MiniMax در ۲۸ اکتبر ۲۰۲۶ مجموعه MCode Stack را با مجوز MIT منتشر کرد. این مجموعه شامل ۱۷ مهارت ایجنتی (۱۵ از Ronny، ۲ از Jiachen)، ۵ چک‌لیست و ۵ یادداشت همراه است که تیم MiniMax Code روزانه برای ساخت خودِ ابزار MiniMax Code استفاده می‌کند. هر مهارت یک فایل SKILL.md است که مستقیماً در MiniMax Code نصب می‌شود.

مهارت‌ها چه می‌کنند؟#

مهارت‌ها بر اساس لحظه‌های مختلف روز کاری گروه‌بندی شده‌اند: برنامه‌ریزی و تقسیم کار، مدیریت context و ابزار، جلسات طولانی و دستورهای shell، بازبینی کد، و آزمایش و hotfix. چند نمونه شاخص:

  • independent-review: به بازبین دقیقاً ۳ ورودی می‌دهد — diff، نیازمندی و نتایج تست — و گفت‌وگوی نویسنده را عمداً حذف می‌کند تا کوری‌های او به بازبین منتقل نشود.
  • subagent-split-check: تقسیم کار را فقط وقتی مجاز می‌داند که context مشکل اندازه‌گیری‌شده باشد؛ تقسیم بر اساس تیم یا نوع سؤال دلیل معتبر نیست.
  • tool-budget-audit: دو هزینه جداگانه را تفکیک می‌کند — تعاریف ابزار و نتایج ابزار — و نشان می‌دهد کدام استراتژی کدام هزینه را کم می‌کند.
  • long-command-check: یک چک‌لیست ۱۰ بندی برای دستورهای طولانی shell و تسک‌های پس‌زمینه.

نصب و سازگاری#

سه مسیر نصب وجود دارد: کپی یک پوشه مهارت به ~/.agents/skills/، کپی کل stack به پوشه پلاگین محلی MiniMax Code، یا اضافه کردن marketplace در نسخه دسکتاپ MiniMax Code (که هنوز به‌تدریج در حال rollout است). همان کاتالوگ در Claude Code با دستور /plugin marketplace add MiniMax-AI/mcode-stack کار می‌کند. MiniMax Code همچنین ~/.claude/skills/ و ~/.codex/skills/ را می‌خواند.

۶ مهارت با پیشوند engineering-* از Google Engineering Practices اقتباس شده‌اند و تحت مجوز CC-BY 3.0 باقی می‌مانند.

هنوز هیچ ارزیابی منتشر نشده#

برخلاف بسیاری از بسته‌های مهارت، هیچ بنچمارک یا نتایج ارزیابی برای MCode Stack منتشر نشده است. این مجموعه را باید به‌عنوان playbook در نظر گرفت، نه اثبات عملکرد. در مقایسه با obra/superpowers که ۱۶ harness مختلف را پوشش می‌دهد، MCode Stack باریک‌تر است و مستقیماً برای کسانی طراحی شده که harness ایجنت می‌سازند، نه فقط کسانی که از ایجنت استفاده می‌کنند.

خوانش تحریریه#

این خبر برای کسی که همین حالا با Claude Code یا MiniMax Code کار می‌کند، یک منبع عملی است: مهارت‌های plain Markdown بدون نیاز به GPU، با منطق مشخصی پشت هر کدام. اما دو محدودیت مهم دارد. اول، هیچ عددی برای اثبات اثرگذاری این مهارت‌ها منتشر نشده — یعنی نمی‌دانیم آیا واقعاً کیفیت ایجنت را بالا می‌برند یا فقط عادت‌های یک تیم خاص را مستند می‌کنند. دوم، marketplace هنوز به‌طور کامل در دسترس نیست و نصب دستی لازم است. برای تیم‌هایی که harness ایجنت طراحی می‌کنند، الگوی independent-review (حذف context نویسنده از فرآیند بازبینی) و tool-budget-audit (تفکیک هزینه تعریف و نتیجه ابزار) ایده‌هایی هستند که مستقل از این repo ارزش فکر کردن دارند.

منبع: MarkTechPost