معرفی مجموعه مهارتهای tstack؛ خودکارسازی کارهای برنامهنویسی با Claude Code و Codex
پروژه متنباز tstack مجموعهای کاربردی از مهارتهای روزمره برنامهنویسی برای عاملهای هوشمند Claude Code و Codex است که توسط تئو منتشر شد. این ابزار به توسعهدهندگان کمک میکند وظایف تکراری مانند بازبینی کد، ثبت پول ریکوئست و مدرنسازی پروژهها را بهسادگی به هوش مصنوعی بسپارند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- مجموعه tstack شامل ۹ مهارت کاربردی از جمله بازبینی شورایی کد و مدیریت خودکار پول ریکوئستها برای عاملهای Claude Code و Codex است.
- این پروژه یک فریمورک جدید نیست و تنها با کپی کردن فایلها در مسیر مهارتهای محلی در محیط کاربر فعال میشود.
- با توجه به دسترسی مستقیم این مهارتها به دستورات گیت و پول ریکوئستها، توصیه شده تنها روی مخازن و حسابهای معتبر اجرا شوند.
معرفی پروژه
پروژه tstack بستهای کاربردی از مهارتهای روزمره برای عاملهای هوشمند Claude Code و Codex است که توسط Theo (t3dotgg) با مجوز متنباز MIT منتشر شده است. مخزن این پروژه در تاریخ ۲۴ اکتبر ۲۰۲۶ ایجاد شده و در مدت کوتاهی نزدیک به ۲۹۸ ستاره در گیتهاب و ۴۴۸ واکنش مثبت در پست معرفی دریافت کرده است.
این پروژه یک فریمورک جدید به شمار نمیرود؛ بلکه مجموعهای از مهارتهای بهینهسازی جریان کاری است که میتوانید آنها را بهسادگی در مسیر ~/.claude/skills یا ~/.codex/skills کپی کنید. این مهارتها وظایفی مانند پیشبرد متمرکز کارها (full-send)، بازبینی شورایی، نظارت بر پول ریکوئستها و مدرنسازی ساختار کدها را پوشش میدهند.
توضیحات تکمیلی
مهارتهای موجود در این بسته
- full-send: تمرکز حداکثری و پیشبرد پرقدرت وظیفه جاری
- full-stop: توقف صریح و جمعبندی اصولی و ساختاریافته فرایند
- council: بازبینی چندجانبه و مشورتی کدها از دیدگاههای گوناگون
- sol-loop: حلقه گامبهگام و تکرارشونده برای حل مسائل پیچیده
- file-pr: بستهبندی تغییرات و ایجاد پول ریکوئست جدید
- takeover: تحویل گرفتن کنترل یک نشست یا وظیفه فعال برای ادامه کار
- babysit-pr: نظارت و همراهی مداوم با پول ریکوئست تا مرحله ادغام نهایی
- modernize: بازسازی و مدرنسازی پایگاه کد
- leaving-pr-comments: درج هوشمند و خودکار نظرات بازبینی روی پول ریکوئست
برخی از این مهارتها به ابزار خط فرمان گیتهاب یعنی gh (GitHub CLI) وابسته هستند؛ در حالی که برخی دیگر از قابلیت delegate_task در T3 Code بهره میبرند. برای آگاهی از پیشنیازهای دقیق، فایل راهنمای مخزن را مطالعه فرمایید.
جایگاه و هدف توسعه
مجموعه tstack بازتابدهنده جریانهای کاری واقعی و روزمره نویسنده در کار با ابزارهای Claude Code و Codex است. بنابراین باید به آن به چشم یک کتابخانه از الگوهای مهارتی آماده برای کپی و شخصیسازی نگاه کرد، نه یک سرویس ابری مستقل.
راهنمای استفاده و نصب
git clone https://github.com/t3dotgg/tstack
# Copy skills per README, e.g.:
cp -r tstack/skills/* ~/.claude/skills/
# or
cp -r tstack/skills/* ~/.codex/skills/
پیشنیازها: حساب کاربری در ابزار gh باید احراز هویت شده باشدعلاوه بر این، در صورتی که مهارتی دستور delegate_task در T3 Code را فراخوانی میکند، محیط اجرای آن باید پیشتر بهشکل محلی تنظیم شده باشد.
پیوندها و منابع
- مخزن پروژه: https://github.com/t3dotgg/tstack (تحت مجوز MIT)
- توسعهدهنده: Theo / t3dotgg
این مجموعه برای چه کسانی مناسب است؟
- افرادی که در حال حاضر از ابزارهای Claude Code یا Codex استفاده میکنند و به دنبال مجموعهای آماده از مهارتهای کاربردی برای عاملهای هوشمند خود هستند.
- توسعهدهندگانی که میخواهند از الگوهای کاری روزمره یک برنامهنویس باسابقه الهام بگیرند و آن را مطابق ترجیحات خود سفارشیسازی کنند.
این مهارتها مستقیماً با گیت و پول ریکوئستها سر و کار دارند؛ بنابراین پیشنهاد میشود تنها روی مخازن و حسابهای کاربری مورد اعتماد اجرا شوند.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

ابزار جدید 1Password؛ ورود ایمن ایجنتهای هوش مصنوعی به حسابهای کاربری بدون افشای رمز عبور
پلتفرم مدیریت رمز عبور 1Password ابزار جدیدی به نام 1Password for Agents معرفی کرده است که به ایجنتهای هوش مصنوعی اجازه میدهد بدون دسترسی به رمزهای متنی، وارد حسابهای کاربری شوند. در این سازوکار، کاربر درخواست ورود را در دستگاه شخصی خود تأیید میکند و سیستم بهطور خودکار فرم لاگین را پر مینماید تا امنیت حسابها کاملاً حفظ شود.

رونمایی علیبابا از مدل هوش مصنوعی Lambda-0؛ آموزش مهارتهای حرکتی به رباتهای انساننما با دادههای انسانی
علیبابا با معرفی و متنباز کردن مدل پایه Lambda-0، روشی نوآورانه برای آموزش همزمان راه رفتن و کار با دستها در رباتهای انساننما ارائه کرده است. این مدل بهجای دادههای گرانقیمت هدایت ربات، منحصراً از ۵۰۰ ساعت داده ویدیویی اولشخص انسانها یاد میگیرد و سرعت جمعآوری دادهها را بیش از سه برابر افزایش میدهد.

معرفی ابزار متنباز TextFold؛ خلاصه کردن مقالات طولانی در پنج لایه با هوش مصنوعی
ابزار متنباز TextFold با رویکردی نوآورانه مقالات علمی و متون طولانی را به پنج لایه مختلف از جزئیات تقسیم میکند. این ابزار به کاربران امکان میدهد میان نقشه کلی مباحث و متن کامل جابهجا شوند و همواره پیوند خلاصه را با جملات اصلی حفظ کنند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.