这个 Skill 能做什么，适合哪些场景？
这是 NVIDIA skills 仓库中面向 Megatron-Core 的代码检查与格式化技能。它指导开发者运行 autoformat.sh，并使用 black、isort、pylint、ruff 和 mypy。技能还规定了类型提示、Google 风格文档字符串、命名、行长度和异常捕获等代码规范。它适合在提交 PR 前或修复检查失败时使用，但未提供平台测试矩阵或独立测试套件信息。
指导用户在检查模式或修复模式下运行 tools/autoformat.sh；提示对修改过的 Python 文件运行 uv run isort；指导在容器内使用 uv sync --locked --only-group linting 安装 linting 依赖；列出公共 API 类型提示、Google 风格文档字符串、Python 命名规范、119 字符行长限制和禁止裸 except 等规则。
- Megatron-LM 开发者在创建 PR 前，需要检查整个变更集的格式和静态检查。
- 开发者遇到 pre-commit fails、ruff error、isort 或 mypy 报错，需要定位并修复代码风格问题。
- 开发者编辑 Python 导入后，需要按项目规范重新排序导入。
- 团队希望在容器中安装与 CI linting 任务一致的检查工具。
如何安装这个 Skill？
- fix 模式会直接修改代码；执行前应确认工作树范围并自行建立可恢复的版本控制检查点。
- 技能依赖仓库内的 tools/autoformat.sh、pyproject.toml、锁定依赖和容器环境，脱离对应 Megatron-LM 仓库可能无法运行。
- benchmark 的 Tier 3 评估不可用，不能把报告中的 PASS 解释为已完成真实端到端验证。
- 未提供中文说明、系统化故障排查或工具版本兼容矩阵。
- Shell / 命令行
- 本地文件系统
bashuvblackisortpylintruffmypy
使用默认 skills CLI 安装整个 NVIDIA skills 仓库并选择 mcore-linting-and-formatting：
npx skills add nvidia/skills --skill mcore-linting-and-formatting --yes
也可以交互式运行 npx skills add nvidia/skills 后选择该技能。README 未说明该单个技能的手动复制目标路径。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/NVIDIA/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/skills/mcore-linting-and-formatting" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- pre-commit fails，帮我运行并修复 Megatron-LM 的格式检查。
在相关任务中触发技能，例如：“pre-commit fails，帮我运行并修复 Megatron-LM 的格式检查。”
检查模式：
BASE_REF=main CHECK_ONLY=true SKIP_DOCS=false bash tools/autoformat.sh
修复模式：
BASE_REF=main CHECK_ONLY=false bash tools/autoformat.sh
修改 Python 导入后：
uv run isort <file1>.py <file2>.py
容器内安装 linting 组：
uv sync --locked --only-group linting
这个 Skill 有哪些优点和局限？
- 覆盖 black、isort、pylint、ruff 和 mypy，且与 autoformat.sh 和 CI linting 任务保持一致。
- 提供可直接复制的检查、修复、导入排序和依赖安装命令。
- 明确规定公共 API 类型提示、文档字符串、命名、行长度和异常处理规则。
- 可通过 NVIDIA skills CLI 面向 Codex、Claude Code 或 Cursor 安装。
- 内容聚焦 Megatron-LM 的 Python 代码风格，不是通用代码质量或测试技能。
- SKILL.md 未说明具体工具版本、操作系统兼容性或完整配置内容。
- 未提供独立测试套件、示例失败输出或验证结果。
- 修复模式会修改文件，使用前需要确认工作区变更。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Megatron-Core 代码检查与格式化 本页 ✓ NVIDIA · 官方 | 51 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| RenderCV 开发上下文 | 57 · 谨慎使用 | ★ 18k | 7 个月前 | MIT |
| Megatron-Core 测试指南 ✓ NVIDIA · 官方 | 52 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| MoE 硬件配置参考 ✓ NVIDIA · 官方 | 52 · 谨慎使用 | ★ 3.8k | 今天 | Apache-2.0 |
| Effect JSDoc 规范撰写技能 | 77 · 高度推荐 | ★ 28k | 14 天前 | MIT |
FollowSkills 如何评估这个 Skill？
技能仅指导本地 lint/format 工具，未见恶意行为、凭据处理或外传；依赖使用 uv sync --locked，且仓库 CI 权限范围有限。扣分在于 fix 模式会修改文件，未要求用户确认、未说明备份/回滚，也未明确数据流、执行隔离和失败后的恢复边界。
命令、工具列表和检查/修复两种路径基本一致，且 benchmark 报告记录静态验证通过。扣分在于 autoformat.sh、pyproject.toml、CI 具体配置不在目标技能材料中，缺少异常输入、工具缺失、版本不兼容和失败诊断说明；静态评估上限下不超过10分。
目标用户、Megatron-LM 场景、触发短语和主要工具较明确，覆盖 PR 前检查及常见 lint 问题。扣分在于未声明非适用范围、输入前置条件、不同仓库/平台差异或中文使用说明；container 与 uv 假设也限制环境适配，但核心功能不依赖海外在线服务。
front matter 含名称、描述、作者和 Apache-2.0，skill-card 提供用途、输出、版本、责任主体及参考资料；命令示例也支持渐进使用。扣分在于缺少 metadata.tags、Instructions、Examples、Purpose 等报告指出的推荐结构，缺少系统化 FAQ、限制、变更记录和明确维护/更新路径，且仓库许可证元数据为 NOASSERTION。
对运行 Megatron-LM lint/format 的核心任务提供了可直接复制的命令和风格规则，预计能减少手工查找成本。扣分在于没有展示实际输出、错误修复流程或结果验证，工具配置和脚本行为仍需用户自行确认；benchmark 没有可用的 Tier 3 结果，因此静态评估不超过7分。
目标文件中的命令、工具清单和 benchmark 静态检查结果可审阅，skill-card 还给出版本和参考文档。扣分在于 benchmark 明确缺少 Tier 3 任务、信号和结果，evals.json 为空，缺少真实 CI/测试覆盖目标技能关键路径；仅有有限静态证据，故不超过5分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →