博客上线 · Skill开发 · issue-spec二开

原创

鸿渐
鸿渐

爱唠叨的Nil

2026年7月11日 19:02
江苏

在小说阅读器读本章

去阅读

博客上线 · Skill 开发 · issue-spec 二开 最近在折腾的几件事

用 MonkeyCode 搭建了个人博客，基于 issue-spec 开发了一个推演 Skill，二开了 higress 的 issue-spec 兼容 GitCode，下一步要做万能 Windows Skill。

最近几周集中精力做了几件有意思的事：搭了个人博客、用 issue-spec 工作流开发了天命推演 Skill、二开了 issue-spec 让它兼容国产代码托管平台 GitCode。每一步都在摸索 AI 辅助开发的新范式，踩了一些坑，也找到了一些方法论。

我的个人博客 敖胤AI（sunzhizhi.cn） 已经正式上线了。整个项目是用 MonkeyCode 搭建完成的——一个 AI 驱动的全栈开发工具，从需求描述到代码生成再到部署上线，基本全程 AI 辅助。

博客定位是「以墨为舟，探索 AI 世界」，目前包含 7 大主题、15 篇精选文章，覆盖 AI 入门实战、行业动态、升学就业、竞赛活动、黑客松、算力优惠、T-agent 智能体等板块。

使用 MonkeyCode 的体验很不一样——它的全项目上下文能力（1M tokens）让命名风格自动统一，还能主动发现缺少分页、XSS 过滤、搜索索引之类的问题。整个过程大概 3 天就从零到上线了。

博客地址

https://www.sunzhizhi.cn

TM（天命）推演是一个基于中国传统国学体系的 AI Skill，遵循 Agent Skills 开放标准。支持八字排盘、运势推演、命格分析，融合马克思主义哲学与社会主义核心价值观，坚决反对宿命论。

这个项目的开发完全走的是 issue-spec 工作流：先创建 GitHub Issue 定义需求，然后由 issue-spec 自动生成结构化的技术规格文档，再基于 Spec 实现代码，最后通过 PR Review + CI + Comments + Resolved + Merge 的完整闭环交付。

整个流程跑通之后，最大的感受是：issue-spec 让 AI 辅助开发从「想到哪写到哪」变成了「有规格、有验收标准的工程化流程」。配合对抗测试和黄金测试用例，输出质量可控了很多。

项目亮点

• A 轨（传统文化表述）+ B 轨（现代精神文明表述）双轨输出

• 内置敏感词转换、禁止事项与安全声明

• 纯 AI 推理型，无需外部 CLI、Python 包或 API 密钥

• 15 次提交，Claude Code / OpenAI Codex / Gemini 兼容

仓库地址

https://github.com/nillikechatchat/tm-divination

在做 tm-divination 的过程中，我发现 higress 的 issue-spec 工作流非常好用，但它原生只支持 GitHub。为了让这套 Spec-Driven 流程也能在国产代码托管平台上跑起来，我二开了一个兼容 GitCode（AtomGit） 的版本。

主要的适配工作包括：API 接口对接 AtomGit 的 Issue / PR / Comment 体系，调整了 Webhook 回调格式，修改了权限校验逻辑。核心工作流不变——仍然是 Issue → Spec → Implement → PR → Review → CI → Comments → Resolved → Merge。

这样国内的开发者也能在 GitCode 上体验 issue-spec 驱动的 AI 辅助开发流程了。

仓库地址

https://atomgit.com/u012823422/issue-spec-gitcode

目前已经在规划下一个项目——一个 万能 Windows Skill。目标是通过一个统一的 Skill 接口，让 AI Agent 能在 Windows 系统上执行各种日常操作：文件管理、应用启动、系统配置、自动化脚本、环境搭建等等。

思路是沿用 issue-spec 工作流来驱动开发：先创建 Issue 定义功能范围，生成 Spec 细化技术方案，再逐步实现各个子能力。初步设想包含以下模块：

• 文件操作（创建、移动、搜索、批量重命名）

• 应用管理（安装、卸载、启动、配置）

• 系统运维（环境变量、注册表、服务管理）

• 自动化脚本（PowerShell / CMD 生成与执行）

• 开发环境搭建（一键配置 Node.js / Python / Git 等）

开发中 · 敬请期待

项目仍在规划阶段，完成后会第一时间更新到博客和 GitHub。

回顾这几周的实践，最大的收获是找到了一条比较清晰的 AI 辅助开发路径：MonkeyCode 负责快速搭建和迭代，issue-spec 负责需求规格化和工程化交付。两者结合，效率确实提升了不少。

— 敖胤AI · sunzhizhi.cn

sunzhizhi.cn
   GitHub
   AtomGit
   MonkeyCode
   issue-spec