serving-the-api
serving-the-api 说明如何用 crawlberg serve 启动长期运行的 REST API 服务,通过 HTTP 暴露抓取、爬取与站点地图能力,接口兼容 Firecrawl v1,便于已有客户端或非智能体程序接入本地爬虫实例。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-20 00:12
41,968 个结果
serving-the-api 说明如何用 crawlberg serve 启动长期运行的 REST API 服务,通过 HTTP 暴露抓取、爬取与站点地图能力,接口兼容 Firecrawl v1,便于已有客户端或非智能体程序接入本地爬虫实例。
tree-sitter-language-pack 的 CLI 参考文档,介绍 ts-pack 命令行工具。该工具用于管理 Tree-sitter 语言包,支持打印缓存目录、清理缓存、生成 shell 补全、下载解析器库、查看语言信息、初始化配置文件、列出可用语言、启动 MCP 服务器、解析文件并输出语法树,以及运行代码智能流水线。
用于管理 tree-sitter 解析器缓存的技能:可为离线或 CI 预取解析器、列出已下载语言、查看某个语言信息、查找缓存目录并清理缓存。缓存管理通过 ts-pack CLI 完成,OpenCode 工具只暴露 parse/process/info。
tree-sitter-language-pack 的 MCP 参考文档工具,用于通过 Model Context Protocol 的工具、提示词或资源集成该语法解析包。提供缓存目录查询与清理、语言检测、解析器下载与信息查询、语言列表、源码语法树解析,以及代码智能处理(提取结构、导入、导出、符号等)。适用于在 MCP 环境中进行多语言源码解析与代码结构分析。
Alef 管理的多语言绑定生成工作流说明:packages/* 与 binding crate 中的文件由 Alef 生成,不应手动编辑,需通过 task alef:generate 等命令再生成并原子提交。
Xberg 工作区的代码结构说明,涵盖版本来源、crates/ 下的各 Rust crate、packages/ 下的跨语言绑定以及 tools/ 工具,用于了解该项目的仓库组成。
该技能为“深模块”设计提供一套共享词汇与原则,核心是:用小接口封装大量行为,把接口放在干净的接缝(seam)上,并让调用方与测试都通过同一接口验证。资料明确定义了模块、接口、实现、深度、接缝、适配器、杠杆、局部性等术语,强调统一用语,避免混用 component、service、API、boundary 等词。同时给出深度是接口属性而非实现属性、删除测试、接口即测试面、一个适配器是假想接缝两个才是真实接缝等原则,并提供面向可测试性的做法:依赖由外部传入而非内部构造、返回结果而非修改入参、保持小接口面。适用于设计或改进模块接口、判断接缝位置、审计既有模块,以及接口形态尚未确定时的构思阶段。资料未提供安装命令、具体操作步骤、平台支持、收费或效果数据,这些暂未提供。
domain-modeling 是一个用于在项目设计与开发过程中主动构建并打磨领域模型的技能。它围绕四项核心动作展开:对照词汇表挑战术语用法、把模糊或过载的语言收敛为精确的规范术语、将口头描述与代码实现交叉核对并暴露矛盾、以及在术语确定的那一刻立即写入文档。产物包括项目级词汇表 docx/glossary.md 与决策记录目录 docx/decisions/,后者以 ADR 形式保存难以逆转、缺少上下文会令人困惑且存在真实取舍的决策。该技能强调按需惰性创建文档、按限界上下文组织术语、谨慎提供 ADR,适用于领域模型正在变化而非仅仅查阅词汇的场景。
prototype 是一个用于快速构建一次性原型以回答设计问题的技能。它强调先判断问题类型:如果问题是“这套逻辑或状态模型是否合理”,就生成一个可分享的 HTML 文件,包含自由操作控件和引导式演示,让非开发者也能推动状态机走完关键分支;如果问题是“界面应该长什么样”,就在同一路由上提供多个差异明显的视觉方案,通过 URL 查询参数或浮动切换栏切换。该技能要求原型从第一天起就明确标记为一次性代码,放在被原型化代码附近并遵循项目既有的路由或模块约定;运行方式要极简,一条项目任务命令或双击单个 HTML 文件即可;默认不做持久化,状态保存在内存中;跳过测试、错误处理和抽象;每次操作后完整展示相关状态。原型完成后,将验证过的决策并入真实代码,把原型提交到以 main 为起点的临时分支且永不合并,并在 docx/prototypes/<question-slug>.md 中记录所问问题、结论和存放代码的分支;若结论涉及难以逆转的架构选择,则通过 domain-modeling 升级为 ADR。
Retro 是一个面向编码会话的复盘技能,用于在一次编码会话进展不顺或过于缓慢时,分析会话日志并给出改进下一次会话环境的具体建议。它的核心原则是“检查优于规则”:能被机器检测的错误应交给 lint、类型检查、测试、钩子或 CI 作业,写在 CLAUDE.md 里的文字规则只是最后手段。该技能会读取当前项目的会话日志(而非凭记忆回顾),识别重复读取文件、重复执行命令、失败的工具调用、首次编辑出现得较晚等浪费信号,并按严重程度排列环境改动建议;每条建议都包含证据(日志步骤)、具体改动的文件和编辑内容,以及改动类别(自动检查、审查规则、导航、精简指令、工具经济性、信息获取、技能)。应用任何改动前需征得用户同意,也可将复盘记录保存为文档。该技能改编自 mattpocock/skills 中的 retro(MIT 许可)。
这是一个关于 Node.js 开发原则与决策方法的中文技能说明:它按 2025 年的上下文讲解框架选择、运行时与模块系统、分层架构、错误处理、异步模式、输入校验、安全清单、测试策略与常见反模式,强调根据部署目标、冷启动要求、团队经验等因素做决策,而不是复制固定代码。该技能未提供具体的安装命令或运行方式。
Python 开发决策与模式指南,内容涵盖框架选择、异步与同步判断、类型提示策略、项目结构、后台任务、错误处理与测试原则。它强调按具体场景做取舍,而不是照搬固定代码,适用于正在设计或搭建 Python 项目的开发者。
该技能用于评估代码生成模型,基于 BigCode Evaluation Harness 在 HumanEval、MBPP、MultiPL-E 等 15 个以上基准上以 pass@k 指标进行测试。适用于对代码模型进行基准评测、多语言代码生成能力对比、功能正确性验证以及为 BigCode/HuggingFace 排行榜做基准测试。支持 HuggingFace 模型、量化模型和自定义私有模型,可通过 accelerate 启动,并支持 Docker 安全执行代码。
optimizing-attention-flash 是一个面向 Transformer 注意力优化的技能文档,介绍如何用 Flash Attention 加速注意力计算,宣称可获得 2-4 倍加速和 10-20 倍显存占用降低,适用于长序列训练与推理。文档给出两条路径:PyTorch 2.2+ 原生 F.scaled_dot_product_attention,以及功能更丰富的 flash-attn 库;并包含集成检查清单、性能基准测试、精度对比、H100 FP8(FlashAttention-3)使用流程、硬件要求与常见问题排查。需要注意的是,该文档假设用户具备 GPU 与 PyTorch 基础,部分加速效果受序列长度和硬件代际影响,实际收益需自行基准验证。
Outlines 是一个结构化文本生成库,用于在生成阶段约束大语言模型的输出结构。它通过有限状态机(FSM)在 token 采样层面过滤非法 token,从而保证生成结果符合指定的 JSON、XML、代码结构、正则表达式或固定选项,并支持 Pydantic 模型类型安全输出。该库支持 Transformers、llama.cpp、vLLM 等本地后端,也提供有限的 OpenAI 支持,官方强调零额外开销与推理加速。
PyTorch Lightning 是建立在 PyTorch 之上的高层训练框架,通过 LightningModule 组织模型、优化器与训练/验证/测试逻辑,再由 Trainer 统一处理设备切换、分布式训练(DDP/FSDP/DeepSpeed)、混合精度、梯度累积、断点保存、日志记录与进度显示,从而减少样板代码,并支持从单机单卡扩展到多卡多节点及 TPU、Apple MPS。
用于把实现任务委派给 Claude Code 的技能:当需要 Claude 直接在项目中写、改或重构代码时使用。Claude 具备完整读写权限,会读取文件、编写代码并验证结果。
通过 claude_code MCP 工具把代码审查任务委托给 Claude Code,用于获取架构、安全、正确性与测试覆盖等方面的结构化审查意见。适合在写完或修改代码后征求第二意见。
该技能用于在 Codex 中编排一个小型开发团队完成功能开发或缺陷修复:由独立上下文的规划、测试、编码与审计角色协作,先写测试后过闸,并限制纠正轮次。运行前需存在 .codex/dev-team.md 并完成 doctor 检查与七类代理发现,状态由辅助脚本记录和约束。
用于开发 Gemini API 应用的技能,覆盖 Gemini 与 Gemma 4 托管模型、多模态内容及当前 SDK 用法,强调使用最新模型与 SDK、避免已弃用版本,并规范文档查询方式。
自然语言编程的50条规则,用于编写、审查和改进 Claude Code 等 LLM 消费的 NL 工件(技能、智能体、命令、规则、钩子、提示词等),由 /nlpm:score 按扣分制执行、/nlpm:fix 自动修复。
介绍如何为 Claude Code 编写 hooks,涵盖事件选择、hook 类型、matcher 模式、阻断与提示的取舍、可移植路径、失败开关策略及常见错误,适用于创建质量与安全相关的自动化检查。
writing-rules 是一份关于如何编写 .claude/rules/ 规则的技能文档,用于创建、改进或审阅项目规则。内容涵盖规则的三段式写法、正向表述、可执行性检验、行数预算、路径作用域、冲突预防与质量清单,帮助让 Claude 真正遵循项目规则。
面向 Claude Code 插件产物的规范叠加层,用于评分或编写时校验 .claude/ 路径、plugin.json、命令/智能体/技能 frontmatter、CLAUDE.md、hook 事件等约定,作为通用规范 nlpm:conventions 的 Claude 专用补充。