github
基于 gh CLI 的 GitHub Issue 管理技能,可创建、列表、查看、更新、关闭和指派 issue,适用于缺陷跟踪与项目协作。
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
41,215 个结果
基于 gh CLI 的 GitHub Issue 管理技能,可创建、列表、查看、更新、关闭和指派 issue,适用于缺陷跟踪与项目协作。
pr-trends 是一个用于生成 Git 仓库拉取请求(PR)趋势报告的技能,可按周和按月输出创建 PR 数、合并 PR 数、平均合并天数与变更行数,支持 GitHub CLI 与本地 git 两种数据来源。
Ascend C API 使用最佳实践技能,按算术运算、归约、数据搬运、Buffer 管理、精度转换、流水线同步等类别整理 API 正确用法与限制,并给出典型场景与避坑指南。
Ascend NPU 架构知识查询技能,通过芯片型号映射、架构代际划分和 archXX 特性说明,帮助判断目标平台能力、特性支持与条件编译策略,适用于确认芯片型号、NpuArch/SocVersion、架构差异及编译分支条件。
将已有 Ascend C <<<>>> 直调工程通过 TORCH_LIBRARY 对接到 PyTorch,实现 torch.ops.npu.xxx() 调用。适用于用户提到 TORCH_LIBRARY、.asc 对接 PyTorch、Python 调用 Ascend C 算子、注册到 torch、算子接入等场景。
用于为 AscendC 自定义算子编写 README 风格技术文档的技能:读取本地参考 README 与算子源码,按模板结构生成文档,区分代码事实与推断,不依赖 Python 解析脚本。
该技能用于在昇腾NPU容器环境中从源码安装NPU兼容版本的detectron2,面向实例分割、目标检测等模型的开发场景。技能强调在NPU环境下必须从源码安装,不能使用预编译的CUDA版本,并提供了前置条件确认、安装、导入验证及排查CUDA残留路径的步骤。使用前需确保mmcv已安装、容器中已安装Ascend CANN与torch_npu、工作目录已挂载。
该技能用于在昇腾NPU容器中安装mmdetection(2D目标检测库),适用于目标检测模型的开发。安装流程包括确认前置条件、克隆mmdetection仓库、按需应用patch、执行安装和验证。前置条件为mmcv已安装、容器中已安装Ascend CANN和torch_npu、工作目录已挂载。资料提供了直连克隆、代理配置、本地克隆后传输三种方式,并强调始终使用GitHub官方链接而非镜像站点。
该技能用于将 ATB 算子迁移为 ACLNN 实现,并在 910B/950 设备上启用 ACLNN 加速。它覆盖参数映射、ACLNN Runner 实现、设备检测切换以及功能与性能验证的完整流程,帮助开发者在保持原有 ATB 接口不变的前提下,为特定设备选择更优实现。
该工具是一个技能(Skill),用于根据用户提供的 ATB 与 ACLNN 接口文档链接,自动生成 ATB 算子替换为 ACLNN 算子的详细设计文档。它会先检测 ATB 仓库中是否已存在目标算子的 ACLNN Runner,据此选择轻量模板(4 节)或完整模板(7 章)。完整版文档涵盖需求详情、算子 IR 与参数配置、规格说明(DFX)、开发自测、实现方案、风险评估与结论;轻量版保留文档信息、需求简述、参数映射、规格约束与风险评估。工具强调 WebFetch 获取接口文档失败时必须停止并索取替代文档,禁止从代码反推接口参数;生成文档后需保存到 working_files 目录并等待用户确认,方可进入后续 CSV 用例设计阶段。
ATB OPS→ACLNN 迁移标准化工作流是一个面向 ATB 算子接口迁移的 7 阶段流程模板,用于把算子从 OPS 接口迁移到 ACLNN 接口,并在 910B/950 设备上启用 ACLNN 加速,同时保持对其他设备的兼容。工作流覆盖前置知识学习、设计文档生成、CSV 用例设计、实际迁移、编译验证、小范围验证与全量回归、交付报告各阶段,设有 Gate 0、Gate 1、Gate 2、Gate 5b 等强制确认与门控机制,强调禁止跳步:设计文档与 CSV 用例需经用户确认后才可进入编码阶段,测试前必须完成用例设计,交付前必须通过全量回归。模板还规定了各阶段调用的技能(如 atb-aclnn-operator-replacement-designer、atb-csv-testcase-generator、atb-aclnn-operator-migration、atb-testframework-build、atb-csv-tester、atb-debug-guide)、编译失败最多尝试 3 次、功能 CSV 前台快速验证与性能 CSV 后台子代理逐个运行、交付报告自动聚合等使用方式。适用于 Quant、Norm、Softmax 等算子的 OPS→ACLNN 迁移场景;具体接口文档、环境路径等需由使用者提供,资料未给出具体实现细节与效果数据。
用于为 release PR(如 hotfix→master、develop→master、release/*→master)自动生成标题与 description 的技能。它扫描 base...head 的 commit 范围,按 Conventional Commit 前缀归类为 Features/Bug Fixes/Improvements,并强制对 diff 核查、外连非决策必需内容,最后写回 PR 并验证生效。
用于扰动 ty 约束集排序的 Ruff 测试技能:通过 TY_CONSTRAINT_SET_ORDER 改变 builder 本地 TDD 变量顺序与类型变量顺序,检查推理结果是否依赖排序,并指导如何跑 mdtests、收集日志与报告失败。
Problem Bank 是一个用于审计 DSA 题库覆盖缺口的技能。它位于 athola/claude-night-market 仓库的 gauntlet 插件中,通过 Skill(gauntlet:problem-bank) 调用。该技能会定位 plugins/gauntlet/data/problems/ 下的题库,读取 _manifest.yaml 获取每个类别期望的 NeetCode 题目数量,统计各 YAML 文件中实际题目数,并运行 scripts/curate_problems.py 生成覆盖报告。报告会列出实际数量低于期望的类别,并按缺口从大到小排序。技能还会根据指定 schema 提出新的 YAML 题目条目,但不会直接写入题库文件,所有提案仅出现在报告的“Proposed New Problems”部分,供人工审核。提案需通过 BankProblem.from_dict() 校验,必填字段为 id、title、difficulty、prompt。该技能不适用于标注代码库(应使用 gauntlet:curate)或重建知识库(应使用 gauntlet:extract)。
灵造轻量级小红书发布后复盘技能,依据笔记链接、后台截图、标题封面、脚本正文与发布时间节点,把数据对应到具体笔记并定位曝光、点击、阅读、互动等环节的流失,给出下一步修改或测试建议。
LegacyBridge OSS COBOL 是一个面向 COBOL 到 Java 迁移的 AI 辅助技能,基于 Atomic Agents 与 Instructor,按迁移切片规划、解析 COBOL 行为、增量生成 Java 并做等价性验证。
该技能用于为某个模块生成多个截然不同的接口设计方案。它基于《A Philosophy of Software Design》中的“Design It Twice”理念:第一个想法通常不是最好的,因此应先生成多个差异显著的设计再做比较。适用于需要设计 API、探索接口形态或对模块接口做取舍决策的场景。工作流包括:收集需求(模块解决什么问题、调用方是谁、关键操作、约束、对外暴露与隐藏的边界),通过并行子代理生成设计(用 Task 工具同时启动 3 个以上子代理,每个子代理被赋予不同约束,例如最小化方法数量、最大化灵活性、优化最常见用例、借鉴特定范式或库),每个设计输出接口签名、使用示例、内部隐藏内容和权衡取舍;随后依次展示各设计,方便用户吸收每种方案。展示完成后从接口简洁性、通用性与专用性、实现效率、深度(小接口隐藏大复杂度为佳,大接口薄实现为差)、易用与易误用等维度进行比较,讨论用散文而非表格,并突出设计分歧最大之处。最后进行综合,询问哪个设计最契合主要用例、是否有其他设计要素值得吸收。评价标准与反模式也一并给出:不要让子代理产出相似设计、不要跳过比较、不要实现、不要基于实现工作量评估。
面向疑难 Bug 与性能回退的严谨诊断流程技能。按“复现 → 最小化 → 假设 → 埋点 → 修复 → 回归测试”六阶段推进,帮助开发者系统化定位问题而非盲目看代码。
一个代码库架构改进技能:依据 CONTEXT.md 领域语言与 docs/adr/ 决策,发现架构摩擦并提出“加深模块”的重构机会,目标是提升可测试性与 AI 可导航性。
该技能用于为代码重构制定详细计划:通过访谈用户明确问题与解决方案,探索仓库验证现状,确定实现范围与测试覆盖情况,将实现拆解为尽可能小的提交步骤,最终以 GitHub issue 形式记录重构计划。issue 内容包含问题陈述、解决方案、提交计划、决策文档、测试决策和范围外说明等部分。
对 HEAD 与用户指定固定点(提交、分支、标签或 merge-base)之间的差异做双轴审查:Standards 检查代码是否符合仓库文档化的编码规范,Spec 检查代码是否忠实实现来源 issue/PRD/规格。两轴由并行子代理分别执行后汇总。
面向智能体编程任务的技能,用于在任务开始前、进行中和结束后发现并澄清你未说清的“未知项”,减少长任务反复返工。方法源自 Anthropic 博客的 Finding your unknowns 指南。
一个用于在编写和审查代码时查阅代码规范的技能,按主题提供参考文件,目前包含 Python 类型标注规则。
flow-build 是一个按 Flow 计划执行开发任务的技能:依据项目约定、测试要求和任务级外部评审逐项实现,并准备 QA 材料。适用于已有计划、需要按任务推进实现与验证的场景。