eventmodeling-plotting-events
Event Modeling（事件建模）流程中的第二步技能，用于将头脑风暴阶段产出的所有事件按时间顺序编排成逻辑连贯的叙事时间线，展示事件之间的流动与依赖关系。该技能接收一份已头脑风暴出的事件清单，输出按阶段组织的事件序列、依赖与因果关系说明、可选替代路径（如取消、失败分支）以及时间线图。适用于领域驱动设计、事件溯源系统建模，帮助团队梳理业务流程中的关键路径、决策点、终态事件与补偿流程。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-10 00:15
编程与开发
40,401 个结果
eventmodeling-validating-event-models
这是事件建模（Event Modeling）流程的第 9 步技能，用于校验事件溯源模型是否完整、一致并符合事件溯源原则。它把“每个命令必须拥有自己的最小状态投影（而非 DDD 聚合）”作为首要校验关卡，检查事件流完整性、事件不可变性、确定性投影、命令与事件映射、角色与行为者归属、命令状态读模型、状态转换、投影设计等，并输出问题与建议报告、完整性分析、合规性评分和下一步建议。
feature-video
feature-video 是一个用于为 Pull Request 录制功能演示视频的技能。它通过浏览器自动化工具捕获功能交互截图，用 ffmpeg 将截图拼接成 MP4 视频，再原生上传到 GitHub 并以内联视频播放器形式嵌入 PR 描述中。适用于需要为审查者提供可视化演示的 PR，或用户要求演示某项功能时。使用前需具备本地开发服务器、agent-browser CLI、ffmpeg 和已认证的 gh CLI，并需一次性完成 GitHub 浏览器登录授权。
kieran-python-reviewer
由 udecode/plate 提供的条件式代码审查人格，当代码差异涉及 Python 时启用。以严格要求审查 Python 变更，关注 Pythonic 清晰度、类型提示与可维护性，输出 JSON 格式的审查发现。
systematic-debugging
一套系统化调试流程技能，要求在任何缺陷、测试失败或异常行为出现时，先定位根本原因再提出修复方案，包含四个阶段与红旗自查清单。
verification-before-completion
这是一个面向 AI 编码智能体的行为约束技能，核心原则是“先证据，后声明”。它要求在任何声称工作已完成、已修复或已通过之前，必须先运行完整的验证命令并确认输出结果。技能定义了“铁律”：没有新鲜的验证证据，不得做出任何完成声明。它提供了门控流程（识别验证命令、运行完整命令、读取输出与退出码、核对声明、最后才声明），列举了常见失败场景（如测试通过、Linter 干净、构建成功、Bug 修复、回归测试、智能体完成、需求满足）及其所需的证据，并给出红旗信号与借口防范清单。适用于提交代码、创建 PR、任务完成、委派智能体等场景。
sparc-refinement
SPARC Refinement（精炼阶段）是一个面向 SPARC 方法论的代码精炼专项技能/智能体，聚焦通过测试驱动开发（TDD）、代码优化、重构、性能调优与质量提升实现迭代式改进。它围绕红-绿-重构循环展开：先编写失败的测试定义预期行为，再编写最小实现使测试通过，最后在保持测试通过的前提下重构代码。该技能提供配置模板（覆盖率阈值、复杂度上限、基准与性能剖析开关等），并附有认证服务 TDD 实现、性能优化（缓存与合并查询）、错误处理层级、断路器模式、复杂度降低等示例。使用前需完成架构阶段、配置好测试框架（如 Jest、pytest）并理解 TDD 循环与代码质量指标。成功标准包括代码覆盖率不低于 80%、圈复杂度低于 10、全部测试通过、无性能回退、覆盖所有失败路径的错误处理。具体价格、收费模式与平台支持范围暂未提供。
sparc-workflow
SPARC Workflow 是一个系统化的软件开发流程技能，通过五个阶段——规范（Specification）、伪代码（Pseudocode）、架构（Architecture）、精炼（Refinement，即测试驱动开发 TDD）、完成（Completion）——将功能开发、TDD、重构、API 与 UI 开发等任务结构化。它要求先明确需求与验收标准，再设计算法与系统架构，随后以测试先行的方式实现代码，最后完成文档、代码质量与部署检查。适用于从零开发新功能、需要在编码前进行结构化分析的复杂问题、构建带完整测试的高质量代码、系统性重构既有代码等场景。使用前需了解 TDD、项目具备 .agent-os/ 目录结构，并可使用 pytest、jest 等测试框架。
uv-package-manager
UV 是一个用于 Python 包管理、虚拟环境创建和现代 Python 项目工作流的工具，据资料称其依赖安装速度比 pip 快 10-100 倍。该技能涵盖 UV 的核心用法：项目初始化（uv init）、虚拟环境管理（uv venv）、依赖增删与同步（uv add/remove/sync）、锁文件管理（uv.lock、uv lock）、脚本与工具运行（uv run）、Python 版本管理（uv python list/install/pin），以及 pip 兼容模式（uv pip install 等）。资料还提供了从 pip 迁移、CI/CD 流水线集成、多环境管理等完整示例脚本，并给出提交锁文件、版本固定、依赖分组等最佳实践。适用于需要快速依赖安装、可复现依赖树、跨机器一致环境的 Python 项目；资料建议在需要 pip 兼容的遗留系统、基于 Conda 的科学计算环境或预装 pip 工作流的 Docker 镜像中避免使用。
oclif-patterns
oclif-patterns 是一套面向企业级命令行工具（CLI）开发的模式与模板集合，基于 oclif 框架和 TypeScript。它提供命令结构、插件系统、自动文档生成和测试模式等核心能力，适用于构建生产级 CLI。资料中给出了命令创建、标志与参数定义、插件开发、测试配置、文档生成等模板与脚本，并列出 Node.js 18+、TypeScript 5+、@oclif/core ^3.0.0 等要求。
ai-coding-agents-observability-evals
用于设计或审查编码智能体运行时的可观测性与评测反馈闭环，覆盖追踪、可回放转录、评测包、回归门禁、工具调用评分、延迟与成本核算以及生产故障分诊。
gamedev-roblox
该技能用于将 Roblox 体验从空的 Studio 场景推进到可发布、可留存的世界。它覆盖稳定的构建主线（灰盒 → 首个可玩版本 → 细节打磨 → 发布），并把易变的平台层（费率、费用、限制、发现排名、发布规则、被重命名的 API）隔离在查找步骤之后，提醒在依赖这些内容前先到 create.roblox.com 和 DevForum 公告中核实当前状态。内容涵盖工具链搭建、Luau 与架构、世界构建、性能与陷阱、发现/经济/政策，以及 AI 辅助创作，并给出工作流各阶段的验证检查、可复用模式、反模式与已知陷阱。
software-android-runtime-debugging
用于原生 Android 应用运行时真相排查的技能：构建/安装/启动验证，陈旧构建、模拟器漂移、ADB 与 Gradle 故障、R8/ProGuard 剥离、Compose 重组问题，以及 ANR、卡顿、内存与启动性能分类诊断。
software-desktop
该技能用于构建与审查桌面应用，覆盖跨平台与原生桌面开发。主要帮助开发者在选型阶段确定技术栈（如 Electron、Tauri、Wails、Avalonia、Flutter Desktop、.NET MAUI、Compose Multiplatform、SwiftUI、WPF、WinUI 3、GTK、Qt 等），并指导代码签名、公证、安装包制作与自动更新等发布流程，同时审查 Electron/Tauri 的安全配置。技能强调先判断是否真的需要桌面应用（可能用 PWA 即可），再进入框架决策树；对 Electron 给出强制安全默认值（contextIsolation、nodeIntegration、webSecurity、sandbox 等），对 Tauri 说明其能力范围权限、IPC 与插件体系。还涵盖桌面特有功能（文件系统、托盘、原生菜单、协议处理、拖放）、分发与更新、常见陷阱与反模式，并提供签名检查脚本与迁移参考文档。
velt-self-hosting-data-best-practices
Velt 自托管数据最佳实践是一套面向 React、Next.js 及 Web 应用的实现指南，用于将敏感的用户生成内容存储在自己的基础设施上。该技能包含 24 条规则，按影响程度分为 8 个类别，覆盖核心配置、评论数据提供器、附件数据提供器、其他提供器、后端实现、数据类型、Python SDK 以及调试。适用于配置 VeltProvider 的 dataProviders 属性、在基于端点（config）与基于函数（custom）的数据提供器之间做选择、构建后端 API 路由、实现 MongoDB/PostgreSQL 存储、通过 multipart/form-data 上传附件到 S3、调试数据提供器事件，以及从 Velt 托管存储迁移到自托管存储等场景。
vibe-coder-sdlc
Vibe Coder SDLC 是一套面向开发者的灵活 SDLC 工作流技能，旨在让开发者在不被繁琐流程打断的前提下，获得专业级的软件开发生命周期实践。它通过编排 4 个专用智能体（Orchestrator、Git Workflow、Code Review、Project Manager）来自动处理功能分支管理、Pull Request 创建、代码审查、GitHub Issue 跟踪以及文档维护。该技能具备技术栈感知能力，可自动检测 package.json、requirements.txt、go.mod 等文件，并针对 Python、TypeScript/JavaScript、Go、Rust、Java、Ruby、PHP 等语言应用相应的最佳实践检查。使用前需在项目的 .claude/agents/ 目录中配置 4 个智能体文件，并安装 GitHub CLI（gh）完成认证。适合独立开发者或希望获得团队级质量实践的个人，在添加新功能、修复缺陷、多语言微服务项目等场景中使用。
fiftyone-issue-triage
FiftyOne Issue Triage 是一个用于对 FiftyOne GitHub 仓库中的 issue 进行分诊的技能。它按照“已修复、不予修复、无法复现、不再相关、仍然有效”五类对 issue 进行归类，适用于审查 GitHub issue、分诊 bug 等场景。该技能提供了一套从获取 issue、分析、评估责任与价值、检查文档到分类并回复的工作流程，并给出每类问题的关键判断指标与对应处理动作，同时强调回复语气应友好、先致谢再解释。
pr-summary
pr-summary 是一个用于为当前分支变更生成 Pull Request 摘要的技能，适用于需要创建 PR 描述、总结分支改动或准备 PR 的场景。它通过分析 git 日志与差异，输出包含变更说明、文件列表、破坏性变更和测试说明的 PR 正文。
code-review
code-review 是一个用于对代码变更提供可执行反馈的技能，重点关注缺陷、安全问题和结构性问题。它通过 3 到 5 个并行子代理进行审查，并将结果按严重程度汇总。默认审查未提交的变更（git diff 与 git diff --staged），若无未提交变更则审查最后一次提交（git show HEAD），也支持通过 PR 编号或链接使用 gh pr diff 获取变更。审查会检测 AWS 基础设施文件与新增依赖，并分别触发 AWS 服务配额审查和许可证合规检查。输出按 Critical、High、Medium、Low 分级，包含文件路径与行号，并在适当处给出修复建议。
lark-node-sdk
lark-node-sdk 是飞书/Lark 开放平台官方 Node.js SDK（@larksuiteoapi/node-sdk）的开发指南，用于在 Node.js 项目中调用飞书开放平台 API、处理事件回调以及构建消息卡片。内容涵盖客户端初始化（自建应用与 ISV 商店应用）、语义化链式 API 调用（如发送文本消息、交互式卡片、卡片模板）、分页异步迭代器、文件上传下载、WebSocket 与 Webhook 两种事件订阅方式、卡片交互回调处理，以及常用 API 域和请求选项。适合需要将飞书能力集成到 Node.js 服务的开发者参考。
git-workflow
Git Workflow 是一个用于管理 Git 操作的技能，旨在通过最佳实践帮助用户生成有意义的提交信息、安全地管理分支、创建包含完整摘要的 Pull Request，并防止常见的 Git 错误。它会在用户提及提交更改、创建分支、创建 PR、推送到远程、执行破坏性 Git 操作或提到 Git/版本控制时激活。核心能力包括智能提交（分析变更、理解意图、按 [type]: [描述] 格式生成提交信息）、分支管理（遵循 [type]/[description] 命名规范，提供创建、切换、列出、删除等操作）、PR 创建（分析提交、生成包含摘要/变更/类型/测试/代码质量/关联问题的 PR 描述）以及安全检查（提交前扫描密钥、运行测试、大提交警告；推送前分支检查、强制推送警告；合并前冲突检查、CI 状态验证、审批确认）。该技能强调安全优先，默认选择更安全的选项，并通过清晰警告防止破坏性操作。
background-jobs
Background Job Patterns 是一套面向 Python 后端的异步任务处理技能，用于将耗时任务卸载到异步作业队列中执行。它覆盖报告生成、数据处理、邮件与通知发送、定时/周期任务、Webhook 处理、数据导入导出管道等场景，并明确非 LLM 的异步操作适用，LLM 工作流建议使用 LangGraph。技能提供工具选型参考：ARQ（Python 异步，适合 FastAPI 与简单任务，复杂度低）、Celery（Python，适合复杂工作流与企业级场景，复杂度高）、RQ（Python，简单 Redis 队列，复杂度低）、Dramatiq（Python，可靠消息传递，复杂度中等）。内容包含 ARQ 的 worker 配置、任务定义与 FastAPI 入队示例，Celery 的配置、任务定义、chain/group/chord 工作流、Celery Beat 周期任务，以及 FastAPI BackgroundTasks 集成、作业状态跟踪、反模式与关键决策建议。
makepad-basics
Makepad Basics 是面向 Rust makepad-widgets crate 的入门技能，帮助用户快速上手 Makepad 框架并理解应用结构。它提供基础应用模板、事件处理模式、Cargo.toml 配置、按钮点击处理、控件访问与修改等代码示例，并附带 API 参考表与各平台环境要求。适用于编写 Makepad 代码、解答概念问题与排查问题。
makepad-reference
Makepad Reference 是 Makepad 框架的参考与排错资料集合，主要面向使用 Makepad 开发时的调试、代码质量与高级布局问题。它按主题整理了 API 文档索引、常见错误与修复方法、Makepad 感知的代码重构，以及桌面与移动端自适应布局等内容。资料中提供了一份常见问题速查表，涵盖字体字段不匹配、颜色解析错误、set_text 缺少参数、UI 不刷新、控件找不到等典型问题及对应处理方式，并给出使用 MAKEPAD=lines 运行和 log! 日志的调试技巧。此外还列出 Makepad 官方文档、代码仓库以及 Robrix、Moly 两个生产级参考项目。适合在构建失败、运行时报错或需要简化代码、处理跨平台布局时查阅。