Evidence-Bound-Press-Conference-Revision-Skilllensback940701/Evidence-Bound-Press-Conference-Revision-Skill
本项目主要使用 Python 编写构建。经全文档扫描,项目共集成包含 8 个核心 skills。主要 skill 及其具体功能包括:1.【claim delta】:— no evidentiary inflation;;…
还没有人评分
我要评分
Stars266
Forks6
Watchers266
Open Issues0
Install一键安装
可安装 · 8 个技能该仓库遵循 Agent Skills 规范,一条命令即可装进你的 AI 客户端 —— Claude Code、Codex、Cursor、Copilot、Windsurf 等 18+ 个客户端通用。
npx skills@latest add lensback940701/Evidence-Bound-Press-Conference-Revision-Skill
这个仓库里打包了 8 个技能,也可以只装指定的一个:
另有 6 个未列出,运行 npx skills@latest add lensback940701/Evidence-Bound-Press-Conference-Revision-Skill --list 可查看全部。
加 -g 装到全局(所有项目可用)· 加 --agent claude-code 指定客户端 · 加 --yes 跳过交互。安装后重启 AI 客户端即可识别。
Overview功能介绍
核心功能
本项目主要使用 Python 编写构建。经全文档扫描,项目共集成包含 8 个核心 skills。主要 skill 及其具体功能包括:1.【claim delta】:— no evidentiary inflation;;2.【evidence status】:— plan, report, observation, outcome, interpr...;3.【citation role】:— sources still support the propositions for ...。整套技能体系具备清晰的模块化与标准化接口规范,可直接无缝对接智能体工作流与工程管线,提供。
适用场景
主要覆盖以下几类实用环节:1. 【需求分析与方案架构规划环节】前期技术方案推演、业务需求拆解与架构选型;2. 【测试驱动开发与自动化测试验证环节】测试用例自动化生成与质量边界验证;3. 【故障排查与性能深度调优环节】线上突发异常诊断与调用链路追踪分析。
适用职业
合适给 AI / 算法工程师、后端开发工程师、硬件 / 嵌入式工程师 等专业技术岗位人员在日常开发与自动化流程中深度使用。
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 2595 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | lensback940701/Evidence-Bound-Press-Conference-Revision-Skill |
| 所属分类 | AI 与智能体技能 / 编程与工程开发智能体 |
| 主要语言 | Python |
| 开源协议 | MIT License |
| 默认分支 | main |
| GitHub 仓库 ID | 1331078494 |
| 节点 ID | R_kgDOT1alXg |
| 榜单排名 | #2065 (来源榜单内名次) |
| 全站热度排名 | #2308 (按 Stars 实时计算,共 5845 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前266
- 上一记录点 · 09-23 254
- 较上一记录点 +12
- 共 2 个记录点 跨度 20 天
- 当前6
- 上一记录点 · 09-23 6
- 较上一记录点 ±0
- 共 2 个记录点 跨度 20 天
Timeline时间线
仓库创建2026-08-11 15:31:033 个月前
资料最后更新2026-10-13 06:46:141 个月前
最近一次代码推送2026-08-23 00:47:382 个月前
Commit更新记录
版本【latest】由提交人 lensback940701 提交,主要更新类型为:技术文档补充与规范指引更新。提交说明:Split README into English and Chinese editions。完善了项目使用说明、部署规范与开发者指引。