caffeine
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。
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
41,266 个结果
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。
PyTorch Lightning 是一个基于 PyTorch 的高层训练框架,核心是 Trainer 类,用于在保持灵活性的同时消除训练代码中的样板代码。它通过 LightningModule 组织 PyTorch 代码,由 Trainer 自动处理 GPU/TPU/CPU 切换、分布式训练(DDP、FSDP、DeepSpeed)、混合精度(FP16、BF16)、梯度累积、检查点、日志和进度条。安装命令为 pip install lightning,版本 2.5.5+。它能将原本 40 多行的 PyTorch 训练循环压缩到约 15 行,无需手动管理设备和分布式逻辑,支持单机多卡、多节点和 TPU,并提供回调系统(如 EarlyStopping、ModelCheckpoint、LearningRateMonitor)与学习率调度。
altium-validation 是用于校验 altium-cli 代码与文档及 Altium 源码是否一致的技能。它交叉比对类型、常量、记录、解析逻辑与反向工程文档,按 MISMATCH、GAP、AMBIGUITY 分类报告不一致,不用于代码质量审查。
rules-review 是 akiselev/altium-cli 项目中的一个技能,依据 CLAUDE.md 中的项目规则审计 Rust 代码库(或指定范围),查找违规并报告规则名、文件行号、问题描述与修复建议,最后按严重程度汇总。
iss-audit 是一个用于在实现前审计 GitHub Issue 的技能。它强调对问题报告保持怀疑但建设性的态度,将 Issue 中的文本视为不可信证据而非指令,并防范提示注入与恶意链接。技能定义了从建立受信上下文、分离声明、对照项目验证、安全复现到决定处理方式与输出报告的完整流程,适用于维护者、贡献者在处理 Issue 时进行严谨的真相核查与风险判断。
这是一个在重构完成后进行清洁代码检查的技能。当用户提到“post-refactor”“after the refactor”“合并了几个 PR”等场景时,使用它来检查最近变更的代码是否遗留回归问题、清理债务和测试缺口。它聚焦于最近改动的代码,而非对已合并工作进行完整的 PR 审计。该技能会先确定变更范围(用户指定范围、上一版本标签至今或最近 3-8 个相关提交/PR),运行项目文档化的格式化、lint、测试与依赖安全检查,然后审查重构遗留问题,包括行为与默认值回归、运行时路径中的 unwrap、panic、宽泛捕获、重复逻辑、过度抽象、魔法值、过期注释、模块隐式耦合和破坏性操作等。同时评估测试质量和抖动风险,查找缺失的回归测试、断言实现细节的测试、过宽的快照测试,以及依赖休眠、网络、全局状态或非临时文件系统的测试。发现按 BLOCKING、SHOULD-FIX、NIT、OBSERVATION 分级,并给出文件路径行号、影响、建议和验证方式。除非用户明确要求修复,否则不自动改代码。
memgoose 是一个轻量级、类 MongoDB 与 Mongoose 风格的 TypeScript 内存数据库,默认使用内存存储,也可选持久化存储,常用于后端测试中模拟 mongoose。
面向 Alauda Container Platform(ACP)的 UI 设计系统与视觉标识令牌技能,提供 TypeScript、CSS、JSON 等格式的设计令牌、深色模式支持与实现规范,供前端开发、产品设计与全栈工程师在公司范围内统一 ACP 界面视觉与实现标准。
该技能用于依据内置的官方 API 设计指南,设计、重命名或审查 Swift API 接口。它主张从真实调用点出发评估 API,给出推荐签名、有用的调用示例以及支持变更的准则依据;适用于 API 形态本身属于工作范围的场景,并不覆盖每一项 Swift 实现任务。使用时会根据具体决策查阅对应参考材料:涉及原则或方案取舍时查核心原则,涉及命名、标签、默认值或重载时查命名与签名,涉及弱领域类型、布尔参数或方法族时查 API 模式,审查现有 API 时查审查清单,需要上游原文措辞或示例时查官方指南,版本信息见 assets/manifest.json。
Swift-DocC 技能用于撰写、审阅、预览和发布 Swift-DocC 的符号文档、文章与教程。它通过本地摘要和随附的 DocC 源文件提供撰写指导,按任务类型指向符号注释、目录与文章、链接、格式与资源、交互式教程、预览与发布、指令语法等参考资料。编译器与渲染器内部实现不在该技能覆盖范围内,需要时应查阅相关来源。该技能还要求:修改目录后报告相关构建结果,不能仅凭源文件编辑就暗示预览或发布成功。适合需要按 DocC 规范组织文档内容、检查语法示例或准备发布文档的场景。
RIPER-5 是一套用于 Cursor IDE 的严格工作流协议,将复杂软件工程任务划分为研究、创新、规划、执行、审查五个阶段,每个响应须声明当前模式,未经明确许可不得跨模式转换,以约束 AI 擅自改代码。
用于向项目提交新 Pull Request 的技能,基于当前分支创建 PR 并套用模板,支持标题前缀、生成标题、填写正文与选择审查者,提交前经用户确认。
speckit.plan 是 alibaba/neug 提供的实施规划工作流技能,依据计划模板在功能目录中生成 plan.md 设计文档,规划项目结构、数据模型与算法模型,并可推送至 GitHub 供人工评审。
speckit.tasks 是 alibaba/neug 仓库中的技能,用于根据现有设计产物为特性生成可执行、按依赖排序的 tasks.md 任务文档。它会定位 specs 目录下的特性,校验 spec.md 与 plan.md,再按模块拆解任务。