Agent Skills
› s0912758806p/agentic-sop-to-work
s0912758806p/agentic-sop-to-work
GitHub计算输入数据制品的统计指标（计数、总和、均值、最小值、最大值），并保留来源追溯信息。依赖Python标准库，支持参数化输入输出，可独立重用。
Install All Skills
npx skills add s0912758806p/agentic-sop-to-work --all -g -y
Skills in Collection (8)
计算输入数据制品的统计指标（计数、总和、均值、最小值、最大值），并保留来源追溯信息。依赖Python标准库，支持参数化输入输出，可独立重用。
需要计算数据读数统计摘要
数据处理流程中需生成统计结果
npx skills add s0912758806p/agentic-sop-to-work --skill compute -g -y
读取上游统计制品，生成带有来源追溯的Markdown草稿报告。需人工复核，不自动归档。仅依赖Python标准库，支持参数化输入输出，可独立重用。
需要基于统计数据生成初步分析报告时
SOP流程中产出阶段性结果供人类审查时
npx skills add s0912758806p/agentic-sop-to-work --skill report -g -y
用于将人工SOP或手动流程自动化，构建Agent工具及设计可治理的工作流。提供从需求分析、技能拆解到工作流编排的完整方法论与套件导入指南，强调确定性验证与人机协作。
需要将人工操作流程转化为自动化的Agent工作流
创建新的Agent工具或Skill
设计包含分解步骤和检查门控的自动化流程
npx skills add s0912758806p/agentic-sop-to-work --skill agentic-sop -g -y
用于审查和审计现有的Agent或LLM Pipeline架构，判断其是否为真正的模块化工作流而非巨型单体Agent。通过检查任务切分、输入输出契约、成功标准等六项指标，提供基于代码和日志证据的严格评估与修复建议。
审查既有Agent或LLM pipeline架构
评估工作流是否真正拆解为小Task
检查是否存在mega agent退化迹象
验证任务边界和成功标准
npx skills add s0912758806p/agentic-sop-to-work --skill agentic-workflow-audit -g -y
提供六层架构决策过滤网，辅助判断是否需编写代码或引入依赖。遵循YAGNI、标准库优先等原则，在确保安全和防御性编程红线的前提下，最小化复杂度和维护成本。
决定是否需要编写新功能代码
评估是否引入第三方依赖
考虑是否增加系统抽象或模块
npx skills add s0912758806p/agentic-sop-to-work --skill six-rung-ladder -g -y
用于检查记录、数据集或GMP文档的ALCOA+数据完整性。通过DEGRADED或FULL模式运行确定性Lint工具，输出机械验证结果及人工判断清单，辅助人类最终审核，绝不自动判定合规。
检查CSV/JSON记录的合规性
审计GMP文档的数据完整性
在人工批准前进行自动化预检
npx skills add s0912758806p/agentic-sop-to-work --skill alcoa-guard -g -y
用于生成符合规范的 Claude Code 插件骨架，或对单个及整个市场区的插件进行合规性检查与 lint 验证。
新建或 scaffold Claude Code 插件
校验插件是否符合房规或 house invariants
npx skills add s0912758806p/agentic-sop-to-work --skill plugin-forge -g -y
对已完成草稿进行独立、怀疑的第二意见审查，核查主张与证据的一致性，识别捏造、过度宣称或计算错误。通过确定性层和受限LLM层输出发现报告，供人工最终审批，确保内容诚实可靠。
请求对报告草稿获取第二意见
核准前双重检查数据真实性
红队测试输出是否存在捏造或过度宣稱
npx skills add s0912758806p/agentic-sop-to-work --skill second-opinion -g -y
