AI 编程Agent Skill

Ravensight Skills：用编码智能体审计并完善游戏埋点追踪

Reality-Software-Entertainment/ravensight-skills · Customer-facing agent skills for Ravensight: audit and improve game tracking with your own coding agent

GitHub原文发布未知首次收录 2026-10-16上架 2026-10-16 07:03

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Ravensight Skills 面向使用 Ravensight 分析平台的游戏开发者，提供可在自有编码智能体中加载的客户侧技能。其中的 ravensight-instrumentation 技能会先针对玩家旅程问题写出验收矩阵，再审计既有事件埋点，识别缺失、重复或误导性事件并给出源码位置，也可按需实现埋点扩展，最终产出事件目录、覆盖报告和包含交付、schema、覆盖三项独立结论的完成报告。安装器支持 Codex、Claude Code、GitHub Copilot 及通用手动加载方式，仅写入技能文件，不修改游戏代码、不配置账号、不联系平台。

# 插件 # agent-skill # 业务可观测性 # 数据采集 # code-audit

核心能力与快速开始

★ 0 · JavaScript

能做什么: 提供客户侧可移植的 agent 技能，当前包含 ravensight-instrumentation 一项：审计现有游戏埋点追踪，扩展缺失的玩家旅程覆盖，或初始化新的接入集成。技能覆盖决策、结果、失败、重试、退出等环节，先写出玩家问题验收矩阵，再据此判断事件设计；支持按需实现埋点修改，并产出事件目录、覆盖报告与包含交付、schema、覆盖三项独立结论的完成报告。附带安装器，可将技能文件安装到 Codex、Claude Code、GitHub Copilot 或通用 agent 的技能目录，支持 dry-run、强制更新与备份、卸载。可选连接免费公开文档 MCP（search_docs、get_doc）获取最新指引，并可路由到 Ravensight SDK 文档，使用已有授权的分析 MCP 连接获取实时证据。
适用场景: 游戏开发者希望用自己已有的编码智能体检查和分析游戏分析埋点质量时使用：仅做审计、不修改代码；在既有游戏上全面审计并补齐决策、失败、重试、退出等旅程埋点并更新事件目录；为新游戏初始化 Ravensight 接入并设计埋点；把审计与改进范围限定在库存、合成等特定子系统；在没有本地技能发现能力的客户端（如 ChatGPT）上，手动提供 SKILL.md 与参考资料并按流程执行。
项目形态: 可直接使用的工具
部署方式: 安装方式：在游戏目录下使用 Node 20 及以上运行 npx ravensight-skills --agent <codex|claude|copilot|generic> --project .；或克隆仓库后运行 node bin/install.mjs（支持 --dry-run）。无 Node 时可手动复制 skills/ravensight-instrumentation/ 整个文件夹到所选 agent 的技能目录。安装器只写入技能文件，不修改游戏代码、不配置账号、不联系 Ravensight；重复安装为 no-op，更新需 --force 并可选备份。技能本身在客户端本地运行，仓库未说明服务端部署方式。
主要依赖: 需要 Node 20 或更高版本用于安装器（无 Node 时可手动复制文件）；需要一个支持技能加载的编码智能体客户端（Codex、Claude Code、GitHub Copilot 或其他，ChatGPT 等不支持本地技能的客户端需手动提供文件）。审计与实现仅需本地源码，无需上传源码、付费扫描、生产流量或部署。可选文档 MCP 无需认证；分析 MCP 为可选且按量计费，agent 提供方可能另行收费，新增埋点可能增加事件用量。
使用限制: 仓库明确说明其内容为客户工作流，不包含 Ravensight 平台或内部开发说明。分析可在提供的文件上进行，但实现需要具备编辑能力的工具。打包测试不代表在所有 agent 客户端中端到端行为均成立。同一 agent 不应安装多份副本。安装器不配置 MCP，也不提供 ChatGPT 连接器或仓库访问授权。技能包含的引用基于公开文档目录修订与核对日期，需定期用 npm run check-docs 人工校准。未给出离线以外的性能或规模数据。
许可证: MIT
最近推送: 2026-10-16 06:01

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-16 07:00 · 卡片整理：2026-10-16 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证

职业应用

程序员

游戏开发者可在自有编码智能体（Codex、Claude Code、GitHub Copilot 或手动加载）中加载 ravensight-instrumentation 技能，对游戏既有事件埋点进行审计，识别缺失、重复或误导性事件并给出源码位置，也可按需实现埋点扩展，最终产出事件目录、覆盖报告和包含交付、schema、覆盖三项独立结论的完成报告。

查看内容依据

其中的 ravensight-instrumentation 技能会先针对玩家旅程问题写出验收矩阵，再审计既有事件埋点，识别缺失、重复或误导性事件并给出源码位置，也可按需实现埋点扩展，最终产出事件目录、覆盖报告和包含交付、schema、覆盖三项独立结论的完成报告。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Anti-Dark-Code：基于证据的 AI 代码审查与代码库理解技能

Anti-Dark-Code 是一个模型中立的 agent skill，帮助编码助手理解陌生代码、排查关键风险、记录关键行为、建立校验并修复有依据的问题。它围绕理解、调查、记录、验证、修复与改进六类任务组织工作流，强调结论需附证据并标注已验证、推断与未知的置信度，本地校准信息按仓库隔离保存，可选使用本地 Python 3.12 及以上标准库工具运行。

CodeSage：面向 Pull Request 的 AI 代码审查平台

CodeSage 是一款 AI 驱动的代码审查工具，提供本地 CLI 和配套 Web 产品。其深度审查能力 CodeSage Deep 会围绕一次代码变更展开调查：理解 PR 意图、制定审查计划、让多个 Reviewer 并行检查不同问题，再对发现进行证据核验与跨文件分析，输出定位到代码的结构化审查意见。审查过程中 Agent 可读取完整文件、查看其他文件差异、搜索仓库并沿调用关系追查上下文。设计上强调确定性准备、可修复的审查计划、受控并行 Reviewer、一次 Cross 综合验证与确定性收尾，并通过 ARQ 投递、数据库行锁、Lease、心跳续约与提交门禁治理任务执行。材料称在 AACR-Bench 100 个实例评测中，CodeSage Deep 搭配 GLM-5.2 获得 52.8% 精确率、23.4% 召回率和 32.4% F1。

Agent Skills：为编程智能体提供可组合的工程技能库与路由

这是一套面向 Claude Code、Codex、pi 等能够读取 SKILL.md 目录的智能体的技能集合，每个技能可独立使用。核心技能 yesh-router 会为每个任务挑选合适的方法并应用工程原则；技能覆盖架构选型、回归定位、性能基准核查、变更影响面分析、缺陷诊断、代码原理讲解、交互式 HTML 解释、对抗式评审、形式化建模与不变量检验、代码与结构审查、并行智能体编排、文档与提交文案润色、可视化渲染、面向智能体的文档写作等。README 还介绍了 powerball 模式的配置方式，以及修改技能后的检查与构建流程。

Locker Protocol Agentic Skills：让 AI 编码代理在不持有私钥的前提下交易 Hyperliquid 永续合约

该仓库为 Claude Code、Codex、Cursor、Antigravity、Grok Build 和 Gemini CLI 提供 Locker Protocol Agentic 的 skill 与插件，教会代理使用 lpa 命令行工具及其 MCP 服务器（42 个 stdio 工具）来交易 Hyperliquid 永续合约。私钥保存在离线 Locker Vault 应用中，电脑上只保存有密码保护、约六个月过期的 agent key，Hyperliquid 拒绝该 key 的提现与转账，只有用户扫描二维码签名才能动资金。skill 内置报价先行、等待用户确认、提现由用户钱包签名、首次使用建议模拟盘等规则，并附带会话启动 hook 与测试自查脚本。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。