把「命名规范审查」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（代码 diff 或目录），按什么顺序处理，交付什么（命名问题列表与建议名称），哪些事不能做。Skill 就是把这些写下来的载体。

一句话说明

「命名规范审查」技能让智能体按团队命名约定检查变量、函数、文件命名并给出改名建议。你提供代码 diff 或目录，它按固定步骤处理，交付命名问题列表与建议名称。

项目说明
技能命名规范审查（naming-review）
作用按团队命名约定检查变量、函数、文件命名并给出改名建议
输入代码 diff 或目录
输出命名问题列表与建议名称
形态纯提示词
风险低
适用人群开发者

它解决什么问题

没有技能时，开发者每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：读取命名约定→扫描新增符号→对照约定判断→输出建议并标注影响面
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「改动前确认有测试与版本控制，一次只改一类问题」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理代码 diff 或目录、希望结果格式统一、愿意花十分钟把流程写清楚的开发者。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

  • Function Calling：Function Calling（工具调用）是主流大模型 API 的通用能力：你用 JSON Schema 描述函数
  • Dify 工作流：Dify 是开源的大模型应用开发平台
  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手
  • Cursor Rules：Cursor 用项目规则（Project Rules）给智能体注入长期指令

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
读取命名约定按指令完成并给出依据抽查关键处，确认无误
扫描新增符号按指令完成并给出依据抽查关键处，确认无误
对照约定判断按指令完成并给出依据抽查关键处，确认无误
输出建议并标注影响面按指令完成并给出依据抽查关键处，确认无误
最终交付整理命名问题列表与建议名称决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的命名问题列表与建议名称范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。