performance-evidence
性能证据(Performance Evidence)是一个面向性能优化的方法指导技能,强调不要凭直觉优化,而应通过可重复的基线测量、瓶颈剖析、单一主因修改和再次测量来获得证据。它要求先定义工作量、硬件/运行时、数据集、冷热状态、样本数和指标,并区分 CPU、I/O、网络、内存分配、锁竞争、启动及外部服务延迟。适用于速度、内存、延迟、启动时间、吞吐量、Token 成本、构建时间和运行时资源使用等优化场景。
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
41,214 个结果
性能证据(Performance Evidence)是一个面向性能优化的方法指导技能,强调不要凭直觉优化,而应通过可重复的基线测量、瓶颈剖析、单一主因修改和再次测量来获得证据。它要求先定义工作量、硬件/运行时、数据集、冷热状态、样本数和指标,并区分 CPU、I/O、网络、内存分配、锁竞争、启动及外部服务延迟。适用于速度、内存、延迟、启动时间、吞吐量、Token 成本、构建时间和运行时资源使用等优化场景。
retry-idempotency 是一个关于在可能发生重试的场景中保证操作幂等性的技能说明,属于 senjuwoo/ultimate-ai-starter-bundle 技能包。它适用于超时、瞬时错误、重复投递、进程中断或确认结果不明确等情况。核心规则是:在添加重试之前,必须先证明重复执行该操作不会产生重复副作用或损坏副作用;优先使用天然幂等的操作,或附加操作键、幂等键让对方去重;遇到不明确的超时后,先读取权威状态,再决定是否重写;按错误类型分类,只重试瞬时传输或容量类失败,不重试永久性的校验、认证或配置失败;使用有次数上限的重试和带抖动的退避;安装器与迁移应保证在任意受支持的中断点重跑后都能收敛到唯一有效状态;若无法保证安全重试,应明确暴露不确定性并交由对账处理,而不是放大副作用。
Saints Row 3/4 PC 模组制作技能,围绕 srforge 工作台与 Volition 游戏资源格式展开。覆盖 Saints Row: The Third(原版 PC)、Saints Row IV / Re-Elected、Gat Out Of Hell 等目标,明确不覆盖 SRTT Remastered(引擎/构建不同)。技能提供已验证的二进制格式知识(.vpp_pc/.str2_pc 打包文件、.asm_pc 资源汇编器、.xtbl 表格、le_strings 字符串、Volition CRC),以及加载优先级规则(松散文件 > patch_compressed.vpp_pc > patch_uncompressed.vpp_pc > 基础 vpp)。工具链包括 ThomasJepp.SaintsRow rev133、Gibbed.Volition、Zinyak's Cache of Wonders 官方 SDK,以及本机 srforge 工作台(原生读写器、工作区/事务/回执、CLI、MCP 服务器、知识检索、测试)。工作流强调先索引原版资源、按模组建立工作区、结构化编辑、重建后交叉验证、语义差异比对,并记录回执。
该技能用于从需求到实现、验证、打包与发布,编排一个全新的《上古卷轴5:天际》SE/AE 模组或大型功能开发。它按阶段推进:定义玩家可见行为与非目标、记录运行时与依赖及兼容性承诺、选择最小架构并建立版本化工作区与测试矩阵;设计机器可读计划,分离插件记录、Papyrus 脚本、运行时配置、原生 DLL 代码、资源与动画、安装器与文档;先构建包含真实玩家交互与最终视觉系统的最小垂直切片,逐层验证;集成阶段测试依赖缺失/存在、新游戏与既有存档、冲突、性能与各类输入路径;最后经打包、发布门禁与发布流程交付。技能强调以证据标准核对版本敏感事实,并记录证据路径。
ServiceNow Agile Development 2.0(插件 com.snc.sdlc.agile.2.0)的十六个 rm_*/pm_* 工具,基于 rm_team、rm_sprint、rm_story、rm_epic 模型,用于团队、冲刺、故事与发布管理。
Fluent(ServiceNow SDK)开发技能,用于以 TypeScript 声明式定义 ServiceNow 应用元数据,并以 git 作为事实来源。它通过 snow_fluent_* 工具在本机运行 now-sdk,完成初始化、构建、安装等流程,适合在开发实例上构建和演进应用。
说明通过该 MCP 的 Table API 读取 ServiceNow 记录时各工具返回的数据差异,重点提醒 snow_query_table 默认对长字段做 200 字符截断、total 与 has_more 只是猜测,以及 display_value 三种取值对字段含义的影响。
该技能用于将 Dart Web 服务器从 Shelf 迁移到 Relic。Relic 用单个包替代 shelf、shelf_router 和 shelf_web_socket,核心概念(处理器、中间件、请求、响应)基本延续,并提升了类型安全性。技能以并排对照方式给出每一项 API 变更,包括依赖替换、服务器启动、处理器、路由、响应与 Body、请求头、中间件、上下文以及 WebSocket 的写法差异,并附完整对照示例和速查表。适用于把现有 Shelf 代码转换为 Relic、替换 Shelf 相关依赖或了解两者 API 对应关系的场景。
该技能为 SGLang 项目中的三个大型类(Scheduler、TokenizerManager、ModelRunner)定义代码风格约定,核心是“冻结代码”与 __init__ 编排风格。冻结文件只做编排:构造协作者、接线、委托调用、协调顺序,不内联领域逻辑;领域逻辑应放在独立模块的协作者类中。__init__ 应是一系列 self.init_*(...) 调用加最小粘合代码,每个可覆写单元一个 helper,条件构造用 maybe_init_<thing>。适用于修改这三个类的代码时保持单一职责、便于单元测试与下游 fork 覆写。
Vibe Coding 是一个把 AI 智能体转变为有品味、有纪律的开发协作伙伴的技能。它强调先理解再动手、公开决策、小步验证与代码工艺,适用于已有代码库修改、新项目、调试、优化、评审与重构等场景。
用于在 XerahS 桌面端 src/desktop/plugins 下新增上传目标插件的技能,按现有插件架构完成脚手架、配置界面与构建验证;不适用于配置已有插件。
Andrej Explains 是一个用于解释代码、架构、调试轨迹、PR 与语言模型输出的技能,采用 STE 风格写作,并可通过文字、图表、交互式 HTML 或带旁白的视频呈现。它面向需要理解技术复杂性的开发者,把机制、假设、权衡与证据转化为可检查、可操作、可理解的产物。资料显示,它强调先推断受众、主题与决策,尊重用户指定的输出格式,否则选择最能暴露机制的格式;解释前应检查相关代码、配置、测试、日志、差异或模型输出,区分已验证事实、推断、假设与未决问题,并引用文件路径与符号。它还要求用一个具体输入走通系统,包含有意义的失败案例及其触发条件,保留标识符、单位、错误信息、安全边界与技术注意事项,明确标注虚构示例与模拟内容,并区分当前实现与提议变更。
面向合作伙伴的 Apify 官方集成开发指南,覆盖工作流自动化应用、AI 智能体插件、AI 框架包与直连客户端四种集成形态,说明设计规则、成本控制、鉴权、错误映射、测试与发布要求及常见反模式。
babysit-pr 是一个用于自动跟进代码托管平台拉取请求(PR/MR)机器人评审的技能。它帮助用户把 PR 从“刚打开”推进到“所有评审意见都有回应”,无需人工反复刷新页面。技能会收集内联评审线程和顶层评审正文两类发现,逐条核实机器人提出的问题,区分阻塞性与非阻塞性,自主修复阻塞问题并推送,然后逐线程回复并标记解决。它强调先验证再相信、每个线程都要有答复、先发布再回复三条原则,并支持 GitHub 与 GitLab 两种平台。
Cline Delegate 是一项编码任务委派技能:当用户明确要求时,把有边界的编码任务交给 Cline 编码代理 CLI(cline)执行,由编排者(orchestrator)编写任务简报、复查其产出的 diff 并自行提交,委派方对被委派方的工作质量不采信其自述。该技能以文档形式分发,不包含可执行脚本 scripts/relay.mjs,需另行安装并审核兼容的 relay 与 cline CLI。
面向授权源码的安全审计与 SAST 工作流技能,覆盖 Semgrep、CodeQL 等静态扫描、危险 API 与注入点识别、鉴权缺失与加密误用排查,以及漏洞修复验证。
基于 Ontoly 图摘要帮助开发者快速熟悉代码库的技能,用于解释新代码库、识别入口点、梳理包结构或定位功能负责人。
codex-delegate 是一个用于智能体协作的技能(Skill),用于把范围明确的编码任务委派给 OpenAI Codex CLI 执行,再由编排方(orchestrator)负责审查和提交。它仅在用户明确要求委派时使用,适用于需要把“写代码”与“审查落地”分离的流程。核心循环为:编写任务简报、派发、等待完成、审查 diff 与门禁、由编排方提交。该技能要求已安装并登录 codex CLI,且具备 Node 18+ 与 git 环境。注意:本条目为文档导入,未包含可执行脚本 relay.mjs,运行时需参考上游。
基于 Ontoly 图遍历分析内部与包依赖关系,适用于查询模块、包、服务或文件之间的依赖方向与循环。资料含能力调用、输出契约与边界说明,未提供价格信息。
五轴代码审查清单技能,按正确性、安全、可读性、性能、测试覆盖五个维度依次审查代码、diff 或 pull request,输出可执行的修改建议而非风格挑刺。每条评论采用固定格式 [轴] 文件:行 问题 → 建议修复,并区分「必须修复」(正确性/安全)与「建议修复」(可读性/性能/测试)。适用于用户要求审查代码、diff 或 PR 的场景,强调评论必须引用具体代码行、单次审查不超过 10 条评论、diff 超过约 400 行先要求拆分。
implement 是一项用于按 PRD 或一组 issue 实现具体开发工作的技能。它强调沿用项目既有测试流程、保留原有计划与待办、定期运行类型检查和单测、结束后跑全量测试,并在授权范围内于主题分支提交,不改动无关工作。
llm-caching 是一个用于为 LLM 应用实现多层缓存的技能文档:先用 Redis 做精确匹配缓存,再用 GPTCache 或自定义向量方案(SentenceTransformers + Qdrant)做语义相似缓存,最后利用 Anthropic/OpenAI 的服务端提示缓存降低长系统提示成本。文档附有 Python 代码示例、缓存预热、Prometheus 指标、Redis 配置建议及常见问题。强调按租户/权限分区、密钥纳入模型版本与参数、加密存储、遵守删除与保留策略,避免跨用户泄露缓存答案。
Neon AI Gateway 是内置于 Neon 分支的 LLM 推理层,用一个 API 和一份 Neon 凭证访问 Anthropic、OpenAI、Google、Meta、Alibaba、DeepSeek 与 Databricks 的前沿及开源模型,由 Databricks 提供支持。现有 OpenAI/Anthropic/Gemini SDK 只需改 base URL 即可使用。
用于在检查与验证完成后,将技能变更提交并推送到已配置的技能仓库。适配自 davidondrej/skills,操作前需确认本地路径、凭据与环境。