code-execution
code-execution 是一个用于执行编码子任务的技能,适用于子任务已就绪且带有验收标准与交付物的 subtask JSON 文件。它在隔离的 coder-agent 上下文中运行,先加载项目标准与参考代码,再实现交付物并强制自审,最后标记完成并返回报告。
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
41,474 个结果
code-execution 是一个用于执行编码子任务的技能,适用于子任务已就绪且带有验收标准与交付物的 subtask JSON 文件。它在隔离的 coder-agent 上下文中运行,先加载项目标准与参考代码,再实现交付物并强制自审,最后标记完成并返回报告。
context-discovery 是一个在编码前发现项目规范、安全模式与约定的技能:它通过 context-scout 解析上下文根目录,并按请求查找和排序相关文件。
Context Manager 是一个项目上下文管理技能,提供发现、获取、采集、提取、压缩、整理、清理与引导式工作流等 8 项操作,帮助发现、组织并维护项目上下文。
context-setup 是 opencode-agents 中的一个技能,用于从注册表安装项目级或全局的上下文文件。安装后,每个 AI 智能体(编码、审查、测试)都会自动加载团队标准,避免重复说明命名规范、架构模式与安全质量要求。
通过 Context7 API 检索软件库、框架与组件的最新文档,避免依赖可能过时的训练数据。使用 curl 查询,无需 API 密钥(受速率限制),适合查找 React、Next.js、FastAPI 等库的文档。
oac-approach 是一个编码前的规划技能:先理解需求、发现项目上下文,再给出简洁方案并等待用户批准,之后才开始写代码。
通过 AnkiConnect API 在 localhost:8765 上以 curl 命令创建、搜索、更新和管理 Anki 卡片的技能,适合需要程序化操作 Anki 牌组与记忆卡的用户,无需 SDK 或第三方库。
git-chain 是管理并重排依赖型 Git 分支链(堆叠分支)的工具。当多个分支互相依赖时,它能追踪分支关系,用一条命令自动按顺序完成重排,避免手动逐个 rebase。需先确认本机已安装 git-chain。
Ruff 是 Astral 用 Rust 编写的极快 Python 工具,一个二进制同时提供 linter(ruff check,约 970 条规则,可替代 Flake8、isort、pyupgrade、bandit 等)和 formatter(ruff format,可替代 Black)。两者共用配置发现、行宽与目标版本,但职责独立,不是类型检查器。
ty 是 Astral 用 Rust 编写的 Python 类型检查器与语言服务器,速度比 mypy 和 pyright 快 10–100 倍,目前处于 0.0.x beta。一个二进制同时提供 ty check 命令行检查与 ty server(LSP)两种能力。
uv 是 Astral 推出的单个快速 Rust 二进制工具,用于替代 pip、pip-tools、pipx、pyenv、poetry/pdm 和 virtualenv,统一 Python 包与项目管理。它围绕项目工作:pyproject.toml、跨平台 uv.lock 和自动管理的 .venv。
Databricks 解决方案中 asyncio 参考文档,面向调试事件循环挂起、任务调度问题、call_soon 与 call_soon_threadsafe 混淆、Future 回调时序以及 _enter_task/_leave_task 冲突等场景,基于 CPython 3.11 并说明 3.12+、3.13+ 差异。
这是一份面向代码层面工程实践的 Markdown 规范集合,涵盖 SOLID、DRY、整洁代码、横切关注点与 NFR(非功能性需求)等基础主题。资料说明该技能只有 Markdown、不含脚本,属于被“查阅”而非“调用”的文档;工作流技能(consort 等)会引用它,由智能体与人工阅读。它要求在提升或合并前填写架构关注点映射表(认证、授权、能力解析、审计日志、限流、模式校验、策略配置、领域逻辑、存储等),并给出命名承载设计、层次向内依赖、每个横切关注点单一归属、避免逻辑重复、完成前检查 NFR 基线、公共边界测试与私有重构等硬性规则,另含导入期不得耦合可选构建产物,以及测试被需求演进取代而非回归的判定要求。
面向代码级工程设计的基础规范技能,涵盖 SOLID、DRY、整洁代码、分层架构、横切关注点与非功能需求,仅由 Markdown 文档构成,供查阅而非调用。
apx 是用于构建 React + FastAPI 全栈 Databricks Apps 的工具包,提供 CLI 与 MCP 工具,支持项目初始化、开发服务器管理、路由与 OpenAPI 客户端生成、shadcn/ui 组件安装、类型检查、日志查看和部署调试。
基于 APX 框架(FastAPI + React)构建 Databricks 全栈应用的技能。当用户请求 Databricks 应用且未指定框架、或明确提到 APX 时触发;若指定 Streamlit、Dash、Node.js、Shiny、Gradio、Flask 等则不使用。
用于构建基于 Python 的 Databricks 应用的开发技能,支持 Dash、Streamlit、Gradio、Flask、FastAPI、Reflex 等框架,涵盖 OAuth 授权、应用资源连接、部署与 Lakebase 数据层等环节。
一份用于指导在 Python 与 TypeScript/JavaScript 项目中接入 MLflow Tracing 的技能指南,帮助确定应追踪哪些操作、如何验证追踪是否生效,以及如何收集反馈与进行生产部署。
该技能用于从 MLflow 官方文档站点检索文档。当用户询问 MLflow 功能、API、集成(如 LangGraph 等)时使用。工作流程为:先抓取 https://mlflow.org/docs/latest/llms.txt 索引以定位相关页面路径,再抓取对应路径的 .md 文件,并以逐字代码示例的形式呈现结果。
面向 Apache Spark 4.0+ 的自定义 Python 数据源开发技能,用于为缺少原生支持的外部系统(数据库、API、消息队列等)编写批式与流式读写连接器。
面向 Databricks Unity Catalog 的模式级异常检测能力(公共预览版),基于 Data Quality API 自动监控表的新鲜度与完整性,用历史模式训练 ML 模型,无需自定义指标,可经 UI 或 SDK 在模式上启用。
介绍在 Databricks 笔记本之间通过纯 Python 文件与标准 import 共享代码的模式,并说明 Asset Bundle 部署时用 sys.path 设置块让 src 等模块可导入,避免 ModuleNotFoundError。
Genie Optimization Applier 是 Databricks 解决方案中的技能,用于把元数据变更提案应用到 Genie Space,通过 API/SQL 与仓库文件双持久化,并按六个控制杠杆优先级执行,支持循环中与循环后两种调用模式及三阶段部署。
面向 Databricks Genie Space 导出/导入 REST API 的实践指南,涵盖 GenieSpaceExport JSON 结构、序列化格式、ID 生成、数组排序与模板变量替换,用于通过 CI/CD 或脚本程序化部署、备份和迁移 Genie Space。