ponytail
一个面向 AI 编程助手的技能提示,强制其给出“最懒但确实可用”的方案:最简单、最短、最精简。它模拟一位见多识广的资深开发者,先质疑任务是否真的需要存在,再逐级寻找可复用的既有实现,避免过度工程。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-16 00:04
41,199 个结果
一个面向 AI 编程助手的技能提示,强制其给出“最懒但确实可用”的方案:最简单、最短、最精简。它模拟一位见多识广的资深开发者,先质疑任务是否真的需要存在,再逐级寻找可复用的既有实现,避免过度工程。
PostHog 官方技能文档,指导在 personhog-replica 与 personhog-router 中端到端新增一个 RPC,涵盖资格判定、proto 定义、Python/Node.js 代码生成、Rust 实现与测试验证。
为 PostHog API 端点接入项目密钥 API Key(PSAK)认证的指南。PSAK 是项目级、无用户的服务凭据,可在用户离开项目后继续使用,仅支持 Bearer 头且作用域为项目级。
PostHog 前端迁移技能:把手写的 API 调用与类型替换为 OpenAPI 流水线生成的 TypeScript 客户端函数和 Api 类型,覆盖 api.<实体>.<方法>()、api.get<T>() 与 ApiRequest 三种旧模式。
hogli 是 PostHog 的开发者 CLI 和仓库工具参考入口,用一个命令统一封装仓库脚本、bin 命令和各类工具。仓库中没有 Makefile,hogli 相当于其替代。适用于查询 PostHog 仓库 CLI 工具、bin 脚本、Makefile 相关用法。
面向 PostHog 仓库中 DRF ViewSet 与 Serializer 的改进与审计技能:确保序列化器字段、schema 注解与路由注册正确,使下游 OpenAPI、前端类型与 MCP 工具获得准确类型与描述。
PostHog 组织级 GitHub Actions 密钥管理技能,用于统一在组织层创建和更新 CI 密钥,并按需授权给指定仓库,避免在每个仓库单独配置。
PostHog 后端实时站内通知功能的集成指南,介绍如何通过 facade API 创建通知,涵盖通知类型、优先级、目标对象、访问控制过滤以及投递管线等内容。
一个可安装给 AI 智能体的技能,整理 Google 官方 JavaScript 风格指南的最佳实践。内容包含 8 个类别、47 条规则,按影响优先级排序,用于指导自动化重构与代码生成。
面向 AI 智能体的可安装技能,基于 Google 内部标准整理的 TypeScript 风格指南,含 8 大类共 45 条规则,按影响程度排序,用于指导自动重构与代码生成。
面向 SwiftUI 的 Apple 设计模式最佳实践技能,供 AI 智能体在编写、审查或重构 SwiftUI 代码时参考,以构建原生质感的 iOS 界面。内含 9 大类共 51 条规则,按影响优先级排列。
Pravidhi 开发的智能体开发工作流技能,在 Git 仓库中驱动完整、可重复且强制质量的编码流程。适用于用户要求实现功能、修复缺陷或重构代码时,涵盖仓库检查、依赖安全审计、编码前质量检查、CI 预验证、重构保护、实现、编码后验证、密钥检测、CHANGELOG 与提交推送、创建 PR 等阶段。
一个用于评估设计方案并提出替代方案的技能:针对问题给出2-3种真正不同的实现路径及具体取舍,适合在实现前评估设计选择、挑战现有方案或比较框架时使用。
Rust 源码目录与模块布局规范技能,用于在设计、实现、重构或审查 Rust 项目时确定 crate 与模块路径。适用于新建 crate 或建立首个重要功能时,明确 domain、app、adapters 的放置位置与依赖方向,避免空层和占位端口。
一套面向 API 测试的模式与策略参考,涵盖契约测试、REST/GraphQL 测试、组件与集成测试,并给出认证、输入校验、错误处理、幂等性和并发等关键场景的测试要点与工具选型建议。
面向以 acomo 为后端的业务工作流系统开发技能,供开发者与非开发者通过 AI 智能体对话完成工作流的设计、静态验证、注册、走查与改进。提供验证脚本与走查计划生成等工具。
Moon v2 针对 PHP、JavaScript/TypeScript、Python 及移动端(React Native/Flutter)的语言级项目配置模式,涵盖 fileGroups、任务定义、工具链与缓存输出等常见写法。
Pagespeedfy 的 Astro 页面优化技能,通过 Pagespeedfy CLI 测量单页的 PageSpeed Insights 分数、Core Web Vitals、无障碍、最佳实践与技术 SEO,读取全部报告后生成修复计划,经用户授权再修改 Astro 项目。
这是一个用于驱动 AI 编程智能体设定高难度、可量化目标并持续推进的技能,核心思路是“先测量基线,再要求一个远超直觉的数字”。它要求在开始阶段测量基线、寻找物理或理论下限、设定预期值、硬目标与护栏,并写出硬目标会迫使采用的设计方向;执行中当进展停滞时,通过重新测量、记录被排除的方案、选择收益最大的假设、尝试/测量/保留或回退的循环继续推进,而不是停在“够好了”。产出为 push-further.md 运行日志,记录基线、下限、目标、护栏、尝试记录、排除项与状态。适用于性能优化、成本削减等有可测量指标的任务。
生成一个项目本地的技能,用于对代码中“出错代价最高、测试覆盖最少”的部分进行形式化验证,适用于任意语言,可根据要回答的问题选择最合适的验证工具。
当需要只读审查一个已明确的软件开发任务在指定代码范围内的需求正确性与实现设计时使用;由 Reviewer 直接给出 requirement 与 design 两个维度的结论,不修改代码、不提交变更、不决定修复是否获准。
aiclean 是 radareorg/radare2-skills 中的代码清理与重构技能,用于在 radare2 项目中审查分支改动,识别冗余复杂度、重复逻辑与死代码,并在保持行为不变的前提下减少代码行数、提升可读性,优先采用 radare2 原生的可移植 API。
aifollowup 是一个面向代码评审与任务规划场景的技能,用于在 AI 助手分析当前未暂存改动、当前非 master 分支的提交以及待办路线图后,从“专家团队”的视角生成 3 个后续追问问题,帮助使用者进一步理解设计问题、实现缺陷和性能瓶颈。该技能定义了明确的工作流:先检查与未暂存改动和提交相关的全部代码,再结合这些变更内容提出 3 个可继续追问的问题,最后按规定格式输出一个随机 emoji、“FOLLOW-UP QUESTIONS”字样以及以 UTF-8 换行分隔的 3 个问题。资料未提供安装方式、依赖说明、支持的平台与工具、配置项、收费信息或实际效果数据。
aireview 是一个面向代码审查场景的技能,用于检查提交变更、函数或文件中的源代码,并以结构化任务笔记格式仅报告高置信度的问题。它强调只关注变更代码、避免风格与主观建议、要求提供具体文件行号与修复建议,最终输出包含总结、结论(批准/需修改/请求修改)和逐项任务块的审查报告。