outbound-ip
outbound-ip 是一个用于查询当前机器公网/出站 IP 地址的技能,通过带多端点回退的 shell 脚本实现可靠查询,可强制 IPv4 或 IPv6,并支持 JSON 结构化输出。
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
53,900 个结果
outbound-ip 是一个用于查询当前机器公网/出站 IP 地址的技能,通过带多端点回退的 shell 脚本实现可靠查询,可强制 IPv4 或 IPv6,并支持 JSON 结构化输出。
一个用于跨组织代码库搜索与分析内部源码的技能,基于 Glean 的 code_search MCP 工具,帮助查找系统位置、实现模式、代码负责人及跨仓库先例,并强调对结果做质量、时效与相关性筛选。
用于创建、查看或更新“目标驱动 AI”共享工作档案与课程学习上下文的技能。支持俄语“обнови профиль”“что я освоил”等触发表达,也可承接已有 Lab Coach 目录,默认将档案保存在 ~/goal-driven-ai-context/。
lab-homework 是一个课程练习任务建议技能,依据所选会议、共享上下文和用户关注点或可选目标,提出一个可管理的实践任务。默认使用俄语,可在请求时切换英语。
lab-setup 是 glebis/goal-driven-ai-companion 课程配套的工具准备技能,帮助学员为选定的课程场次挑选并安装所需工具,并逐项验证结果。支持俄语默认、英语按需切换。
用于自动配置和管理 Git 钩子的技能,支持 pre-commit、pre-push 与 commit-msg 自动化,在提交或推送前执行代码检查、格式化、测试与密钥检测,阻止不合格提交进入仓库。
gluestack-ui 官方迁移技能,用于将项目从 v2、v3 或 v4 升级到 v5。v5 基于 Tailwind CSS v4 的 CSS-first 模式,支持 NativeWind v5(Expo、RN CLI、Next.js 待支持)与 UniWind(仅 Expo)两种样式引擎,提供 CLI 自动升级向导和手动分步迁移路径。
这是一项通过 inference.sh CLI(belt)调用 Tavily 和 Exa 服务实现网络搜索与内容提取的技能。它提供 5 个可用应用:Tavily 的 Search Assistant(带答案的 AI 搜索)和 Extract(从 URL 提取内容),以及 Exa 的 Search(智能网络搜索)、Answer(返回直接事实答案)和 Extract(提取并分析网页内容)。使用前需要安装 inference.sh CLI(belt)并执行 belt login 登录,然后通过 belt app run 命令以 JSON 输入调用各应用。典型流程包括先搜索或提取内容,再将结果作为提示词输入给 LLM(如 Claude)进行总结分析,适用于研究、RAG、事实核查、内容聚合以及构建具备研究能力的 AI 智能体等场景。
MuJoCo 的 Dear ImGui/ImPlot 界面开发与架构指南,规范 C++、Python 及 WebViewer 中 UI 代码的命名、解耦、自定义控件、ID 栈、性能与主题设计。
FAST 0-org-setup 阶段的前置条件引导技能,逐步引导用户完成环境与认证、管理员主体与基线信息、引导项目与 IAM、配置与收尾等步骤,支持标准 GCP 与 Google Cloud Dedicated(GCD)。
用于为 Cloud Foundation Fabric(CFF)仓库创建新版本发布的维护者技能,指导从 master 分支准备、生成变更日志、版本号提升、提交推送直至创建 GitHub Release 的完整流程。
该技能用于在 Node.js 应用中集成 reCAPTCHA Enterprise Transaction Defense,并通过 Stripe、Adyen 等支付服务商的拒付(chargeback)Webhook 自动回传 ground truth 反馈。仅支持 V3 密钥,需启用 reCAPTCHA Enterprise 与 Fraud Prevention,并配置服务账号与 IAM 角色。
extract-source-sample 是一个由智能体执行的技能,用于从 content-goose 广告运行文件夹中提取定义该广告的全部要素,生成 source-sample.json,供后续 remix 流程消费。它不包含 Python 脚本,由智能体读取运行目录并手工构建 JSON。
GooseWorks 是一个带专业技能路由的 AI 增长协作工具,可按需分派广告、图形、视频、产品图等专用技能,并完成品牌研究、竞品广告分析、线索生成、数据抓取与社交媒体调研等任务。
面向 Go 性能工程的技能,强调先测量再优化。覆盖 pprof 的 CPU、内存、block、mutex、goroutine 与 trace 剖析,分配与逃逸分析、sync.Pool、GOGC/GOMEMLIMIT 调优及基准测试统计验证。
SGDS 分隔线组件技能:用 <sgds-divider> 在内容区块之间渲染水平或垂直分隔线,替代原生 <hr> 以保持 SGDS 统一样式。支持 orientation 与 thickness 属性,无插槽、事件或公开方法。
从 ATAC-seq BAM 文件调用开放染色质区域的技能,支持 MACS3、MACS2、Genrich 与 HMMRATAC,涵盖 ENCODE 流程、IDR 可重复性分析、黑名单过滤及不同实验场景下的工具选择。
基于 TOBIAS、HINT-ATAC、Wellington、scprinter 等工具,在 ATAC-seq 数据中检测转录因子结合足迹(footprint),用于识别开放染色质区域内被 TF 保护的短 DNA 片段。
面向时间序列与纵向RNA-seq的差异表达分析技能,覆盖DESeq2 LRT、样条、maSigPro、ImpulseDE2、DREAM等方法,并给出轨迹聚类与常见错误规避建议。
基于 MeRIP-seq 数据识别不同条件间差异 m6A 甲基化位点的技能,适用于比较处理组或细胞状态间的表观转录组变化,提供 exomePeak2 与 QNB 两种分析路径及可视化示例。
用于导入基因表达计数矩阵的技能,覆盖 featureCounts、HTSeq、STAR、Salmon、kallisto、RSEM、10X Genomics 等来源,通过 tximport 或 tximeta 转为下游差异表达分析可用的基因×样本矩阵。
用于在 Ensembl、Entrez、HGNC 符号、UniProt、RefSeq、MANE 等基因标识系统之间转换的基因组学技能,基于 AnnotationDbi、biomaRt、mygene、pyensembl 和 Ensembl REST,并强调版本锁定与一对多处理。
用于单细胞与大规模 bulk RNA-seq 的稀疏表达矩阵存储与运算技能,讲解 dgCMatrix/dgRMatrix/dgTMatrix 的适用场景、R 与 Python 的转置差异、HDF5/Zarr 磁盘后端,以及稠密转换的内存风险。
解析、查询并转换 GTF 与 GFF3 基因注释文件的技能,可用 gffread、gtfparse、gffutils 提取基因、转录本与外显子坐标,并导出 BED 或序列。