jwt-auth
用于在 FastAPI 或 Python 项目中实现 JWT 认证的技能,涵盖令牌生成、验证中间件与当前用户提取,支持基于角色的访问控制,并提供安全配置与检查清单。
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
41,261 个结果
用于在 FastAPI 或 Python 项目中实现 JWT 认证的技能,涵盖令牌生成、验证中间件与当前用户提取,支持基于角色的访问控制,并提供安全配置与检查清单。
Laravel Specialist 是一个面向 Laravel 10+ 与 PHP 8.2+ 开发的高级技能(Skill),聚焦 Eloquent ORM、现代 PHP 类型特性与工程化实践。它定义了一套完整的工作流程:从需求分析中识别模型、关系、API 与队列需求,设计数据库结构与服务层,到用 Eloquent 模型、控制器、API 资源和队列任务实现功能,最后编写特性测试与单元测试并验证。该技能附带按主题拆分的参考文档,涵盖 Eloquent、路由与 API、队列系统、Livewire 以及测试,在相应场景下按需加载。它同时明确了必须遵循与禁止的做法,例如必须使用 PHP 8.2+ 的 readonly、枚举和类型化属性,为方法参数与返回值添加类型提示,用预加载避免 N+1,用 API 资源转换数据,编写覆盖率超过 85% 的测试;禁止无保护的原始查询、跳过预加载、明文存储敏感数据、在控制器中混入业务逻辑、硬编码配置、跳过输入验证或忽略队列失败。该技能还提供了 Eloquent 模型、迁移、API 资源、队列任务和 Pest 特性测试的代码模板,以及迁移后、路由后、任务派发后、实现完成后和提交 PR 前的验证检查点命令。
面向 Makepad 开发的自我进化技能系统,支持知识累积、错误自动修正、版本适配与个性化,帮助 makepad-skills 在开发过程中持续改进。
Pollinations.ai 图像生成技能:通过简单 URL 参数调用免费开源 AI 图像生成接口,无需注册或 API Key,支持自定义尺寸、模型、种子等参数,适合快速原型、营销素材与自动化批量出图。
PR Template Generator 是一个用于生成完整拉取请求(Pull Request)描述的技能,帮助评审者快速理解代码变更并改善团队协作。
该技能用于创建独立的 Python 脚本,借助 uv 与 PEP 723 内联脚本元数据实现自动依赖管理。适合编写一次性自动化任务、快速数据处理、CLI 工具以及需要依赖的独立实用脚本。脚本首次运行时依赖会自动安装,并支持参数解析、输入输出处理与可复现构建。
这是一个系统化重构技能,强调小步纪律:每次只做一项重构,随后运行测试并提交,绝不批量修改。适用于用户要求重构、清理、重组、提取、重命名或简化代码,或识别出代码坏味道时。
用于为代码仓库生成与维护文档的技能,可产出 README、API 文档、贡献指南与架构文档。其特点是每份文档自包含,同时明确记录该仓库与其他仓库、服务及外部依赖的集成点。
面向 AI 智能体的 MikroTik RouterOS v7 领域知识技能,用于编写 RouterOS CLI/脚本命令、调用 REST API 及排查常见误区。
面向软件架构设计的中文技能,提供架构图生成、项目架构分析与依赖分析脚本,覆盖 React、Next.js、Node.js、Express、React Native、Swift、Kotlin 等技术栈,强调可扩展与可维护系统。
Share Skill 是一个用于把本地 Claude 技能迁移到代码仓库并初始化的技能管理工具,可通过软链接保留原路径使用,并支持 Git 版本管理、远程仓库配置与文档站点生成。
simplify 是一个代码简化技能,用于在写完代码后对最近修改的代码进行精简与优化,提升可读性和一致性,同时保持功能完全不变。
面向 JavaScript 与 TypeScript 开发的技能指南,涵盖现代工具链与编程模式,涉及 tsconfig、ESLint、Prettier、测试及 React、Node.js 常见写法与反模式。
Caffeine 是一个通过 MCP 执行严格编排的编码智能体技能,规定其分类意图、命令契约、计划产物位置、执行循环与门禁纪律,并约束面向用户的输出方式。
作者元数据将 init-deep 用于通过深入分析生成分层组织的 AGENTS.md 知识库。
Librarian 是一个用于多仓库代码库探索的技能,帮助理解第三方库内部实现、架构与执行流程,并支持对两个库或框架的特定能力进行实现对比。
overdo-plan 是一个把 Markdown 实施计划转换为 Overdo 任务图的技能:先解析里程碑与编号任务,构建带阻塞关系和校验门的任务图,验证通过后再通过 Overdo MCP 写入任务,并返回执行交接命令。
prepare-branch-context 是一个只读的分支/PR/提交上下文打包技能,用于在把工作交接给下一个智能体前,快速生成包含范围、意图、变更文件、热点、风险与后续动作的交接包,避免重复做基础排查。
Shaping 是一套协作式方案设计方法论,用于与用户共同定义问题(需求 R)并探索解决方案选项(形状 S),通过适配检查、面包板、切片等步骤把模糊想法逐步收敛为可实施的方案。
扫描开发工作区,仅删除不活跃项目中可再生的依赖与构建缓存(如 node_modules、.next、.venv、.turbo 等),删除前需用户选择并确认一次,用于安全回收磁盘空间。
使用 glab CLI 对 GitLab Merge Request 进行端到端代码审查的技能,可获取 MR 元数据、检出分支、查看差异,并输出结构化审查报告。
面向 Physical Intelligence OpenPI 模型(pi0、pi0-fast、pi0.5)的微调与推理服务技能,覆盖 JAX/PyTorch 训练、检查点转换与 WebSocket 策略服务,适用于 ALOHA、DROID、LIBERO 等机器人操作任务。
Modal 无服务器 GPU 云平台使用指南,介绍如何在无需管理基础设施的情况下运行机器学习负载、将模型部署为自动扩缩容 API、执行批处理与定时任务,并说明 GPU 规格、容器镜像、持久化存储、Web 端点、密钥管理与性能优化等能力。
该技能用于指导编码智能体在 PyTorch 训练脚本中正确接入 FSDP2(fully_shard),涵盖分布式初始化、参数分片、混合精度与 CPU offload 配置,以及分布式检查点保存与加载。适用于模型(参数、梯度、优化器状态)无法放入单张 GPU,或希望采用基于 DTensor 的逐参数分片、更易检查的分片状态字典的场景。技能强调若干必须遵守的约定:使用 torchrun 启动并按 LOCAL_RANK 设置 CUDA 设备;自底向上应用 fully_shard(先子模块后根模块);调用 model(input) 而非 model.forward(input) 以触发钩子;在分片之后创建优化器;使用分布式检查点(DCP)或分布式状态字典辅助函数而非朴素 torch.save。同时给出与 DDP、FSDP1 的取舍建议,以及常见问题(如钩子未运行、优化器拿到非 DTensor 参数、仅根模块被分片、前向后显存尖峰、梯度累积失步)的排查与修复方向。