shadcn/improve

解决的问题

解决使用高成本、高智能 AI 模型处理重复性编码任务的低效问题。该工具将高层次的「智能」（审计与规划）与低层次的「执行」（编写代码）分离，使更便宜的模型能够承担实现阶段的任务，而非依赖单一昂贵模型完成全部工作。

工作原理

该工具作为一项代理技能，遵循特定的流程：

1. 侦察：映射仓库的技术栈、编码规范和文档（如 ADR 或 PRD），以理解项目的上下文。
2. 审计：并行子代理在九个类别（包括安全、性能和技术债）中扫描代码库，发现潜在问题，并引用具体的文件和行号作为证据。
3. 验证与优先级排序：由顾问模型过滤误报，并根据影响程度和工作量生成优先级排序的发现结果表。
4. 规划：针对选定的发现，生成自包含的 Markdown 规格说明，存放在 plans/ 目录中。这些计划包含内联代码片段、机器可验证的验证门禁以及明确的停止条件，确保即使是小型「弱」模型也能无幻觉地执行。
5. 执行与协调：可调度低成本执行器在隔离的工作树中实现计划，审查其变更差异，并定期刷新待办事项列表以应对代码漂移。

适用人群

专为使用 AI 代理维护和改进代码库的开发者和团队设计，希望在成本与质量之间取得平衡，通过「技术主管」模型指导「初级」执行模型来实现目标。

核心亮点

• 职责分离：该技能从不直接修改源代码，仅生成计划。
• 机器可验证的计划：每个计划都包含具体命令和预期输出，用于验证执行成功。
• 隔离执行：使用可丢弃的 git 工作树进行实现，确保主分支安全。
• 上下文感知：可读取设计文档和 ADR，确保建议与现有产品意图一致。