pcbway
PCBWay 是位于中国深圳的 PCB 制造与组装服务，可作为 JLCPCB 的替代方案，支持裸板打样、钢网订购与整机贴片组装，可与 KiCad 配合使用。
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 10-16 00:02
部署与运维
9,070 个结果
disaster-recovery-testing
该技能用于系统化地开展灾难恢复（DR）测试，验证恢复流程、测量 RTO/RPO、发现差距并确保团队在真实事件中的应对准备。资料给出测试目标（验证备份恢复流程、故障转移机制、DNS 切换、恢复后数据完整性、测量 RTO/RPO、培训事件响应团队）、预测试清单（通知相关方、安排 4-6 小时窗口、关闭告警以免噪声、备份生产数据、确保 DR 环境隔离、准备回滚方案）以及建议做法（定期测试、提前记录流程、在隔离环境测试、测量真实 RTO/RPO、全员参与、自动化验证、记录发现、根据结果更新流程）和应避免事项（跳过测试、在工作时间测试、对生产环境测试、忽略失败、忽视测试后分析、忘记重新启用监控、使用过时备份流程、一年只测一次）。
benchmark-vllm-model
该技能用于在 Chalk 容器基础设施中，对 vLLM 上部署的模型进行吞吐量与每 token 成本（$/token）基准测试。它通过启动 GPU 容器服务模型、施加负载并确认 GPU 达到饱和，再用权威云定价除以实测吞吐量，得出可复现的成本数字。适用于需要 $/token、$/request 等成本指标的评估场景。
debug-plan-cache-misses
该技能用于从 Chalk 引擎日志中查找并调试查询计划缓存未命中（plan cache miss）问题。当某个查询在每次请求时都重新规划（replanning），或日志出现「ad-hoc query request missed the plan cache」警告时使用。它通过 chalk logs 搜索未命中警告和「Computed plan for」日志行，对比两次计划计算中的 given features、target features、planner options 等字段，定位导致缓存键变化的差异字段（最常见的是 given_features 集合不稳定），并建议在调用方修复输入模式。该技能只读取日志、分析请求，不会修改环境，修复需在调用方代码中进行。
deploy-chalk-function
deploy-chalk-function 是一个面向 Chalk 平台的技能说明，介绍如何部署 Chalk 函数（chalkcompute.function）。它适用于在 Chalk 的容器基础设施中部署独立的 Python 函数。核心做法是编写一个使用 chalkcompute 包（PyPI 名称为 chalkcompute，而非 chalk-sandbox-sdk）的 Python 文件，使用 uv shebang，并将 Python 版本固定在 <3.14，因为传递依赖的 Rust 组件 chalk-remote-call-python 基于 PyO3 构建，目前最高支持 3.13。代码中通过 @chalkcompute.function() 装饰器（必须以调用形式使用，仅接受关键字参数）标记函数，装饰器会在导入时执行部署（构建镜像、上传、注册），调用被装饰函数则远程执行并返回结果。运行前需配置 CHALK_API_SERVER、CHALK_CLIENT_ID、CHALK_CLIENT_SECRET、CHALK_ENVIRONMENT_ID 环境变量，SDK 从环境变量读取凭据而非 chalk CLI 配置。若 chalkcompute 不在索引中，可通过 uv 本地路径源指向 chalk-sandbox-sdk 的本地检出。
specsfy-setup
中文介绍正在整理，稍后补充。
prometheus-grafana
Prometheus 与 Grafana 是一套用于指标采集与可视化的监控技术栈。本技能介绍如何搭建指标采集基础设施、配置抓取目标、编写 PromQL 查询、构建 Grafana 仪表盘以及实现告警规则。内容涵盖 Docker 与 Kubernetes 两种部署方式，提供 prometheus.yml、docker-compose.yml、ServiceMonitor、Alertmanager 等配置示例，并给出 Go 与 Node.js 应用的指标埋点代码。适用于搭建监控系统、创建监控面板、分析指标数据、配置告警以及监控 Kubernetes 集群等场景。使用前需要具备 Docker 或 Kubernetes 部署环境、对被监控目标的网络访问权限，以及对指标概念的基本理解。
agent-install
用于在 Kubernetes 集群上通过 Datadog Operator 安装 Datadog Agent 的技能，是启用单步插桩（Single Step Instrumentation，SSI）的前置步骤。该技能会引导完成凭据加载、前置条件检查、Operator 安装、API Key Secret 创建、DatadogAgent 资源部署与验证等流程。使用前提包括 Kubernetes v1.20+、helm v3+、配置好的 kubectl 以及 pup-cli，并要求提供 Datadog API Key 与站点（DD_SITE）。技能强调安全约束，例如不将原始 API Key 写入文件或消息、使用 secret 引用而非明文 apiKey。适用于需要在集群中部署 Datadog Agent 的场景，安装完成后会自动继续启用 SSI。
magento-performance-analyst
Magento 2 性能分析师技能，用于对 Magento 2 应用进行全面的性能分析与系统化优化。该技能覆盖性能瓶颈定位、应用剖析、数据库查询优化、系统可扩展性提升、负载测试以及前端性能优化等场景，并给出性能评估、瓶颈识别、优化规划、实施验证的完整流程，以及页面加载时间、TTFB、LCP、FID、CLS、查询执行时间、缓存命中率等关键指标和 Blackfire、XHProf、New Relic、浏览器 DevTools 等工具的使用建议。
windows-server
该技能用于管理 Windows Server 系统，涵盖 IIS 网站托管、Active Directory 域服务、PowerShell 自动化、Windows 更新、事件日志分析与计划任务等日常运维工作。适用于配置 Windows Server 2019/2022 实例、搭建 IIS 站点与应用池、管理 AD 用户与组策略、排查系统故障等场景。使用时需具备目标服务器的管理员账户、PowerShell 5.1+ 或 7+、以及远程桌面或 WinRM 访问权限。技能内容以 PowerShell 命令示例为主，覆盖服务器角色安装、防火墙规则、DNS 设置、远程会话、IIS 应用池与站点创建、SSL 证书绑定、AD 域控提升与用户管理、更新管理模块 PSWindowsUpdate 的使用、事件日志筛选与导出等操作。技能本身为运维操作指南与命令集合，暂未提供收费方式、许可证与平台限制等说明。
dependency-audit
Dependency Audit 是一个用于维护项目依赖健康的技能，提供审计、更新和清理依赖的系统化流程。它覆盖安全漏洞扫描、过期包检测、未使用依赖移除以及废弃库迁移。适用于每周或每月的依赖维护、收到 CVE 安全公告后的响应、重大发布前的检查、包体积意外增大时的排查、代码审查中涉及依赖变更的场景，以及接手遗留项目时的摸底。技能内含针对 npm、pnpm、yarn、pip、poetry、pipenv 等包管理器的具体命令，提供 P0 至 P4 的优先级矩阵与决策树、常见库替换方案（如 moment.js 迁至 date-fns、lodash 改用原生方法、axios 改用原生 fetch）、批量更新与增量迁移策略、清理工作流与 PR 模板、GitHub Actions 与 Snyk 自动化安全扫描配置，以及涵盖许可证风险、CVE 严重度加权和版本落后度的开源安全框架。
sealos-database
Sealos Database 是一个通过 sealos-cli 在 Sealos Cloud 上开通、连接和运维数据库的技能，适用于本地开发、Devbox 开发和应用搭建场景。它先分析项目对数据库的需求，列出已有数据库，创建或复用匹配类型，获取连接信息，并只写入应用已有的环境变量键，默认使用私有访问。该技能强调安全：不打印密码或完整连接串，不覆盖已有环境变量值，不提交 .env、kubeconfig 或认证文件，启用公网访问或执行删除、备份删除等破坏性操作前需确认。支持 postgresql、mongodb、mysql、redis、kafka、qdrant、clickhouse 等类型，并通过 JSON 输出解析结果。
playwright-ci-caching
该技能用于在 CI/CD 流水线（GitHub Actions、Azure DevOps）中缓存 Playwright 浏览器二进制文件，避免每次构建都重新下载约 400MB 的浏览器，从而节省 1-2 分钟构建时间。核心做法是从 Directory.Packages.props（中央包管理 CPM）中提取 Playwright 版本号作为缓存键，按操作系统缓存浏览器二进制路径，仅在缓存未命中时执行安装，并在 Playwright 版本升级时自动使缓存失效。适用于为使用 Playwright E2E 测试的 .NET 项目配置 CI/CD、构建因浏览器下载而变慢、希望自动缓存失效的场景。
correlation-tracing
correlation-tracing 是一个用于在微服务架构中实现分布式追踪与关联 ID（correlation ID）的实践指南与代码示例。它帮助开发者在多个服务之间追踪同一个请求的完整流转路径，从而理解系统行为、排查分布式环境下的错误、分析性能与延迟问题。该技能提供基于 Node.js（Express）和 Python 的实现思路，涵盖关联 ID 中间件、OpenTelemetry 集成、手动追踪上下文传播等方案，并给出相关最佳实践。适用于微服务调试、性能监控、请求流可视化、跨服务错误追踪、依赖分析与延迟优化等场景。
troubleshoot-ssi
用于在 Kubernetes 上诊断和修复 Datadog APM 单步插桩（SSI）问题的技能，可排查 Pod 未被插桩、Trace 未上报、准入 Webhook 或 init 容器注入失败等情况。
enable-ssi
该技能用于在 Kubernetes 集群上启用 Datadog 的单步插桩（Single Step Instrumentation，SSI），无需修改应用代码即可自动为应用接入 APM 追踪。它通过扩展现有的 DatadogAgent 资源来配置 APM 插桩，支持按集群范围、指定命名空间、排除命名空间或指定工作负载等不同范围进行配置。使用前需确认 Datadog Agent 已安装且健康、Kubernetes 版本为 v1.20+、仅使用 Linux 节点池，且应用语言属于 Java、Python、Ruby、Node.js、.NET、PHP 之一。技能会先检测依赖清单中是否已存在 ddtrace、dd-trace 或 OpenTelemetry SDK，若存在则需先移除并重建镜像，否则 SSI 会在运行时静默失效。配置完成后需重启应用 Pod 以完成注入。
workflow-automation
Workflow Automation 是一个面向 AI 智能体工作流自动化的技能，核心主张是「持久化执行（durable execution）」——没有持久化执行，一个 10 步支付流程中出现的网络抖动就会导致状态丢失。该技能定位为工作流自动化架构师视角，帮助团队从脆弱的 cron 任务迁移到持久化执行方案。它指出不同平台各有取舍：n8n 易用但牺牲性能，Temporal 正确但复杂，Inngest 在开发者体验与可靠性之间取得平衡，因此不存在「最好」，只有「最适合你的场景」。技能涵盖工作流编排、持久化执行、事件驱动工作流、Step Functions、任务队列、后台任务与定时任务等能力，并给出顺序、并行、编排器-工作者等模式，以及支付无持久化、单体工作流、缺乏可观测性等反模式，还列出幂等键、检查点步骤、超时设置、指数退避等实践要点。
dotnet-devcert-trust
该技能用于诊断和修复 Linux 上 .NET HTTPS 开发证书的信任问题，覆盖从证书生成到系统 CA 捆绑包收录的完整生命周期。它针对在 Aspire 等场景下出现的 Redis TLS 连接失败、证书链 UntrustedRoot、RemoteCertificateNameMismatch、dotnet dev-certs https --check --trust 返回退出码 7、HTTPS localhost 连接证书校验失败，以及执行 dotnet dev-certs https --clean 后需要恢复信任等问题提供排查与修复流程。
canary-deployment
Canary Deployment 是一个面向发布流程的实践指南，指导如何将新版本先逐步放量给一小部分用户，同时监控关键指标，再根据预设阈值自动回滚或继续推进。该资料强调低风险渐进发布、基于真实流量的验证、出错自动回滚、降低用户影响，并提及可与 A/B 测试、指标驱动发布以及高流量服务场景结合。文档包含概述、适用场景、快速开始、参考指南和最佳实践等章节，并给出 Istio 与 Kubernetes 相关的示例线索（含名为 canary-deployment-istio.yaml 的配置片段），以及基于指标的 Canary 分析和自动推进等参考内容。具体完整实现、阈值配置、指标清单和操作步骤需参照资料中 references/ 目录下的详细指南。
Model Deployment
Model Deployment 是一个面向机器学习模型上线的部署技能，旨在把训练好的模型通过 API、Web 服务或批处理系统投入生产使用。资料显示，它覆盖 Flask、FastAPI、Docker、云平台（AWS、GCP、Azure）以及模型服务框架，可用于构建 REST 推理接口、批量预测系统、实时流式处理、无服务器函数与边缘设备部署。技能中包含用 FastAPI 搭建预测服务、模型与预处理器序列化保存、健康检查、批量预测、Dockerfile 与 Docker Compose 模板、MLflow 模型注册以及基于预测分布和延迟的监控代码示例。同时给出部署检查清单、云平台选项和性能优化思路，例如模型量化、缓存预测、批处理、GPU 加速与请求池化。适合需要将训练完成的模型产品化、扩展预测服务规模或建立 ML 模型 CI/CD 更新流程的工程场景。
Model Monitoring
Model Monitoring 是一套面向生产环境的机器学习模型监控方案，用于持续跟踪模型表现并检测数据漂移、概念漂移、输出漂移与性能退化。方案在 Python 中提供 ModelMonitoringSystem 类，通过 KS 检验、卡方检验等方法识别漂移，记录准确率、精确率、召回率、F1 等指标，并生成监控报告、Prometheus 指标与 Grafana 仪表板配置。适用于模型已部署、服务真实用户的场景，也用于设置重训练阈值与告警。相关工具包括 Prometheus、Grafana、MLflow、TensorFlow Data Validation、Evidently 和 Great Expectations。
huawei-cloud-ascend-models-deploy
该技能用于在华为云昇腾 DevServer（910B 系列）上部署并测试大语言模型，支持单机与双机部署，覆盖 LLM、VL、Embedding、Rerank 等模型类型，并提供模型推理测试与部署监控能力。技能本身不直接建立连接，而是由 Agent 编排：先调用 SSH 连接技能建立连接、调用 NPU 命令技能检查 NPU 健康状态，再调用本技能执行部署，最后再调用 NPU 命令技能监控部署过程中的 NPU 状态。部署前需确认昇腾芯片为 910B 系列（910B1/910B2/910B3/910B4），不支持 910A、310、310P 等型号；Embedding 与 Rerank 仅支持单卡。技能提供模型目录与部署脚本自动匹配，AI 必须先调用 deploy_helper.py 的 match 子命令确认模型类别与脚本地址，不允许凭记忆猜测脚本 URL。部署属于敏感操作，需展示命令并等待用户确认后再执行。具体收费标准、可用地域与配额等信息暂未提供。
azure-functions
Azure Functions 是微软 Azure 平台上的无服务器计算服务，用于构建事件驱动的应用程序。它支持自动缩放，可通过绑定（bindings）灵活连接各类 Azure 服务，并通过 Application Insights 提供集成监控。该技能围绕 Azure Functions 的创建与实现，涵盖使用 Azure CLI 创建函数、Node.js 实现、Terraform 部署、函数绑定配置，以及认证、监控和最佳实践，适合无需管理基础设施即可运行事件驱动计算的场景。
data-replication-setup
该技能用于配置数据库复制，以实现高可用与灾难恢复。适用于主从复制、多主复制、只读副本、多区域复制、复制监控与维护、故障转移自动化以及跨区域备份等场景。资料以 PostgreSQL 为例给出快速开始步骤，包括在主服务器上设置 wal_level、max_wal_senders、wal_keep_size 等参数，创建具备 REPLICATION 权限的复制用户，在 pg_hba.conf 中允许复制连接，并开启 WAL 归档以实现持续备份。参考指南目录涵盖主从（主备）设置、逻辑复制与主从设置等内容，并给出最佳实践：遵循既有模式与约定、编写整洁可维护的代码、补充文档、部署前充分测试；避免跳过测试或验证、忽略错误处理、硬编码配置值。