@shekhardhangar/pi-compound
基于验证器的自动化代码修复工作流
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@shekhardhangar/pi-compound。 它的用途是：基于验证器的自动化代码修复工作流 完整的 Skill 内容见：https://321skill.com/skills/shekhardhangar-pi-compound/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用 pi-compound 工作流，目标是通过项目中的所有单元测试。” 它会自动创建分支，运行测试，并根据失败信息迭代修改代码，直到所有测试通过或达到尝试上限，最后将修复后的代码提供给你审查。
介绍
这个 Skill 解决的核心问题是：在 AI 辅助编程中，如何确保代码修改能持续、自动地满足预设的质量标准，避免人工反复检查和调整。它通过一个确定性的验证器来驱动整个流程，将一次性的代码生成任务，转变为可自动迭代、自我修正的工程化工作流。
使用方式非常明确：首先，你需要设定一个可执行的验证目标（例如通过所有单元测试、满足特定代码规范）。然后，启动这个工作流，它会自动在一个隔离的分支上运行一个“验证-修复”循环。AI 会根据验证器的反馈不断调整代码，直到目标达成或达到预设的尝试次数，整个过程无需人工值守。
它非常适合追求代码质量、希望将 AI 助手产出标准化和工程化的开发者或团队。特别是那些在 CI/CD 流程中，需要确保 AI 生成的代码或修改能通过严格质量门禁的场景。
使用建议是，你需要提供一个足够清晰、可自动化执行的验证标准（如测试套件、linter 规则）。同时，建议将此工作流作为代码提交前的“护栏钩子”使用，确保进入主分支的代码都经过了这一自动化验证和修正流程，从而提升整体代码库的可靠性。
核心特点
其核心区别在于，它不是一个简单的代码生成工具，而是一个以确定性验证器为中心、全自动运行的“修复循环”系统。它通过分支隔离和护栏钩子确保过程安全，且验证结果无法被伪造或削弱，强制 AI 产出必须通过硬性质量关卡。
注意事项
不适合验证标准模糊、无法自动化测试或对单次生成速度有极致要求的快速原型场景。
常见问题
这个工具和普通的单元测试有什么区别？
它利用单元测试等作为验证器，但核心是驱动AI自动、循环地修复代码直到通过测试，实现了测试驱动开发的自动化闭环。
需要自己写验证逻辑吗？
是的，你需要提供可执行的验证目标，如测试命令、lint命令，该工作流负责调用它们并依据结果驱动修复。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/shekhardhangar-pi-compound/raw/index.md 读取 @shekhardhangar/pi-compound 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/shekhardhangar-pi-compound/raw/index.md（查看排版版本）