cc-skill-project-guidelines-example
使用專案指南建構全端 AI 應用程式
開發人員在維護全端專案的一致性模式時面臨困難。此技能為 Next.js 和 FastAPI 應用程式提供即用架構圖、程式碼模式和部署工作流程，並整合 Claude AI。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「cc-skill-project-guidelines-example」。 在 FastAPI 後端中應如何結構化 API 回應？
預期結果:
使用通用的 ApiResponse 模式，包含 success、data 和 error 欄位。建立 Pydantic 模型，使用類別方法 ok() 處理成功回應和 fail() 處理錯誤回應。這確保所有端點的一致性回應處理。
正在使用「cc-skill-project-guidelines-example」。 React 元件應使用何種測試方法？
預期結果:
遵循 React Testing Library 模式：渲染元件、透過 role 查詢元素，並使用 fireEvent 測試使用者互動。使用 await screen.findBy 模式包裝非同步狀態測試。維持至少 80% 的涵蓋率。
安全審計
安全This skill is a documentation-only resource containing project guidelines and code examples. All 47 static analyzer findings are false positives resulting from Markdown code fences being misinterpreted as shell commands. The file contains no executable code, no actual network calls, and no credential access - only documentation of best practices for a full-stack application.
品質評分
你能建構什麼
新成員入职培訓
使用此技能快速讓開發人員熟悉專案架構、程式碼模式和部署工作流程。
標準化程式碼審查
在程式碼審查期間參考記錄的模式和關鍵規則，確保程式碼庫的一致性。
設定新專案實例
建立具有類似全端架構的新專案時，複製記錄的結構和模式。
試試這些提示
根據專案指南，解釋我們的 Next.js 和 FastAPI 應用程式的架構。包含服務圖以及 Claude AI 如何與後端整合。
使用指南中記錄的 API 回應格式，為使用者個人資料端點建立 Pydantic 模型，返回 success、data 和 error 欄位。
根據指南中的測試要求，為 FastAPI 後端的 health check 端點產生 pytest 測試 fixtures 和範例測試。
檢視部署工作流程指南，並為下次 Cloud Run 发布產生部署前檢查清單。包含所有必需的環境變數和建置步驟。
最佳實務
- 遵循 TDD 方法論，在實作前撰寫測試，最低 80% 涵蓋率
- 保持不可變性 - 絕不在 TypeScript 或 Python 程式碼中直接變更物件或陣列
- 保持檔案小巧，通常 200-400 行，最多 800 行以維持可維護性
避免
- 在生產環境程式碼中使用 console.log - 應改用適當的日誌框架
- 在原始碼檔案中硬編碼機密或憑證 - 務必使用環境變數
- 跳過輸入驗證 - Python 應始終使用 Pydantic，TypeScript 應使用 Zod 進行驗證