convez.ai
AgenteAutomaçãoAvançado
ailu5949

AI Agents Kit

ailu5949/ai-agents-kit

Orquestrador de múltiplos agentes IA para dev full-stack com revisão automática

Ver no GitHub
InicialPluginScore · de 0 a 100

Kit de scaffolding para orquestração de múltiplos agentes IA em fluxo de trabalho colaborativo. Um agente principal (Claude) funciona como diretor executivo — decompondo requisitos, gerando contratos de codificação, revisando e validando — enquanto agentes secundários (Codex/Claude) implementam frontend e backend em paralelo. Inclui memory persistente entre sessões, validação Karpathy 6-step, smoke tests automáticos e recuperação de contexto entre projetos.

Instalação

$npx convez-ai ailu5949/ai-agents-kit

1 comando no terminal: detecta o formato do repositório (marketplace ou plugin avulso) e instala via Claude Code. Requer Node 18+ e o Claude Code instalado.

Métricas

Estrelas
0
Forks
0
Acompanhando
0
Saúde
42%
Último commit
há 5 meses
Versão
—
Issues abertas
0
Contribuidores
1

Casos de uso

  • Onboarding em codebases legadas com autossummarização de arquitetura
  • Conversão de requisitos/Figma em código testado end-to-end
  • Tarefas longas executadas em background sem manter IDE aberta
  • Reutilização de padrões e evitar bugs conhecidos entre projetos
  • Troca dinâmica entre provedores IA (Codex/Claude) sem perder progresso

Veredito

Ferramenta enterprise-grade para times que querem industrializar pipelines Claude Code. Resolve genuinamente o problema de 'AI finge que terminou' via gates de decisão humana forçados + observabilidade real. Curva de aprendizado alta (shell scripts, múltiplas abstrações), mas ROI claro para devs em modo multitarefa ou herdando legacy.

README

A tradução para o português deste README ainda está na fila.

ai-agents-kit — 多Agent协作工作流初始化脚手架

作者: ailu <ailu5949@gmail.com> License: MIT English: README.en.md

多Agent协作工作流 — 从需求到交付 AI 自动跑完整流程,4 阶段(分析拆解 / 任务派单 / 代码审查 / 总结记忆)+ 经验回写闭环 + 端到端自动化 / 高质量交付 / 快速迭代 / 团队协作 / 知识沉淀复用

一键给你的项目装上一套 AI 协作 harness:主 Claude 当总指挥(拆需求 / 写编码合同 / 审查 / 修复 / 复盘),后台 2 个编码 agent(Codex CLI 或 Claude CLI)分别在 backend / frontend 写代码,你只在终点做人工审查。

一句话:让"丢给 AI 一个项目 / 一份需求 / 一套 UI 方案,它自己跑完到可审查产物"这件事工程化、可复用、可观测。


谁适合用

你是…这个工具帮你解决什么
接手老代码库的人(刚加入项目 / 接前同事屎山 / 维护旧系统)主 Claude 帮你读懂代码 + 总结架构,加功能 / 修 bug 时自动避开历史踩坑(memory bugs.md)
个人开发者 / 小团队(没有完整测试 + CR 流程,但又怕 AI 写出垃圾码)强制 Karpathy 6 项审查 + 真打跑测试 + lint + curl smoke,AI 不能"假装完成"
手里有需求文档 / Figma / UI 方案的人(产品经理 / 独立开发者)把需求 / 静态稿丢给主 Claude → 自动拆 01-需求.md → 派编码 agent 实现 → 审查 → 复盘,你只点 OK
重度 Claude Code / Codex CLI 用户(打 prompt 打到手酸)工程化派单合同(02/03)代替反复打 prompt;状态写文件系统,跨会话 / 跨终端 / 关掉 IDE 都能恢复
想攒可复用经验的人(跨项目踩同样坑很烦)三层 memory(global/patterns,bugs + projects/context + ideas/product-ideas)自动回写,P2 项目直接复用 P1 教训
想用多家 AI CLI 的人(codex 配额用完想切 claude)Provider 抽象 + /retry-other-provider 一键切对家,handover.md 接续点不重做

不适合:已经有完整 CI / CR / 自动化测试体系 + 不需要 AI 编码的成熟团队(这套工具的价值在"代替 CR / 替代测试纪律",成熟团队已经有更好的)。


典型场景

1. 接手老项目 + 加新功能 / 修 bug

cd /path/to/legacy-project           # 老代码库,你不熟悉
git init                              # 没 git 的话先初始化
bash /c/Users/mi/ai-agents-kit/install.sh --yes
claude .                              # 在 Claude Code 里跟主 Claude 说需求

主 Claude 启动时自动扫:memory/projects/context.md(本项目独有上下文)+ memory/global/bugs.md(跨项目踩坑) → 读完才动手,不会一上来就翻新坑。

2. 新项目从零(需求文档 → 完整功能)

把一份 markdown 需求(或 Figma / UI 静态稿)丢给主 Claude:

你: 实现 GET /api/stocks 接口返回热门股票,前端 /stocks 页面用表格展示
主 Claude: 拆 01-需求.md → (可选)01.5-设计.md + 01.6-测试用例.md
           → 02-后端编码.md / 03-前端编码.md → 派后端 → 审查 → 派前端 → 联调 → 复盘
你: 全程只在 ready-for-human 节点点 OK

详见下方"一个完整示例"。

3. UI 高保真稿落地

给 Figma 链接 / HTML 静态稿 / 设计 token,主 Claude 写 03-前端编码.md 派单合同(命名空间冻结 / 字体 CDN 镜像 / 禁用 Google Fonts 等约束),编码 agent 复刻还原。审查阶段静态自检 grep 命令 + Lane F12 验收。

4. 长任务你想关 IDE 去吃饭

bash .aiagents/bin/agentctl.sh up                # 起后台 watcher
# 派完任务后关掉 Claude Code,去吃饭
# 编码 agent 完成时桌面 toast: [your-project] backend done — 回到 Claude Code 审查

5. 切模型 / 切会话 / 切电脑

/handover 生成 00-交接.md 快照 → 新会话 / 新模型读快照 + memory 秒接管。详见"升级 / 迁移"。

6. 跨项目复用经验

P1 项目跑完 → /retrospective 自动整理"做对了什么 / 踩了什么新坑" → 回写到 memory/global/{patterns,bugs}.md → P2 项目 install 后自动继承这些经验,新会话主 Claude 启动必读。


解决什么问题

痛点解决方式
单个 Claude 跑复杂任务容易丢上下文 / 偷工 / "假装完成"拆成 总指挥 + 编码 agent:主 Claude 不直接写业务码(settings.json permissions.deny 硬约束),只产合同 + 审查
Claude 自报"做完了"难分辨真假Karpathy 6 项审查(A 执行 / B Think / C Simplicity / D Surgical / E Goal / F Sanity)+ Pre-Human Decision Gate(主 Claude 必须真打跑测试 + curl smoke + lint 全过才让你拍板)
长任务希望关掉 IDE / 切别的项目时仍能跑watcher 后台常驻,状态写文件系统(state/current.json + events.jsonl),跨会话可恢复
编码 agent 完成 / 失败时主 Claude 不在线 → 没人知道Stop hook + Windows 桌面 toast 双层通知,Lane 离线也能收到提醒
派单后没法看到副 agent 实时在动什么agentctl.sh logs <agent> 实时跟 pretty 流(文本 / 工具调用 / result),不刷原始 JSON
副 agent 跑一半 token 不够 / sandbox 异常 / 限流/retry-other-provider <agent> 切对家(codex ↔ claude),handover.md 把接续点传给新 provider,不重做
跨项目跨会话经验丢失三层 memory(global/{patterns,bugs}.md / projects/context.md / ideas/product-ideas.md),任务前必读 + 复盘后回写
多 bash 窗口 / Cursor 多面板协作时,各窗口看不到对方状态所有状态 / 事件 / 心跳写进 .aiagents/state/ + runtime/,任意终端 agentctl status 随时看

工作流(它怎么帮你)

你给:    项目目录 / 需求文档 / UI 方案
         │
         ▼
1. 分析拆解 (主 Claude)
   ├─ 读 memory 4 份(避免重蹈历史坑)
   ├─ 产 01-需求.md (验收标准)
   ├─ 可选: 产 01.5-设计.md  (架构/数据模型/接口契约/状态机/关键决策)
   └─ 可选: 产 01.6-测试用例.md (TC-ID + Given/When/Then + 反向对齐验收)
         │
         ▼
2. 任务派单 (主 Claude → 编码 agent)
   ├─ 产 02-后端编码.md (派单合同)
   ├─ 产 03-前端编码.md
   └─ /dispatch-backend → watcher → agent-runner → codex/claude CLI 写代码 + 测试 + commit
         │
         ▼
3. 代码审查 (主 Claude, 强制真打)
   ├─ Karpathy 6 项 (A 执行 / B Think / C Simplicity / D Surgical / E Goal / F Sanity)
   ├─ Pre-Human Decision Gate (跑 pytest + ruff + curl smoke + 真 E2E, 任一失败必修)
   ├─ 失败 → 自动产 04-修复.md → /bugfix-backend → 重做 (最多 3 轮)
   └─ 通过 → state=ready-for-human
         │
         ▼
4. 写报告 + 汇总记忆 (主 Claude)
   ├─ reviews/{backend,frontend}-review.md (每轮审查留档)
   ├─ retrospectives/<date>-retro.md (整轮复盘)
   └─ 回写 memory/{global/patterns,global/bugs,projects/context,ideas/product-ideas}.md
         │
         ▼
你做:    最后的人工审查 (点 OK 收下 / 打回让 AI 重做)
         离线时桌面 toast 通知, 不用守着

未来扩展(优先级低):第 5 步自动化部署 — 跑通审查后自动 build / deploy / smoke,当前不做,Lane 手动 deploy。


安装

Bash(Linux / WSL / macOS / Git Bash)

cd /d/dev/ai/workspace/your-project
git init                                                  # install.sh 用 git rev-parse 定位项目根
bash /c/Users/mi/ai-agents-kit/install.sh                 # 交互式
bash /c/Users/mi/ai-agents-kit/install.sh --yes           # 非交互(默认轻量 Python + React)

PowerShell(Windows 原生)

cd D:\dev\ai\workspace\your-project
git init
pwsh C:\Users\mi\ai-agents-kit\install.ps1
pwsh C:\Users\mi\ai-agents-kit\install.ps1 -BackendDir backend -Yes

起手栈预设(--stack / -Stack)

预设后端前端
python-light(默认)FastAPI + SQLAlchemy + pytest + ruffVite + React
python-poetry同上,用 poetry 管包同上
goGo + GinVite + React
node-fullstackFastifyNext.js
java-enterpriseSpring Boot 3 + MavenVite + React
java-gradleSpring Boot 3 + GradleVite + React
bash install.sh --yes --stack python-light       # 中小项目 / 个人项目首选
bash install.sh --yes --stack java-enterprise    # 重型企业

可选开关(默认全关,按需启用)

主 Claude 默认只产 01-需求.md + 02/03-编码.md + 自查审查。复杂项目可启用三个可选项:

Flag作用产物 / 行为
--with-design-doc设计文档阶段specs/01.5-设计.md:架构图 / 数据模型 / 接口契约 / 状态机 / 关键决策
--with-test-cases测试用例阶段specs/01.6-测试用例.md:用例表(TC-ID / Given/When/Then)+ 边界条件 + 反向对齐验收点
--with-adversarial-review对抗性审查真打验证后,用异构 provider(默认 codex)独立"找茬",防主 Claude 同体审查盲区
bash install.sh --yes --with-design-doc                          # 启用设计文档
bash install.sh --yes --with-design-doc --with-test-cases        # 设计 + 测试用例
bash install.sh --yes --with-adversarial-review                  # 对抗审查 (reviewer=codex)
bash install.sh --yes --with-adversarial-review --reviewer claude  # 编码用 codex 时 reviewer 换 claude

PowerShell:pwsh install.ps1 -Yes -WithDesignDoc -WithTestCases -WithAdversarialReview -Reviewer codex

对抗性审查是 kit 相对 Claude 原生 subagent 的独特能力 —— 原生 subagent 全是 Claude,做不了异构对抗。它解决"同体盲区":主 Claude 既写 02/03 spec 又审查,理解偏了会按同样偏的标准判 pass。引入 codex 这"另一个脑子"独立读 git diff + spec 找问题。详见下方"对抗性审查"段。

启用后,主 Claude 在阶段拆解时会自动按顺序产 01 → 01.5 → 01.6 → 02/03。后续可随时编辑 .aiagents/config.json 的 workflow.{design_doc,test_cases}.enabled 切换,或重跑 install 加 flag(已装项目幂等更新,不影响其他配置)。

依赖

工具必需用途
bash 4+ 或 pwsh 5.1+✅主脚本
python 3.7+✅JSON 状态处理
git✅install + watcher + agent-runner 都依赖
jq推荐install.sh 优先用,缺则 fallback python
codex CLI 或 claude CLI看 provider编码 agent 实际执行
BurntToast(PS module)可选更漂亮的 Windows toast(没装走 NotifyIcon 兜底)

常用命令

起停 watcher

bash .aiagents/bin/agentctl.sh up           # 一键起 backend + frontend(真后台,关窗口不影响)
bash .aiagents/bin/agentctl.sh up logs      # 起 watcher 后直接跟双 agent 日志(一条命令省两次输入)
bash .aiagents/bin/agentctl.sh up logs all  # 起 watcher + 编码日志 + 对抗审查日志 一窗全跟
bash .aiagents/bin/agentctl.sh down         # 停
bash .aiagents/bin/agentctl.sh restart
bash .aiagents/bin/agentctl.sh status       # 查看 agent + provider + worker pid

up logs 起完 watcher 立即进入 logs both,Ctrl+C 只停跟随、watcher 仍后台。PowerShell 等价:pwsh .aiagents/bin/agentctl.ps1 up|down|restart|status,pwsh ... up logs。

监控日志

bash .aiagents/bin/agentctl.sh logs                  # 列所有日志路径 + 末尾 5 行快照
bash .aiagents/bin/agentctl.sh logs backend          # follow backend(默认 pretty 流)
bash .aiagents/bin/agentctl.sh logs both             # 同时 follow backend + frontend 编码流
bash .aiagents/bin/agentctl.sh logs all              # backend + frontend + 两个对抗审查 一窗全跟
bash .aiagents/bin/agentctl.sh logs review           # 只跟对抗审查实时流(codex 找茬过程)
bash .aiagents/bin/agentctl.sh logs backend adversarial  # 跟 backend 对抗审查
bash .aiagents/bin/agentctl.sh logs backend worker   # follow watcher 自身(验 watcher 是否还活)
bash .aiagents/bin/agentctl.sh logs backend raw      # 原始 JSON Lines(debug)

成本 + 诊断(v3.6)

bash .aiagents/bin/agentctl.sh cost      # token 成本汇总: 按日期 × agent 列 cost($)/tokens/turns + 今日/累计合计
bash .aiagents/bin/agentctl.sh doctor    # 一键诊断: watcher 存活/心跳/state 卡点/log 活性/信号堆积 + 每个 agent 给建议动作

cost 聚合 claude 任务 .log.raw 里的 total_cost_usd(codex 任务只有 token 计数,无美元值)。doctor 把 timeout SOP 决策树的取证部分脚本化 — 任务卡住先跑它,按 💡 建议行动。

移动端推送(v3.6,人不在电脑前也能收到通知)

编辑 .aiagents/config.json 的 notify.push,任务 done / failed / timeout 时推手机:

{
  "notify": {
    "push": {
      "provider": "serverchan",
      "key": "SCT你的SendKey",
      "url": "",
      "events": ["done", "failed", "timeout", "stale"]
    }
  }
}
provider渠道填什么
serverchan微信(Server酱,sct.ftqq.com)key = SendKey
pushplus微信(PushPlus)key = token
barkiOS 原生推送key = device key;自建服务器填 url
ntfy安卓 / 自建url = topic 完整地址(如 https://ntfy.sh/my-topic)

provider 留空 = 关闭(默认)。推送失败静默,不影响主流程;桌面 toast 照常工作。手动测试:bash .aiagents/bin/notify-push.sh backend done "测试" myproject。

对抗性审查(v3.7,异构 provider 找茬,防同体盲区)

主 Claude 既写 02/03 spec 又审查 —— spec 理解偏了,审查时会按同样偏的标准判 pass(同体盲区)。对抗性审查在真打验证后,引入一个与编码 agent 异构的 provider(默认 codex)独立找茬。

bash install.sh --yes --with-adversarial-review                  # 开启 (reviewer=codex)
# 或编辑 .aiagents/config.json:
#   "workflow": {"adversarial_review": {"enabled": true, "provider": "codex", "timeout": 900}}

四段式审查链:

编码 agent done → Karpathy 6 项(主 Claude 自查) → 真打验证(pytest/lint/curl)
   → 【对抗审查】codex 独立读 git diff + spec 找茬,默认有罪 → VERDICT: PASS|FAIL
   → ready-for-human(Lane 拍板)
  • 异构原则:编码用 claude/opus → reviewer 用 codex(换一个脑子);reviewer == 编码 provider 时脚本警告
  • 独立取证:codex 自己跑 git diff(runtime/<agent>.review-base..HEAD)+ grep,不信编码 agent 自述
  • 主 Claude 是仲裁者:PASS → 推 ready-for-human;FAIL → 逐条核实问题(codex 也会误判)→ 并入 04 修复 → 派回
  • 不是常驻 watched agent:它是主 Claude 在验证关卡一次性拉起的 codex,不走 watcher/agent-runner 流水线
  • 实时看 codex 找茬过程:agentctl.sh logs review(或 logs all 跟编码 + 审查一窗),写到稳定路径 .aiagents/logs/adversarial-<agent>.log
  • 永久报告落 docs/ai-agents/reviews/adversarial-<agent>-<ts>.md
  • 默认关。手动跑:主 Claude /adversarial-review backend,或 bash .aiagents/bin/adversarial-review.sh backend

Claude Code 内 slash commands

命令作用
/dispatch-backend派后端任务,可加 --provider claude --model sonnet --timeout 3600
/dispatch-frontend派前端任务
/bugfix-backend / /bugfix-frontend派修复(走 04-Bug修复.md)
/status查 agent 状态
/review手动触发审查(兜底,正常靠 Stop hook 自动注入)
/adversarial-review <agent>对抗性审查:异构 provider 独立找茬(需 workflow.adversarial_review.enabled)
/memory "<经验>"写一条记忆到 memory/global/patterns.md 或 bugs.md
/retrospective整轮需求复盘,回写 memory
/handover切换会话 / 换模型前生成状态快照
/retry-other-provider <agent>失败时切对家 provider 接续(handover 骨架自动生成)
/release-without-verify <agent> "<reason>"应急 bypass 真打验证关卡(自动写 bugs.md 留痕)

Per-agent model 选择(主 Opus + 副 Sonnet 典型搭配)

编辑 .aiagents/config.json:

{
  "agents": {
    "backend":  {"dir": "backend",  "provider": "claude", "model": "sonnet"},
    "frontend": {"dir": "frontend", "provider": "claude", "model": "sonnet"}
  }
}

主 Claude 自己用什么模型由 Claude Code 客户端控制(claude --model opus . 或 /model opus),跟 kit 无关。

一个完整示例

场景:实现 GET /api/stocks 接口 + 前端表格页

# 终端 1:起 watcher
bash .aiagents/bin/agentctl.sh up

# 终端 2:跟实时日志(可选,Lane 监工用)
bash .aiagents/bin/agentctl.sh logs both

# 终端 3:启动 Claude Code
claude .

────────────────────────────────────────────────────────
你 → Claude(在 Claude Code 面板里):
    实现 GET /api/stocks 接口返回热门股票,前端 /stocks 页用表格展示

Claude:
    1. 读 memory(patterns / bugs / context / ideas)
    2. 产 docs/ai-agents/specs/01-需求.md(含验收标准)
    3. 等你确认

你: 确认 01,继续编码合同

Claude:
    产 docs/ai-agents/specs/02-后端编码.md
    产 docs/ai-agents/specs/03-前端编码.md
    等你确认

你: 派后端

Claude: 调 /dispatch-backend
    → watcher 检测到信号 → agent-runner 启动 codex/claude
    → 在 backend dir 写代码 + 测试 + commit
    → 完成时 state.backend.state = done-awaiting-review
    → 桌面 toast: "[your-project] backend done — 回到 Claude Code 审查"

你: 回到 Claude(下一条消息触发 Stop hook 注入"backend 完成,请审查")

Claude:
    跑 Karpathy 6 项审查
    跑 Pre-Human Decision Gate 真打验证(pytest + ruff + curl smoke)
    全过 → 写 reviews/backend-review.md + state=ready-for-human
    任一失败 → 产 04-Bug修复-backend.md → /bugfix-backend(最多 3 轮)

你: 派前端 → ...同上流程...

最后联调通过 → /retrospective 把本轮经验写回 memory

核心设计

  • 触发:slash command(/dispatch-*)→ agentctl.sh dispatch <agent> 写信号 + 事件,不靠自然语言触发词
  • 执行链:signal → watch-agent.sh → agent-runner.sh → provider(codex/claude) → state + event
  • 状态权威:.aiagents/state/current.json 的 <agent>.state 字段(不是信号文件,不是 log,不是 events.jsonl)
  • 审查:Karpathy 6 项(A 执行验证 / B Think / C Simplicity / D Surgical / E Goal-Driven / F Sanity)+ Pre-Human Decision Gate(真打跑测试 / curl / lint 全过才让 Lane 拍板)
  • 失败接续:/retry-other-provider <agent> 切对家(codex ↔ claude),runtime/<agent>-handover.md 传接续点不重做
  • 记忆:memory/{global,projects,ideas}/*.md 三层,任务前必读、复盘后回写
  • 通知:Stop hook(同会话内)+ 桌面 toast(跨会话 / Lane 离线)双层

目录一览

ai-agents-kit/                           # 工具包仓库(本目录)
├── install.sh / install.ps1
├── README.md
├── templates/                           # install 脚本复制 / 合并到目标项目的素材
│   ├── CLAUDE.md                        # Claude 主指令(marker 段同步)
│   ├── .claude/{settings.json, commands/}    # Stop hook + 11 个 slash command
│   └── .aiagents/
│       ├── bin/                         # agentctl / agent-runner / watch-agent / providers/ / stop-notify / notify-toast
│       ├── memory/                      # global / projects / ideas
│       └── prompts/                     # dispatch-preamble.md
├── scripts/                             # fix-claude-md.py 等修复脚本
├── docs/                                # 工具包自身的设计文档
└── companion/                           # Tauri 桌宠(独立扩展线,可选)

your-project/                            # 装完之后的目标项目结构
├── .aiagents/
│   ├── config.json                      # 主配置(provider / agent dir / model / 命令)
│   ├── bin/                             # 上面 templates 同步过来
│   ├── signals/                         # task_ready_* / *_done / *_failed / *_timeout
│   ├── logs/                            # be_<date>.log / fe_<date>.log / worker-*.log
│   ├── state/                           # current.json + events.jsonl
│   ├── runtime/                         # workers.json + heartbeats/ + archive/
│   └── memory/                          # 三层记忆
├── .claude/                             # Stop hook + slash commands
├── CLAUDE.md                            # marker 段由 kit 同步
└── docs/ai-agents/
    ├── specs/                           # 01 需求 / 02 后端 / 03 前端 / 04 修复 / 00 交接
    ├── reviews/                         # backend-review.md / frontend-review.md
    └── retrospectives/                  # 复盘

升级 / 迁移

已装项目升级到新版本

cd /path/to/your-project
bash /c/Users/mi/ai-agents-kit/install.sh --yes

install.sh 幂等:基础设施脚本刷新,config.json / memory/*.md / specs/* / 用户手动改过的部分都不动。

迁移到另一台电脑

# 1. 工具包 push 到 GitLab / GitHub,新电脑 clone
cd C:/Users/mi/ai-agents-kit && git push origin master

# 2. 业务项目本身就是普通 git repo,正常推 + clone

# 3. 新电脑装依赖(见上方"依赖"段)
# 4. 在新电脑 clone 下来的项目里再跑一次 install.sh,刷新基础设施脚本到新路径
bash /new/path/to/ai-agents-kit/install.sh --yes

codex / claude 的 token 是用户级配置,新电脑要重新 codex auth login / claude login。

与 ai-multi-agents Web Console 的关系

state/current.json + events.jsonl + runtime/heartbeats/* 的 schema 跟 D:\dev\ai\ai-multi-agents\ 的 console 兼容,可独立接入查看。kit 本身不内置 console。


参考资料

本工具的设计思路受以下资源启发:

  1. 工程技术:在智能体优先的世界中利用 Codex(OpenAI 官方) — https://openai.com/zh-Hans-CN/index/harness-engineering/
  2. Karpathy-Inspired Claude Code Guidelines(multica-ai) — https://github.com/multica-ai/andrej-karpathy-skills
Ver o original no GitHub

Bom para

Relacionados