通用修改要点
【免费下载链接】ops-sparse本项目是CANN提供的高性能稀疏矩阵计算的算子库，专注于优化稀疏矩阵的计算效率。项目地址: https://gitcode.com/cann/ops-sparse
本文件适用于所有文件类型的修改。每次修改完成后，必须逐项检查。
修改后必做
1. 检查本 skill 是否需要同步更新
修改工作流结构时（如新增/删除阶段、变更部署方式、调整目录结构），检查sparse-new-op-workflow-maintain/SKILL.md中的描述是否仍然准确：
- 目录结构树
- init.sh 部署原理表
- references/ 下的操作指南
2. 询问用户是否需要检视
每次修改完成后，必须使用question工具询问用户：
问题：工作流已修改完成，是否需要使用 reviewer 进行一致性检视？ 选项： - 是，启动 reviewer 检视 - 不需要，我手动检查如果用户选择「是」，调用 reviewer subagent 执行工作流一致性检视。
3. 检视问题复盘
如果 reviewer 检视发现了问题，必须先复盘：对照本 skill 的 references/ 操作指南，分析为什么在 maintain skill 的指引下没有提前发现该问题。
- 如果操作指南中确实存在遗漏（如缺少某个检查步骤、未覆盖某种修改场景），使用
question工具询问用户：
问题：reviewer 发现了 {问题摘要}，复盘发现 maintain skill 的 {具体文件} 中缺少 {具体检查项}。是否同步更新 maintain skill？ 选项： - 是，同步更新 maintain skill - 不需要，仅修复当前问题- 如果操作指南已覆盖但执行时遗漏，则仅修复当前问题，不修改 maintain skill
检视要点
当 reviewer 检视工作流修改时，应检查：
- 流程一致性：SKILL.md、task-prompts.md、data-flow.md、README.md 四处流程表是否一致
- 引用完整性：所有模板路径是否可达，所有 skill 名称是否存在
- 逻辑完整性：新增步骤是否有完整的输入/输出/验收标准，是否有错误处理路径
- CP 问卷一致性：CP 否定分支表在 SKILL.md 和 error-handling.md 中是否一致
- LOG.md 一致性：assets/LOG.md 步骤跟踪表是否与流程表步骤编号一致
【免费下载链接】ops-sparse本项目是CANN提供的高性能稀疏矩阵计算的算子库，专注于优化稀疏矩阵的计算效率。项目地址: https://gitcode.com/cann/ops-sparse
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
