Gemini Frontend

gemini-frontend - Gemini CLI 前端开发专用 Skill

Description

专注于前端和移动端开发的 skill，通过 Gemini CLI（via clink）发挥多模态和超长上下文优势。

适用场景：

• React/Vue/Angular 组件开发
• React Native/Flutter 移动端开发
• 设计稿 → 前端代码实现
• UI/UX 实现和优化
• 前端项目重构

核心优势（基于 Gemini 3.0）：

• 📷 多模态能力：直接理解设计稿、UI 截图
• 📚 超长上下文：100万 token，处理大型 monorepo
• 🎨 UI 理解：博士级推理能力，理解复杂 UI 逻辑
• 🚀 代码生成：擅长 React/Vue/Flutter 代码生成

---

⚠️ 重要说明

阶段命名澄清：

• 本 skill 的 Phase 1-5 是内部工作流阶段（Skill-level phases）
• 与 CLAUDE.md 的 P1-P4（分析问题、制定方案、执行方案、错误处理）是不同层级
• gemini-frontend 通常在 P3（执行方案） 阶段被 main-router 调用
• Phase 1-5 是在 P3 阶段内部顺序执行的子步骤

层级关系示例：

P3（执行方案） [CLAUDE.md 项目阶段]
  └─ gemini-frontend skill [由 main-router 调用]
      ├─ Phase 1: 初始化 Gemini CLI 会话
      ├─ Phase 2: 需求分析与设计
      ├─ Phase 3: 代码生成
      ├─ Phase 4: 质量检查
      └─ Phase 5: 文档生成

---

How It's Invoked（如何被调用）

调用方式： 由 main-router skill 自动路由

路由触发条件：

• 用户请求包含前端框架关键词（React, Vue, Angular, Flutter, React Native）
• 用户请求包含 UI/组件/页面 等关键词
• 用户提供设计稿/UI 截图
• frontend_score ≥ 50（参见 main-router 评分机制）

评分机制详解：

main-router 使用以下评分规则判断是否路由到 gemini-frontend：

| 评分项 | 分值 | 示例关键词 | |--------|------|------------| | Tier 1 关键词 | +30~35分 | React, Vue, Angular, component, 组件, 页面, UI, 前端 | | Tier 2 关键词 | +15~20分 | Flutter, React Native, mobile, 移动端, iOS, Android | | Tier 3 上下文 | +10分 | package.json 存在且包含前端依赖 | | 图片附件 | +25分 | 设计稿、UI 截图 | | 后端信号抵消 | -15~-25分 | API, backend, database, FastAPI, Django |

路由决策阈值：

• Score ≥ 80：自动路由到 gemini-frontend（高置信度）
• Score 50-79：询问用户是否使用 gemini-frontend（中置信度）
• **Score = 85:

break

code = clink( prompt=f"修复以下问题：\n{review['issues']}", cliname="gemini", continuationid=session_id )

review = codereview(code)

**可选增强（Gemini 2.5 Pro 建议）：**
```bash
# 静态分析 Linting
npm run lint
npm run type-check

输出： 质量检查报告 + 修复后的代码

---

Phase 5: 文档生成

目标： 更新项目文档

操作：

docs = simple_gemini(
    prompt="""
    更新 PROJECTWIKI.md，包括：

    1. 新增组件文档
    2. API 使用示例
    3. 组件 Props 说明

    **4. 架构图更新（Mermaid）- G4 合规要求：**
       - 更新组件依赖关系图（使用 flowchart）
       - 更新数据流图（使用 sequenceDiagram）
       - 标注新增组件的位置和关系
       - 清理过时的架构节点
       - 提供节点 ID ↔ 代码路径映射表

       示例：
       \```mermaid
       flowchart TD
           App[App] --> LoginForm[LoginForm 组件]
           LoginForm --> AuthService[认证服务]
           AuthService --> API[Backend API]
       \```

    5. CHANGELOG.md 更新（遵循 Keep a Changelog 格式）
    6. 建立代码 ↔ PROJECTWIKI.md 的双向链接（G1 要求）
    """,
    context={
        "code": code,
        "review": review,
        "project_info": context
    }
)

输出：

• 更新的 PROJECTWIKI.md
• 更新的 CHANGELOG.md
• 组件使用文档

---

Parameters（输入参数）

| 参数 | 类型 | 必填 | 说明 | |------|------|------|------| | user_request | string | ✅ | 用户的前端开发需求 | | design_files | list[string] | ❌ | 设计稿/UI 截图路径（绝对路径） | | project_type | string | ❌ | 项目类型：react/vue/angular/react-native/flutter | | automation_mode | boolean | ❌ | 继承自 router，默认 false | | coverage_target | int | ❌ | 测试覆盖率目标（默认 85%） | | context | object | ❌ | 项目上下文信息 |

---

Output（输出）

{
  "code": {
    "components": ["path/to/component1.tsx", "..."],
    "styles": ["path/to/styles.css", "..."],
    "tests": ["path/to/test.spec.ts", "..."]
  },
  "review": {
    "quality_score": 92,
    "issues_found": 2,
    "issues_fixed": 2,
    "final_status": "passed"
  },
  "docs": {
    "projectwiki_updated": true,
    "changelog_updated": true
  },
  "metrics": {
    "total_time": "180s",
    "gemini_calls": 3,
    "codex_calls": 2
  }
}

---

Error Handling（错误处理）

1. Gemini CLI 不可用

try:
    session = clink(cli_name="gemini", ...)
except CLINotAvailable:
    # 回退到 Claude/Codex
    fallback_skill = "codex-code-reviewer"
    log_event("gemini_unavailable", {"fallback": fallback_skill})
    notify_user("当前 Gemini 前端助手不可用，已切换到通用模式")
    return route_to(fallback_skill)

2. 代码质量不达标

if review["quality_score"] = 3:
    # 3 轮修复仍不达标
    log_event("quality_check_failed", {
        "score": review["quality_score"],
        "iterations": iteration
    })

    if automation_mode:
        # 自动模式：标记风险但继续
        notify_user(f"⚠️ 代码质量({review['quality_score']}%)未达标，请人工审查")
    else:
        # 交互模式：询问用户
        ask_user("代码质量未达标，是否继续？")

3. 超时处理

TIMEOUT_LIMITS = {
    "gemini_per_call": 120,  # 2分钟
    "total_workflow": 600     # 10分钟
}

if time.elapsed() > TIMEOUT_LIMITS["total_workflow"]:
    notify_user("⏱️ 前端开发超时，已生成部分代码，请手动完成")
    return partial_result

---

Fallback Strategy（回退策略）

根据多专家共识，必须设计完善的回退机制：

回退决策树

flowchart TD
    A[gemini-frontend 启动] --> B{Gemini CLI 可用?}
    B -->|否| C[回退到 Codex/Claude]
    B -->|是| D[Phase 1-3: 生成代码]

    D --> E{Codex 可用?}
    E -->|否| F[跳过质量检查，标记风险]
    E -->|是| G[Phase 4: 双重质量检查]

    G --> H{质量达标?}
    H -->|是| I[Phase 5: 生成文档]
    H -->|否| J{修复轮数 |是| K[Gemini 修复] --> G
    J -->|否| L{automation_mode?}

    L -->|true| M[标记风险，继续]
    L -->|false| N[询问用户]

    C --> O[通用前端流程]
    F --> I
    M --> I
    N --> P{用户决定}
    I --> Q[完成]

回退优先级

| 场景 | 回退方案 | 用户通知 | |------|---------|---------| | Gemini 不可用 | Codex/Claude 全权处理 | "前端专用助手不可用，已切换" | | Codex 不可用 | Gemini 生成 + 跳过审查 | "未进行质量检查，请谨慎" | | 两者都不可用 | 主模型直接处理 | "AI 助手不可用，使用基础模式" | | 质量不达标 | 人工介入 | "需要人工审查" |

---

Performance Optimization（性能优化）

任务复杂度判断（GPT-5.1 建议）

def estimate_task_complexity(user_request, context):
    """估算任务复杂度，决定是否启用完整 pipeline"""

    score = 0

    # 提示长度
    if len(user_request) > 500:
        score += 30

    # 文件数量
    file_count = len(context.get("files", []))
    score += min(file_count * 10, 40)

    # 涉及的组件数量
    component_keywords = ["组件", "component", "页面", "page"]
    component_count = sum(1 for kw in component_keywords if kw in user_request)
    score += component_count * 15

    # 复杂度分类
    if score >= 70:
        return "large"    # 大任务：完整 pipeline
    elif score >= 30:
        return "medium"   # 中任务：完整 pipeline
    else:
        return "small"    # 小任务：快速路径

# 快速路径（小任务）
if complexity == "small":
    # 跳过双重检查，仅 Gemini 生成
    skip_codex_review = True
    notification = "小任务快速模式，跳过部分检查"

---

Monitoring（监控指标）

根据专家建议，必须建立监控：

METRICS_TO_TRACK = {
    # 路由命中率
    "frontend_route_hit_rate": "前端路由命中次数 / 总请求",
    "fullstack_detection_rate": "全栈检测次数 / 前端路由次数",

    # 性能指标
    "avg_total_time": "平均总耗时",
    "gemini_avg_time": "Gemini 平均响应时间",
    "codex_avg_time": "Codex 平均审查时间",

    # 质量指标
    "quality_pass_rate": "质量检查通过率",
    "avg_quality_score": "平均质量评分",
    "fix_iteration_avg": "平均修复轮数",

    # 用户体验
    "user_satisfaction": "用户满意度（如有反馈）",
    "fallback_rate": "回退到其他 skill 的比率"
}

---

Configuration（配置项）

# skills/config/gemini-frontend.yml

skill_name: gemini-frontend
version: 1.0.0

# 评分阈值（可调整）
scoring:
  auto_route_threshold: 80    # 自动路由
  confirm_threshold: 50       # 询问用户
  backend_signal_weight: -15  # 后端信号抵消权重

# 质量检查
quality:
  min_score: 85               # 最低质量分数
  max_fix_iterations: 3       # 最大修复轮数
  enable_linting: true        # 启用静态分析
  coverage_target: 85         # 默认覆盖率目标

# 性能
performance:
  complexity_threshold:
    large: 70
    medium: 30
  timeout:
    gemini_per_call: 120
    total_workflow: 600

# 回退策略
fallback:
  primary: "codex-code-reviewer"
  secondary: "main-model"
  notify_user: true

# 监控
monitoring:
  enabled: true
  log_all_decisions: true
  track_metrics: true

---

Usage Examples（使用示例）

示例 1: React 组件开发

用户: "帮我开发一个 React 的用户卡片组件，支持 hover 效果和点击事件"

→ main-router 检测:
  - "React"(35分) + "组件"(30分) = 65分
  - 推荐: auto_route (≥80? 否, ≥50? 是)
  - 实际: ask_user (模糊区间)

→ 用户确认: "是，使用 Gemini 前端助手"

→ gemini-frontend 执行:
  Phase 1: 启动 Gemini CLI ✅
  Phase 2: 分析需求 → 组件架构设计 ✅
  Phase 3: 生成代码 → UserCard.tsx + UserCard.module.css ✅
  Phase 4: 质量检查 → codereview(92分) ✅
  Phase 5: 更新文档 → PROJECTWIKI.md ✅

→ 输出: 完整的 UserCard 组件 + 文档

示例 2: 设计稿 → 代码

用户: "根据这个设计稿生成 Vue 组件" [附件: design.png]

→ main-router 检测:
  - "Vue"(35分) + "组件"(30分) + "设计稿+图片"(25分) = 90分
  - 推荐: auto_route (高置信度)

→ gemini-frontend 执行:
  Phase 1: 启动 Gemini CLI ✅
  Phase 2: 分析设计稿 → 识别UI元素、颜色、布局 ✅
  Phase 3: 生成代码 → ProductCard.vue + Tailwind classes ✅
  Phase 4: 质量检查 → codereview(88分) ✅
  Phase 5: 更新文档 ✅

→ 输出: 高度还原设计稿的 Vue 组件

示例 3: 全栈项目（分拆处理）

用户: "开发一个用户登录功能，包括前端 React 表单和后端 Node.js API"

→ main-router 检测:
  - "React"(35分) + "Node.js"(-15分) + "API"(-10分) = 10分
  - 后端信号: 2个 (Node.js, API)
  - 推荐: fullstack

→ main-router 分拆:
  前端部分: 路由到 gemini-frontend
  后端部分: 路由到 codex-code-reviewer

→ gemini-frontend 执行（仅前端）:
  生成: LoginForm.tsx + 状态管理 + 表单验证

→ codex-code-reviewer 执行（仅后端）:
  生成: /api/login 路由 + JWT 认证

→ 主模型整合:
  输出完整方案（前端 + 后端 分块说明）

---

Related Skills（相关技能）

| Skill | 关系 | 使用时机 | |-------|------|---------| | main-router | 上游 | 检测前端需求并路由 | | codex-code-reviewer | 协作 | Phase 4 质量检查 | | simple-gemini | 协作 | Phase 5 文档生成 | | plan-down | 可选 | 复杂前端项目规划 | | zen-thinkdeep | 可选 | 复杂架构决策分析 |

---

Version History

• v1.0.0 (2025-11-19): 初始版本
• 基于 thinkdeep 深度分析
• 经 GPT-5.1 和 Gemini 2.5 Pro 多专家验证
• 实现评分机制 + 双重质量检查 + 回退策略

---

References

• Gemini 3.0 前端开发能力分析
• 前端开发最佳实践 2025
• React/Vue 逻辑复用技术
• GPT-5.1 专家建议（Consensus 2025-11-19）
• Gemini 2.5 Pro 专家建议（Consensus 2025-11-19）

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: VCnoC
• Source: VCnoC/Claude-Code-Zen-mcp-Skill-Work
• License: Apache-2.0

Install and usage instructions live in the source repository linked above.