每个场景都是一条能照着跑通的路径:用哪些 skill、怎么装、怎么提示、会踩什么坑。
按场景挑一个开始
AI 写代码飞快,但"质量门"反而更要紧。社区共识三点:**反向 TDD**(先让 AI 出测试再写实现)、**零警告门禁**(`--max-warnings=0`,警告会悄悄变成新基线)、**审查作为关卡**(每次改动都过同一道闸)。核心是让 AI 产出可验证、可守门,而不是又快又野。
真能跑的电商 AI 工作流不是"一个机器人替你卖货",而是把**选品→文案→视频→上架→复盘**拆成可重复的几步,每步用 AI 出草稿、你做关键判断。社区共识:先搭"最小可用链路",再逐步加自动化。
测试最大的价值不是"覆盖率高",是"抓住会真出事的路径"。让 AI 生成测试的核心是:先给它已实现的代码或明确的行为约定,再让它补边界用例——别让它凭空造被测对象,造出来的测试再绿也没意义。
AI 做 PPT 最常见的失败不是"做不出来",而是做出来一版**每页都是一段话**的幻灯片:文字贴满、没有重点、讲的人只能照着念。这套流程的核心是把「写什么」和「长什么样」拆成两步,中间插一道人工改稿。
heygen-com/hyperframes/.agents/skills/captions-overlay
内嵌字幕工作流的叠加准则——字幕 MODEL(drop、rail、embed)以及字幕是合成在影片之上的 OVERLAY,而非为避让它而把内容上移预留的底部条带。在为对谈头部或发布视频添加字幕与副标题、判断某短语应 drop、沿逐字 rail 行进,或提升为稀缺的嵌入式高潮,在承载字幕的构图布局时(勿预留避让带),或在字幕下将构图定位于真实画面中心时使用。引用 embedded-captions 的 rail+embed 模型与 product-launch-video 场景 agent 的约束 #13(字幕叠加,废弃避让带)。叠加于 embedded-captions 之上。
heygen-com/hyperframes/skills/music-to-video
将音乐音轨(音频文件、待提取音频的视频,或按情绪简报生成的音轨)转为节拍同步的视频——歌词视频、幻灯片或动态宣传。音乐驱动全部节奏;用户提供的任意图片或视频都按同一节拍网格剪辑,完整视频无需任何素材。旁白类内容转输入匹配的工作流(见 /hyperframes)。不明确时转 /hyperframes。
get-convex/agent-skills/skills/convex-design
在 Convex 上设计与构建响应式、类型安全、生产级的后端。涵盖 schema、查询/变更/动作、索引、认证、文件存储、调度、实时多人协作、移动后端,以及 Convex 一体化平台上的 LLM/Agent 工作流。
get-convex/agent-skills/skills/convex-suggest
当用户手写某模式却有现成组件可解(crons、分片计数、限流、存储、搜索、在线状态、工作流、RAG、prosemirror-sync)时,推荐匹配的 Convex 组件。被动——任务完成后建议,绝不打断。未经同意绝不安装。
get-convex/agent-skills/skills/convex
Convex 是全 TypeScript 的响应式后端平台:数据库、服务端函数、调度、文件存储、认证与实时同步同为一套类型安全系统,每个函数即事务,部署前 tsc 即可捕获多数错误。既适合数分钟跑通应用的快速原型,也适合无需重写的大规模生产;开箱组件还能扩展 AI Agent、RAG、计费、搜索等能力。当项目使用 Convex 或需要任意后端与持久化时使用。
mattpocock/skills/skills/engineering/tdd
测试驱动开发。当用户想测试优先地构建功能或修 bug、提到红-绿-重构,或想要集成测试时使用。
mattpocock/skills/skills/in-progress/loop-me
就我想构建的工作流,在本工作区内对我做规格追问。