核心用法
本 Skill 是一个纯文档型的 React 开发专家系统，旨在为 AI Agent 提供权威的 React 技术指导。其核心功能覆盖四大场景：组件开发与重构（遵循命名导出、hooks 规则、派生值计算等规范）、状态管理决策（通过决策树引导选择 useState、Zustand、TanStack Query 或 Context）、调试诊断（针对重渲染、无限循环、hydration 错误等提供症状-原因链分析）、以及代码审查（识别 AI 生成代码中的 10 类常见错误模式）。
使用时，Agent 通过结构化文档（debug.md、state.md、performance.md 等）按需检索深度内容，而非执行代码。用户偏好（框架、样式方案、状态库等）存储于本地 ~/Clawic/data/react/，支持个性化配置。
显著优点
权威性与时效性：内容紧跟 React 19 特性（Server Components、use()、Actions、React Compiler），同时覆盖传统模式迁移，兼顾新旧项目需求。决策驱动设计：大量采用决策树、速查表和「症状-对策」映射，将抽象原则转化为可执行操作。性能优先方法论：强调「先测量再优化」，提供 Profiler 驱动的优化优先级（P0 代码分割 → P1 虚拟化 → P2 手动 memo）。AI 友好结构：文档模块化（8 个深度主题文件），便于 Agent 精准检索；输出门检清单（Output Gates）确保生成代码符合安全与可访问性标准。
潜在缺点与局限性
框架边界限制：明确排除 React Native 和 Next.js 路由/部署细节，需配合其他 Skill 使用。无实时验证能力：作为文档型 Skill，无法实际运行代码或检测运行时错误，依赖 Agent 的检索准确性。React 19 前置假设：大量内容围绕 Server Components 和 Compiler 展开，传统 SPA（Vite 模式）开发者需主动筛选适用建议。配置依赖本地存储：用户偏好需手动维护，无云同步或团队共享机制。
适合的目标群体
初中级 React 开发者：需系统学习 hooks 规则、状态选型、性能优化方法论。AI 辅助编程用户：审查 LLM 生成的 React 代码，规避 useEffect 滥用、派生值误用等高频错误。技术负责人：制定团队规范（命名导出、文件分割阈值、TypeScript 严格配置）。迁移升级项目：从 Class 组件、Redux 或旧版 Next.js 向 React 19 现代模式过渡。
使用风险
性能风险：虚拟化、代码分割等高级优化需配合具体实现（如 @tanstack/react-virtual），Skill 仅提供决策指导，不保证实施效果。依赖项风险：推荐的 TanStack Query、Zustand 等库版本迭代快，需用户自行验证版本兼容性（Skill 已标注 v5 关键变更）。配置误用风险：本地配置文件若权限设置不当，可能导致偏好泄露或被其他应用修改（安全报告已披露）。命令执行风险：setup.md 包含 npx create-next-app 等初始化命令，虽为标准工具，但用户需在确认目录下执行以避免误操作。