morganlinton/BeautifulRust

Beautiful Rust 是一套工具，用于教导 AI 编码代理以惯用方式编写、审查和移植 Rust 代码。它由两部分组成：三个技能（代理工作时阅读的指令）和一个lints 配置（在 CI 中自动捕获违规的规则）。

三个技能

1. rust-best-practices — 当代理编写或修改 Rust 代码时激活。它引导代理编写惯用、健壮、可维护的代码。这是核心技能；其他两个技能基于它构建。

2. rust-review — 审查现有 Rust 代码（单个文件、整个 crate 或差异），并生成优先级报告。每个发现都包含 file:line 位置、违反的规则（及其来源，如 API 指南代码或 clippy lint），以及修复它的最小代码更改。发现分为等级：必须修复、应该修复、考虑修复。报告还以代码已经做得很好的部分结尾。

3. rust-port — 将 C、C++、Python、Go 或 JavaScript 移植到具有相同行为的惯用 Rust。它首先移植原始测试，以便您可以证明两个版本匹配。它设计一个 Rust API，而不是直译原始代码，并将每种语言的习惯映射到 Rust 等价物——例如，NULL/None 变为 Option，错误代码变为错误枚举，输出参数变为返回值，标志整数变为类型化枚举。每个移植都包含一个 PORTING.md，记录每个有意的差异。

lints 配置

lints/ 是一个即插即用的 clippy 配置。您将 clippy.toml 复制到 Cargo.toml 旁边，粘贴 lints.toml 中的 [lints] 块，然后运行 cargo clippy。它会标记诸如测试之外的 unwrap()、没有 // SAFETY: 注释的 unsafe 块、没有原因的 #[allow]、bool 函数参数、静默有损的 as 转换、缺少 # Errors 和 # Panics 文档，以及遗留的 dbg!/todo!。每个 lint 都被证明会触发——一个小型测试 crate 包含每个 lint 的一个故意违规，并且一个脚本会在任何 lint 停止工作时失败。

它在实践中的改变

README 展示了一个具体的之前/之后对比。要求构建一个小型 semver 解析库时，没有该技能的代理生成了一个具有公共字段、没有 # Errors 文档以及文档示例中使用 unwrap() 的结构体。使用该技能后，同一代理保持字段私有，明确记录失败模式，并编写用户可以安全复制粘贴的文档示例。

指导来源

这些技能提炼了五份已发布的来源，每份的浓缩摘要都捆绑在技能中，以便代理可以查阅原始推理：

• Google Rust 风格指南
• Rust API 指南（官方 rust-lang 清单）
• David Drysdale 的《Effective Rust》
• Rust 设计模式（rust-unofficial）
• Microsoft 务实 Rust 指南

当来源不一致时，技能会选择一方并说明原因。

兼容性和安装

适用于 Claude Code、OpenAI Codex、GitHub Copilot、Cursor、Gemini CLI，以及任何读取 Agent Skills 格式的代理。安装方式因代理而异——一键安装程序、插件安装，或简单地将技能文件夹复制到代理的技能目录。表格列出了每个代理的正确目录。

效果如何

这些技能通过真实模型运行进行了测试（运行需要花费金钱）。结果：

• 编写技能： 使用技能时 30 项检查中通过 29 项，而未使用时 30 项中通过 24 项——每个任务大约多消耗三分之一的 token。
• 审查技能： 12 项中通过 11 项，而未使用时 12 项中通过 7 项。
• 移植技能： 22 项中通过 22 项，而未使用时 22 项中通过 19 项。

维护和贡献

更新通过 plugin.json 进行版本控制；Claude Code 用户可以通过一条命令获取更新。推送前，验证脚本检查技能格式、链接和评估案例。欢迎贡献——每条规则必须引用已发布的来源，README 链接到贡献指南。

许可证

技能文本、摘要、横幅和生成器脚本采用 MIT 许可证。五份来源摘要是对原始内容的转述，链接回原始内容，每份都有自己的许可证（CC BY 3.0、MIT/Apache-2.0、CC BY-NC-ND 4.0、MPL-2.0、MIT）。