repomap-auto-on
repomap-auto-on 是一个用于启用仓库地图自动更新的开关。启用后,每次编辑文件时,REPOMAP.md 会被增量更新。它通过创建 .repomap-auto 标记文件来开启自动更新。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-17 00:07
41,460 个结果
repomap-auto-on 是一个用于启用仓库地图自动更新的开关。启用后,每次编辑文件时,REPOMAP.md 会被增量更新。它通过创建 .repomap-auto 标记文件来开启自动更新。
pr-review-html 是一个智能体技能:从 GitHub 拉取 PR,并行运行多类审查代理(代码复用、代码质量、效率、规格符合度),在本地修复问题,并生成自包含的 HTML 审查报告(pr-review.html),供合并前在浏览器中阅读。
Architect 是一个「先设计后实现」的工作流技能,用于在写代码前先勾勒类型、函数签名、类结构和模块边界,函数体以 not implemented 或伪代码占位,随后再按草图填充实现。它会综合多个模型视角产出设计方案,并在实现阶段持续对照草图;一旦实现反复证明草图不成立,就丢弃草图重新设计。使用场景包括显式调用 /architect、用户说 “architect this” 或要求“设计”时。其流程分为五个阶段:A 打底(用 how 技能为相关子系统建立真实心智模型,必要时用 why 技能解释既有形态)、B 草图(用 arena 技能以 design-sketch 任务生成至少两个结构上截然不同的候选设计并进行综合)、C 确认(可选,默认直接进入实现,除非调用方明确要求检查点)、D 按草图实现(偏差应被显式提出而非默默吸收)、E 架构错误时废弃重做。技能依赖 provider-dispatch.md 的集中式提供方路由、codex-tools.md 以及 runner-prompt.md、rationale-template.md、design-red-flags.md 等参考文件。
no-comments 是一个用于清理代码注释的 AI 技能:它会启动 comment-sicko 子代理审查当前文件或 diff,筛选并修复被接受的注释问题,删除死代码路径、冗余参数等,并对无法移除的约束注释提供编码替代方案。
Thermo-Nuclear Code Quality Review 是一个用于代码质量审查的技能,对当前分支的改动执行极为严格的实现质量与可维护性审计。它关注的不是局部命名或格式化细节,而是抽象质量、模块化、文件体积和条件分支蔓延等结构性问题,并主动寻找“代码柔道”式重构,即在不改变行为的前提下大幅简化实现。审查重点包括:文件是否因本次改动越过 1000 行阈值、是否在无关流程中新增临时条件分支、是否存在特性逻辑泄漏到共享路径、是否有薄弱抽象或恒等包装器、类型边界是否混乱(不必要的 cast、optional、any),以及是否存在重复逻辑、错误的层级归属、串行编排或非原子更新等设计异味。该技能给出来源中明确的结构性否决门槛,并强调直接、严格但不对人无礼的评审语气。它适用于分支级或 PR 级代码审查,尤其是希望推动架构级简化而非接受“能跑就行”的场景。资料暂未提供具体收费方式、安装命令、支持平台与运行方式等信息。
TypeScript 最佳实践是一份针对 .ts 与 .tsx 文件的编码规范技能,用于在阅读或编辑 TypeScript 代码时应用类型系统纪律。它主张用判别联合建模互斥变体、用品牌类型区分同源原始类型、用构造式建模让非法值无法被构造,从而在编译期而非运行时排除错误状态。同时强调对外部数据使用 unknown 而非 any、优先使用运行时 schema 库并从中推断类型、避免 as 断言、按判别 switch 到类型守卫的层级收窄类型、用 never 检查穷尽性、用 satisfies 替代 as、在边界处解析并信任内部类型,以及通过对象参数、真实测试与结构化日志提升可维护性。该技能要求先应用 type-system-discipline 原则技能,具体示例见 references/patterns.md。
uncodex 是一个面向编程智能体的前端设计技能,用于强制生成高变化、低卡片、非通用化的前端界面,避免出现千篇一律的 AI 风格 UI。
用于按 docs/plans 中的计划执行指定实施阶段的技能:定位 Phase N、逐项实现变更、按触及面运行校验命令,并仅勾选该阶段已有的验证复选框。输入缺失或不明确时需先询问用户。
skf-create-stack-skill 是 armelhbobdad/oh-my-skills 中的整合型项目技术栈技能,用于生成记录各库如何互相连接的 stack 技能文档。支持 code 模式(分析依赖清单与源码共同导入模式)和 compose 模式(从已有单个技能与架构文档合成),所有结论需可追溯至源码。
用于核查 AI 生成的 PR 评审意见是否准确:将每条评论与实际代码改动逐一比对,判定哪些真实有效、哪些属低优先级噪音、哪些是幻觉,并输出按优先级排序的汇总表。需已安装并认证 gh CLI。
Ascend C Matmul 单算子生成的 Blaze/tensor_api 路径技能,覆盖纯AIC、StreamK、FixpOpti 三模板选型、改造、Tiling 与排错。适用于 GEMM/BMM 等 Matmul 族算子,不适用于 Vector 逐元素或归约算子。
面向 Ascend NPU 的 Triton 算子性能优化技能,按固定顺序逐项检查 12 类优化点,每次只应用一个优化点,保证优化前后功能与精度一致,并输出优化后代码文件。
面向 Triton Ascend 算子的算法草图(sketch)设计技能:依据算子任务描述生成 UnifiedSketch DSL 草图,用于指导后续代码生成,支持首次设计与基于历史反馈的迭代优化。
用于验证 Triton 算子内核代码正确性并采集性能数据的 Skill:先做 AST 静态退化预检查,再用 verify.py 验证精度,通过后用 benchmark.py 测性能。
从用户 PyTorch/Python 代码中提取算子实现,构建为算子任务格式的标准化任务文件。支持单 case(单一自包含 .py)与多 case(.py + 同名 .json)两种模式,并规定验证与用户确认流程。
该技能专注于将 PyTorch 代码从 GPU/CPU 迁移至昇腾 NPU,提供迁移方式选择、设备映射与接口替换规则、接口支持度查询、等价替换论证模板、调试与精度对比方法,以及 NPU 亲和性调优(融合转置、亲和优化器、梯度裁剪、多流并行)等实操步骤。适合在代码适配、接口替换与调试阶段调用。
该技能提供 torch_npu API 兼容性参考与接口映射知识,用于查询昇腾 NPU 接口支持情况、查找等效替换方案,辅助将 PyTorch 代码从 CUDA 迁移至昇腾 NPU 后端。
该技能用于对 Ascend profiler 输出的 kernel_details.csv 进行算力瓶颈 Roofline 核对:筛选 aic_mac_ratio≥80% 的算子,按 NPU 峰值算力与内存带宽计算理论耗时,并与实际耗时对比,得出效率比,进而判断是否需要优化并给出初步排查方向。它需要用户提供 CSV 路径或 profil
用于为 AscendC 自定义算子编写 README 式技术文档的技能:读取本地源码与既有模板,由模型综合生成对应文档,写作前先定位 op_host、tiling、op_kernel 等实现文件,并区分代码事实、推断与未知项。
系统化、安全的代码重构技能,可识别代码坏味道、匹配重构手法,并按计划、执行、验证流程改善代码内部结构而不改变外部行为,适用于代码质量提升、技术债清理与可维护性改进。
用于昇腾 NPU 场景的统一错误分析技能,可解析用户提供的报错信息、日志与环境信息,定位根因并生成面向客户的回复。仅需 Python 3.7+,零外部依赖,支持 Linux、macOS、Windows,可独立运行。
通过 GitCode REST API 查询仓库、分支、议题、PR、提交、标签、用户、组织、搜索、Webhook、成员与发布等数据的技能,需配置访问令牌。
根据 GitCode 仓库提交生成发布说明(Release Notes)的技能:按 tag 区间或起始日期拉取提交,归类为新特性、修复、文档、其他更改,输出 Markdown 供 Release 页面使用。
模型资源收集技能:联网搜索最新免费或优惠的AI模型资源(云厂商优惠、免费API、Coding计划等),逐条核对信源并生成配置指南文档,适用于询问便宜模型推荐、免费模型、模型优惠等场景。