For Agents
本页面为 AI 编程 Agent 提供一段可直接使用的提示词,并说明如何通过 Agent Skill、CLI、 MCP 和 LLMs.txt 获取准确的 Taroify 组件知识。
复制这段 Prompt
将下面的内容复制到 Agent 对话、项目规则或自动化流程中:
Agent 可以获得什么
Agent Skill — 工作流与约束
@taroify/cli 随包提供 Taroify Agent Skill。它会要求 Agent 在写代码前搜索组件、检查
Props 和子组件、读取示例,并在定制样式前查询公开主题变量。
Skill 支持 Claude Code、Cursor、VS Code、Codex 等兼容 Agent Skills 的工具。完整的 Skill 内容可以在 GitHub 查看。
CLI — 离线组件知识
Taroify CLI 将组件、Hooks、API、示例、完整 Demo 页面和主题变量随 npm 包分发, 查询时不需要网络或 API Key。
MCP Server — IDE 集成
Taroify MCP 将同一份离线 Catalog 暴露为六个只读工具,并提供文档、Demo Resources 和任务 Prompts。支持 MCP 的 Agent 可以自动查询所需内容,不必由用户手动执行命令。
LLMs.txt — 在线 Markdown 文档
无法安装 Skill 或 MCP 时,可以直接把官网 Markdown 文档提供给 Agent。
更多读取方式请参考 LLMs.txt 文档。
推荐工作流
Agent 编写 Taroify 代码时,建议按以下顺序工作:
- 不确定组件名称时,按使用场景执行
search或按分类执行list。 - 编码前使用
info确认 Props、事件、子组件和引入方式。 - 使用
demo获取最小示例;需要完整 imports 和页面上下文时添加--full。 - 只有结构化 API 和示例不足时,才使用
doc读取完整文档。 - 定制样式前使用
token查询ConfigProviderkey 和 CSS 变量。
使用 MCP 时,对应调用 taroify_search、taroify_list、taroify_info、
taroify_demo、taroify_doc 和 taroify_token。
使用约束
- 不要猜测 Taroify 组件名、Props、枚举值、事件或子组件。
- 区分 Taroify Props 与继承的 Taro 原生能力;平台支持由目标 Taro 适配器决定。
- 只从
@taroify/core、@taroify/icons、@taroify/hooks或@taroify/commerce的公开入口引入。 - 优先使用
ConfigProvider配置或公开 CSS 变量,不依赖内部选择器和硬编码组件值。 - 示例采用 Taro React 语义;除非目标明确为 H5,否则不要替换为 Web 专用 DOM 元素。