки сессий в Claude Code и Codex, и нужно собрать их в карту вопросов и открытых хвостов
- Долгая работа с агентом растянулась на много реплик, и итог надо изложить руководителю
- Скилл перед публикацией проверяют по рубрике `skill-judge`: срабатывает ли он вовремя и вносит ли знание
- Техническую заметку нужно переписать для Hacker News и для WeChat в разном тоне
Не подходит, если
- Нужен один узкий скилл для конкретного стека: сборник охватывает исследование, встречи и публикации, отдельных фреймворков в нем нет
- Переписки с агентами содержат закрытые данные, а читать их скиллу `review-ai-conversations` нельзя
- Нужны плагины и общие учебные материалы: в репозитории лежат только скиллы
- Описания скиллов написаны на английском, а команда работает на других языках: адаптируйте под себя
Пример запроса к агенту
Используй deep-architecture-research и сравни по исходникам, как три агентных рантайма хранят сессии и памятьОграничения
- Сборник выведен из практики одной лаборатории и не претендует на универсальный стандарт. Допущения о ваших инструментах и организации проверяйте и меняйте.
- `review-ai-conversations` читает локальные хранилища переписок Claude Code, Codex, opencode, Grok Build и Cursor, а адаптеры привязаны к их форматам.
- Стартовый код `agent-builder` написан на Python SDK Anthropic, рекомендации по архитектуре от провайдера не зависят.
- `deep-architecture-research` перед работой требует подтвердить рамку исследования.
Как отключить. Один скилл убирает `npx skills remove <имя>`, например `npx skills remove vibe-coding`. Обновить установленные скиллы можно командой `npx skills update`.
Частые вопросы
Как поставить Lab Skills в Claude Code?
Выполните `npx skills add shareai-lab/lab-skills --skill '*' -y`, и все десять скиллов встанут для найденных агентов. Один скилл ставится командой `npx skills add shareai-lab/lab-skills --skill deep-architecture-research`, список без установки показывает `--list`.
Что делает review-ai-conversations?
Он достает полные тексты переписок из локальных хранилищ Claude Code, Codex, opencode, Grok Build и Cursor и выполняет то, что вы попросили: поиск, сводку, выгрузку или сравнение. Глубокий анализ с картой вопросов включается только по просьбе.
Чем deep-architecture-research отличается от обычного поиска по коду?
Он сначала просит подтвердить рамку исследования: объекты, вопросы, оси сравнения и источники. Затем изучает исходники, историю изменений, документацию и сообщество, а выводы подкрепляет ссылками.
Можно ли получить промпт скилла без установки?
Да, `npx skills use shareai-lab/lab-skills@understanding-first-report` создает промпт для одного скилла и ничего не ставит. Так скилл проверяют на задаче до установки.
Работают ли скиллы не только в Claude Code?
Да, сборник рассчитан на агентов, которые поддерживают спецификацию Agent Skills. Основные инструкции не привязаны к одному продукту. В пакетах `neural-mechanism-research` и `understanding-first-report` есть метаданные для Codex.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыЛичная коллекция скиллов cafe3310: ведение проекта по спецификации, обзор кода, отчеты, браузер, 3D и видео в одном репозитории
Личная библиотека из 25 скиллов: постеры и раскадровки, код-ревью по правилам Google, разбор анализов, симуляции сценариев
Пять скиллов одного автора: отчеты по arXiv, технические схемы, сайт отчетов, библиотека дизайн-систем и ограничители для агента
Библиотека из 229 скиллов для работы и жизни: продажи, маркетинг, финансы, разработка, дизайн и запуск параллельных агентов
Личный набор из шести скиллов автора: постановка целей для агента, уборка диска, сводки по AI, наведение порядка в проекте, глубокий разбор и письмо
Набор из 13 скиллов в формате SKILL.md: ресерч, продуктовый документ, презентации, статьи и аудиты для любого совместимого агента
Коротко о README
README объявляет репозиторий сборником только из скиллов и дает команды установки, просмотра, обновления и переименований. Каталог скиллов разбит на исследование, разработку, командную работу, создание агентов и публикации, у каждого есть сценарии и пример запроса.
Бейдж для README
Исходный SKILL.md
---
name: deep-architecture-research
description: Deeply research technical architecture, source code, mechanisms, SDKs, frameworks, project comparisons, and system-design options across repositories, history, official docs, issues, discussions, and high-quality community signals. Use when the user asks for deep research, source-level understanding, architecture comparison, mechanism satisfaction, or evidence for designing a system. Always map the question and obtain confirmation before beginning substantive research; skip for simple factual lookups or straightforward implementation tasks.
---
# Deep Architecture Research
Outsource the legwork, not the problem definition. Work as a senior engineer reporting to a human architect.
## 1. Confirmation gate
Use one confirmation gate per research objective. A follow-up that stays inside an already confirmed scope continues without restarting the gate.
Before searching, cloning, or delegating substantive research, send a 500–1,000 Chinese-character framing brief in the user's language. Keep it near 500 characters when possible and include one compact box diagram.
The brief must make four things explicit:
1. **Objects**: what systems, projects, versions, or relationships will be studied.
2. **Questions**: the decisions, mechanisms, and satisfaction gaps to resolve.
3. **Dimensions**: orthogonal axes, layers, dependencies, boundaries, and scenarios.
4. **Sources and output**: repositories, history, docs, community signals, and intended artifact.
Use this shape, adapting labels to the task:
```text
┌──────────────┐ ┌────────────────┐
│ Research objects│──>│ Core questions │
└──────┬───────┘ └───────┬────────┘
│ │
▼ ▼
┌──────────────┐ ┌────────────────┐
│ Dimensions │────>│ Evidence/output │
└──────────────┘ └────────────────┘
```
End by asking whether the map is correct and what should be added or removed. Stop there. The gate is complete only after the user confirms or corrects the scope.
## 2. Research after confirmation
First, organize work by questions and mechanisms, not by vendor names. Define bounded work packages and the evidence each must return.
**MANDATORY — READ ENTIRE FILE:** Before gathering evidence, read [references/evidence-protocol.md](references/evidence-protocol.md). It defines source priority, local-clone practice, history windows, community use, evidence labels, and code-example rules.
Delegate independent work when it improves coverage or cross-checking. Each agent receives one bounded question and returns: