Un système robuste pour permettre aux agents AI d'appliquer des lignes rouges de qualité de code, de gérer le chargement de contexte progressif et de maintenir un suivi persistant des plans.
Installer & Télécharger
1. ClawHub CLI
Le moyen le plus rapide d'installer une compétence directement depuis le registre.
npx clawhub@latest install ai-coding-standards
2. Installation manuelle
Copiez le dossier de la compétence dans l'un de ces emplacements
~/.openclaw/skills/ <project>/skills/ Priorité : Espace de travail > Local > Intégré
3. Installation du prompt
Copiez ce prompt dans OpenClaw pour l'installer automatiquement.
Aide-moi à installer ai-coding-standards via Clawhub. Si Clawhub n'est pas installé, installe-le d'abord (npm i -g clawhub).
Vous préférez télécharger ?
Obtenez les fichiers bruts de la compétence dans une archive ZIP.
Qu'est-ce que Normes de Codage AI ?
La compétence Normes de Codage AI est un cadre spécialisé conçu pour lutter contre l'entropie du contexte et maintenir des normes techniques élevées dans le développement piloté par l'AI. Basé sur les meilleures pratiques de Claude Code, il fournit un ensemble de lignes rouges de qualité et de mécanismes d'autocorrection qui garantissent que les agents AI produisent un code propre, modulaire et maintenable.
En mettant en œuvre cette compétence au sein d'Openclaw Skills, les développeurs peuvent éviter le piège courant du « gonflement du contexte », où les performances d'un agent se dégradent à mesure que la conversation s'allonge. Il déplace l'accent d'une large couverture de contexte vers des hits de contexte précis, utilisant le système de fichiers comme source unique de vérité pour l'état persistant des tâches et utilisant des hooks automatisés pour intercepter et corriger immédiatement la génération de code non conforme.
Cas d'utilisation de Normes de Codage AI
- Appliquer des seuils techniques stricts tels que la longueur maximale des fonctions et la taille des fichiers lors de la génération de code par l'AI.
- Réduire l'utilisation des tokens et augmenter la précision en implémentant le chargement de contexte progressif pour les corrections de bugs et la refactorisation.
- Reprendre des tâches de développement complexes sur plusieurs sessions d'AI en utilisant des fichiers de plan persistants et des listes de contrôle.
- Intercepter et rejeter automatiquement les commits de code non conformes via des hooks préconfigurés.
Comment fonctionne Normes de Codage AI
- Le système surveille la sortie de l'AI par rapport aux Lignes Rouges de Qualité définies, comme garantir que les fonctions restent en dessous de 30 lignes et les fichiers en dessous de 800 lignes.
- Le ContextManager ajuste dynamiquement les informations fournies au LLM, en ne chargeant que les modules cibles pour les bugs ou uniquement le contexte global pour les décisions architecturales majeures.
- Le PlanTracker synchronise les tâches complexes dans un répertoire de mémoire dédié, permettant à l'agent de suivre la progression et de récupérer à partir de points de rupture en utilisant le système de fichiers.
- Le HookRunner exécute des scripts automatisés qui fournissent un feedback instantané à l'AI lorsqu'une norme de codage est violée, agissant efficacement comme une barrière de sécurité.
Configuration de Normes de Codage AI
Pour intégrer cela dans votre flux de travail, établissez d'abord les hooks de qualité à la racine de votre projet :
# Créer des hooks de vérification de qualité
mkdir -p .git/hooks
cp pre-commit.sample .git/hooks/pre-commit
chmod +x .git/hooks/pre-commit
Ensuite, créez un fichier CLAUDE.md dans votre répertoire racine pour définir la stratégie d'application pour Openclaw Skills :
# Normes de Codage du Projet
## Lignes Rouges de Qualité
- Fonctions <= 30 lignes
- Fichiers <= 800 lignes
## Stratégie de Chargement
- Corrections de bugs : Charger uniquement les fichiers pertinents
- Refactorisation : Charger le contexte complet
Schéma de données et taxonomie de Normes de Codage AI
La compétence organise les métadonnées et l'état à travers une hiérarchie structurée pour assurer la persistance :
| Composant | Chemin de Fichier / Format | Description |
|---|---|---|
| État de la Mémoire | /memory/tasks/*.md |
Listes de contrôle persistantes et suivi de progression des tâches. |
| Configuration des Règles | CLAUDE.md |
Définition primaire des normes de codage et des stratégies de chargement. |
| Validation | Résultats de QualityChecker |
Sortie JSON détaillant les problèmes tels que la longueur de fonction ou la profondeur d'imbrication. |
| Hooks | .git/hooks/ |
Interception basée sur des scripts pour l'application des règles en temps réel. |
Fonctionnalités avancées de Normes de Codage AI
- Chargement de Contexte Progressif : Taux de réussite optimisé par rapport à la couverture pour éviter le débordement de contexte.
- Persistance du Plan : Utilise le système de fichiers comme seule source fiable de vérité pour la récupération de l'état.
- Interception Automatisée : Va au-delà du simple prompt en utilisant des hooks exécutables pour appliquer des règles.
- Système d'Autocorrection : QualityChecker intégré basé sur Python pour la validation programmatique de la structure du code.
SKILL.md
Chargement
Compétences Openclaw associées
Multi-Agent Parallel Build
Un framework d'orchestration haute performance pour générer plusieurs coding agents simultanément afin de construire des systèmes complexes multi-composants en vagues parallèles.
Constructeur de Plateforme de Médias Sociaux
Un cadre complet pour construire des systèmes automatisés de gestion des médias sociaux avec une publication basée sur des plugins et des pipelines de contenu pilotés par l'IA.
Audit de préparation à la production Swagger OpenAPI
Un outil d'audit technique rigoureux qui évalue les spécifications Swagger et OpenAPI en matière de maturité de sécurité, de robustesse de Schema et de risques de production.
Extropy Operator
Extropy Operator est une compétence axée sur l'exécution, conçue pour exécuter des pipelines de simulation complexes, diagnostiquer les défaillances et fournir des analyses basées sur des preuves en utilisant des portes de qualité strictes.
Envoyeur d'images Feishu
Une compétence d'automatisation spécialisée pour envoyer des fichiers image locaux depuis votre espace de travail directement vers les canaux Feishu.
Desktop Control
Une skill d'automatisation de bureau complète qui permet aux agents IA de contrôler la souris, le clavier et l'écran sur plusieurs systèmes d'exploitation.
En vedette*
