Terraform 与 OpenTofu AI Agent 技能包
为 AI 编码代理提供 Terraform 和 OpenTofu 的最佳实践，涵盖测试、模块开发、CI/CD 与生产级基础设施模式。
证据显示：README 强调使用 OIDC 和 write_only 参数，避免静态密钥，体现了最小权限原则；但未提供用户确认机制或数据流透明度的说明。敏感数据处理有提及（如 Secrets Manager），但缺乏具体实现细节。依赖安全方面，引用了 Trivy/Checkov 等扫描工具，但未提供依赖锁定或漏洞缓解证据。外部影响方面，建议使用远程后端和 CI/CD，但未明确说明其影响范围。回滚方面，提到了状态迁移和恢复程序，但未提供具体回滚机制。来源归属方面，README 列出了多个来源，但未提供可验证的链接或版本。扣分原因：缺少用户确认、数据流透明度和具体的安全实现细节。
证据显示：README 内容自洽，各章节一致，无矛盾。依赖可用性方面，依赖外部工具（如 terraform-ls、MCP server），但未提供版本锁定或镜像。失败消息方面，未提供错误处理或诊断信息。扣分原因：依赖未锁定，失败处理未说明。
证据显示：README 面向多种 AI 代理和云提供商，提供了多场景示例，适应性强。能力边界方面，说明了可选依赖（如 terraform-ls）和回退机制，但未明确限制。触发精度方面，提到了关键词匹配，但未提供精确触发规则。环境适配方面，提供了多种安装方式，但未说明版本兼容性细节。扣分原因：触发规则不明确，能力边界描述不完整。
证据显示：信息架构清晰，有目录和章节。安装说明详细，覆盖多种宿主。命名稳定性方面，提到了命名约定，但未提供版本稳定性保证。示例和 FAQ 丰富，但缺少 FAQ 部分。已知限制方面，未明确列出。许可证为 Apache 2.0，但元数据为 NOASSERTION。版本化变更日志存在（CHANGELOG.md），但未提供详细内容。维护责任方面，提到了贡献指南，但未明确维护者。扣分原因：缺少已知限制和明确的维护责任。
证据显示：输出可用性方面，提供了大量示例和模式，可直接使用。边际价值方面，提供了最佳实践和决策框架，有增量价值。成本效益方面，未提供性能或成本数据。扣分原因：缺少成本效益分析。
证据显示：声明了来源（如 terraform-best-practices.com），但未提供可验证的链接或版本。跨来源佐证方面，引用了多个社区资源，但未提供交叉验证。事实与推断分离方面，未明确区分。扣分原因：来源不可验证，事实与推断未分离。
- 发布者身份未验证，来源不可追溯，需谨慎对待。
- 依赖未锁定，可能引入供应链风险。
- 缺少用户确认机制，可能自动执行高风险操作。
- 数据流不透明，敏感信息处理细节不足。
这个 Agent 能做什么，适合哪些场景？
这是一个专为 AI 编码代理（如 Claude Code、Cursor、Copilot 等）设计的技能包，提供 Terraform 和 OpenTofu 的最佳实践指导。它包含测试策略（原生测试与 Terratest 的决策矩阵）、模块开发规范（命名、结构、版本）、远程状态管理（S3、Azure Blob、GCS、Terraform Cloud 等）、CI/CD 集成（GitHub Actions、GitLab CI）、安全合规（Trivy、Checkov、policy-as-code）以及大量 DO 与 DON'T 的示例。该技能包覆盖 AWS、Azure 和 GCP，提供了跨云的模式映射。安装方式支持多种代理，可通过 npx 或 Git 克隆，并包含 Kiro Power 等特殊集成。它基于社区最佳实践和作者在 terraform-aws-modules 等项目的实战经验构建，旨在帮助代理生成符合生产要求的基础设施代码。
该技能包为 AI 代理提供一系列指导文档和规则，使其能够：1) 根据项目需求选择测试框架（原生测试或 Terratest），并生成测试代码；2) 遵循模块命名、结构和版本控制惯例创建 Terraform 模块；3) 配置远程状态后端（如 S3、GCS），实现锁和加密；4) 生成 GitHub Actions 或 GitLab CI 工作流，集成 tfsec、Infracost 等工具；5) 执行安全扫描（Trivy、Checkov）和合规检查；6) 提供模式与反模式对比，指导变量命名、资源命名、模块组合等。它通过 SKILL.md 文件组织内容，代理在收到相关任务时自动加载这些内容。
- 开发人员使用 Claude Code 创建带有测试的 Terraform 模块，例如 '为 AWS S3 存储桶创建一个带测试的模块'。
- 平台工程师需要为多团队环境设计远程状态管理方案，使用技能指导选择后端和锁定机制。
- DevOps 工程师在 GitHub Actions 中设置 CI/CD 工作流，集成了成本估算和安全扫描。
- 团队将现有 Terraform 代码迁移到 OpenTofu，技能提供兼容性指导。
- 架构师需要跨云（AWS、Azure、GCP）的最佳实践，技能提供等价资源映射。
- 代码审查员使用技能审查 Terraform 配置，确保符合最佳实践。
这个 Agent 有哪些优点和局限？
- 内容基于真实项目最佳实践和社区贡献，非空泛理论。
- 覆盖主流云提供商（AWS、Azure、GCP），提供跨云映射，方便多云团队。
- 提供具体的测试策略和决策矩阵，帮助选择原生测试还是 Terratest。
- 包含大量 DO 与 DON'T 示例，便于直观理解。
- 支持多种 AI 代理，安装灵活。
- 要求代理支持 Agent Skills 标准，部分工具需要额外配置（如 Codex 需要插件市场）。
- 技能内容可能跟不上 Terraform 最新版本，用户需自行验证。
- 强烈建议安装配套的 code-intelligence 技能，否则功能受限。
- 对于简单任务可能过重，需要代理正确触发。
- 部分高级功能（如 cross-cloud mapping）需要用户理解多云概念。
如何安装或部署这个 Agent？
对于 Claude Code，使用插件市场：/plugin marketplace add antonbabenko/agent-plugins 然后 /plugin install terraform-skill@antonbabenko。对于其他代理，可使用 npx skills add https://github.com/antonbabenko/terraform-skill，或根据文档手动克隆到相应目录（如 ~/.cursor/skills/）。
如何使用这个 Agent？
安装后，向 AI 代理提出类似 '创建一个带有测试的 S3 存储桶 Terraform 模块' 的请求，代理会自动加载技能内容。确保已安装 Terraform 1.0+ 或 OpenTofu 1.6+，并已在工作区运行 terraform init。也可参考 README 中的示例提示，如 '为 AWS VPC 创建模块并包含原生测试'。
这个 Agent 与同类方案有什么区别？
与 Terratest 相比，该技能提供了原生测试和 Terratest 的决策矩阵，但本身不是测试框架。与 Hashicorp 官方文档相比，它更面向 AI 代理的交互式指导。
常见问题
技能是免费的吗？
需要预先安装 Terraform 吗？
terraform init。