stream-it-skills
面向编码代理的从 PRD 到交付的开发工作流技能集
插件会安装到这里；不确定时保持 web。
npx -y @deepseek-ai/dsh plugin --profile web add github:9Ashwin/stream-it#2e50fdaaa613fbb3ec7eb0a363f9e8d5b6a69b77Stream It Skills 以 stream-it-skills 发布，当前版本为 1.0.0。Plugin Hub 会校验它的 manifest，并保存精确安装来源，便于复现安装结果。
把一整套研发工作流装进你的编码 Agent：需求 → 设计 → 拆解 → 并行实现 → 审查 → 交付。
技能只负责判断，排序与检查点交给带测试的脚本；实现交给各自隔离在 git worktree 里的子代理。
stream-it 是一套研发工作流技能集：26 个技能，把「想法 → 交付」拆成标准步骤——需求、设计、拆解、实现、审查、交付——每一步由一个技能负责。你说想做什么，剩下的交给 Agent：澄清问题、写 PRD、拆成有阻塞关系的 Issue、在隔离的工作树里并行实现、审查、开 PR、合入。
实现节点是子代理，每个节点一个独立 git worktree，职责到「实现 → 跑通项目门禁自证 → commit 到自己分支」为止。泄漏检查、集成、集成后的门禁、评审、交付收成一件事，按波次各做一次：一个 PR 关闭这一波满足的全部 Issue。
排序、分层、环检测、检查点读写这些算术，都在技能自带的 Python 脚本里（纯标准库、带自测）。技能本体只写判断规则——脚本管算术，技能管判断。
npx skills add 9Ashwin/stream-it # 安装到全局（~/.agents/skills）
npx skills update -g # 之后按来源更新
技能会落到 ~/.agents/skills，这条装法不必动任何 profile 依赖。
npx skills 递归扫描、安装时把 skills/<桶>/<技能> 拍平成 ~/.agents/skills/<技能>——技能根只扫一层，所以必须拍平。手动拷贝时要自己完成这一步：
cp -R <stream-it>/skills/flow/graph ~/.agents/skills/graph # 拍平，不要连桶一起拷
还可以作为部署层配置安装（随包携带 preset、toolFilter、persona，可锁定 commit）——安装命令、参数说明与两条路的取舍见文档站：https://9ashwin.github.io/stream-it/#install。
[!TIP] 不记得该用哪个技能？直接敲
/ask-flow——它给出下一步该敲什么，以及那一步里哪些决定得你来拍。完整使用指南（安装、每一步怎么触发、验收标准、FAQ）在 https://9ashwin.github.io/stream-it/，会自动按浏览器语言跳转到中文或英文版；仓库内是 docs/index_cn.html 与 docs/index_en.html。
三个阶段，作用域互不重叠：
| 作用域 | 做什么 | 不做什么 |
|---|---|---|
| 节点 | 在自己的 worktree 里实现、用项目门禁自证、只 commit 到自己的分支 | 不 push、不开 PR、不合并、不自审 |
| 波次 | 泄漏检查 → 只合并已完成的节点 → 在集成后的树上跑门禁 → 评审一次（逐节点分节，重点看节点之间的结合部）→ 走查一次（改了什么、跑了什么、证明了什么，产出 PR body 与合并清单）→ 交付一次（一个 PR，带逐项证据表） | 不做节点级 PR；不做节点级走查 |
| 批次 | /loop-it 的串行路径同理：一次一个 Issue 内联实现并 commit，批末统一评审、走查与交付 | — |
几个刻意设计的地方：
/graph 只在真有并行度时用。 一个单元、两个共享文件的单元、或「schema → API → UI」这种链式工作，交给 /loop-it 或直接内联做——/graph 的价值全部来自波内节点的真独立。main 上就看不见了，没有这张表就无法单独回滚或审计。/review-it + /ship-it 意味着 N 个 PR、N 次 CI、N 次卡在合并冲突上的机会。所以节点止于 commit，评审与交付收在波次上。scripts/ 里，每个都带自测；技能写的是「什么时候用、边界在哪」，不是算法复述。不知道该用哪个？先敲 /ask-flow —— 它只回答下一步该敲什么，不替你动手。
| 阶段 | 技能 | 做什么 |
|---|---|---|
| 入口 | /ask-flow | 不知道该用哪个技能、这套流程该怎么走时问它（只路由，不替你动手） |
| 需求与设计 | /prd · /prd-to-spec · /to-design · /design-it | 需求文档 → 技术 SPEC → Go 风格设计提案 → 固定风格的 HTML 设计文档 |
| 拆解与分诊 | /to-issues · /triage | 把自己的 PRD/SPEC 拆成垂直切片 · 把外面进来的原始 issue 分流成可执行卡片 |
| 实现 | /implement · /test-first · /graph · /loop-it | 单个单元内联做完 · 红-绿写测试 · DAG 波次并行（每节点独立 worktree）· issue 依赖序串行（检查点可恢复） |
| 排障 | /diagnose · /conflict | 先拿到一条会变红的命令再推理的排查循环 · 逐 hunk 按意图解 merge/rebase 冲突 |
| 审查与交付 | /review-it · /walkthrough · /ship-it · /note-it | 双轴评审（Spec + 8 维度标准）· 合并前交出「改了什么 + 什么被验证过」的走查件 · 提交/PR/合入/关闭 Issue · 为 Issue 留实现笔记 |
| 代码质量 | /smell · /refactor · /modern-go | 架构坏味道与复杂度热点 · Fowler 重构目录 · Go 1.0→1.27+ 现代化 |
| 逆向与文档 | /code-to-spec · /understand · /insight-diagram | 从代码逆向出 SPEC · 把本次改动变成可交互审阅网页 · UML/架构图 |
| 内容 | /humanize-it · /article-icons · /listenhub-tts | 去 AI 味改写 · 文章配图 · 文本转语音 |
标了 disable-model-invocation 的 5 个技能（/ask-flow · /insight-diagram · 最后一行三个内容工具）不进模型目录：模型不会主动挑它们，你直接敲命令就行——省下的是每个会话和每个子代理都要付的那份固定成本。当前 26 个技能、目录总量 5077 字符，模型实际看到 3806 字符。这 5 个技能还各带一份 agents/openai.yaml（policy.allow_implicit_invocation: false）。
/goal 是 DSH 的命令（不是技能）：由你在命令行里敲，创建一个带自动续跑轮次的持久目标。这条能力的模型侧是 create_goal / update_goal，但 create_goal 只在顶层直接的人类回合执行——子代理和编排中途都铸造不了长期目标。
skills/
├── flow/ # PRD → 交付这条链上的一环，按顺序跑（10 个）
├── practice/ # 流程中途随时单独触发的工程实践（7 个）
├── meta/ # 关于这套技能集本身：路由（1 个）
└── bonus/ # 产出非代码工件：设计文档、图表、规格逆向、内容（8 个）
判据是「它在这条链上扮演什么角色」：flow 是流水线本身；practice 是你在中途因为「出事了 / 要保证质量」伸手拿的（测试方法、排障、冲突、外部分诊、质量巡检）；meta 是描述整套技能集自身的（/ask-flow 这个路由）；bonus 产生的是非代码工件。
DSH 的技能根只扫一层（<root>/<name>/SKILL.md），所以 cordis.patch.yml 把四个桶各列为一个 root，而不是指向 skills/。npx skills add 是递归扫描、安装时拍平，无论走哪条安装路径，得到的技能集完全相同。scripts/check_skills.py 守着两个静默失败面：技能被放回顶层（四个 root 都覆盖不到它），以及某个桶漏进 patch（那一桶会整体消失，且不报错）。
MIT，全文见 LICENSE。