layered-defect-hunt
layered-defect-hunt 是一个系统化多轮缺陷排查技能,按正确性、边界、并发、错误处理、资源泄漏、安全六种视角逐轮全量阅读目标,每轮只问一个问题,确认后用具体触发条件记录,直到一整轮无新增已确认缺陷才停止。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-19 00:15
53,936 个结果
layered-defect-hunt 是一个系统化多轮缺陷排查技能,按正确性、边界、并发、错误处理、资源泄漏、安全六种视角逐轮全量阅读目标,每轮只问一个问题,确认后用具体触发条件记录,直到一整轮无新增已确认缺陷才停止。
一个面向智能体的性能优化工作流技能:先有基线测量与剖析,再单变量改动,用脚本验证输出一致且确实变快,否则回滚并记录负面证据。
多模型三角验证技能:由Claude生成可复制的提示词,用户粘贴到Codex、Gemini、Grok等模型获取回答后回传,再由Claude综合成统一结论,用于高风险决策、安全审查与创意头脑风暴。
NTM 评审工作器编排技能:用于通过 NTM 运行具名评审或分析工作器,要求输入有界、输出有证据支撑,并可由独立控制方验证。
该技能用于审查生产代码中泄漏的 mock、stub、假路径、占位符、测试专用模块、虚拟凭据等实现痕迹。默认只读,基于 file:line 证据定位问题并分类,区分已确认缺陷与待跟进信号,输出结构化的 Markdown 审计报告。
用于将项目愿景与代码实际状况进行对比,并找出差距、转化为可跟踪工作项的 AI 技能。
一个通过六个独立推理视角(第一性原理、系统思维、对抗/红队、经济成本、用户中心、历史)分析项目的技能;要求各视角分开执行,再做综合,并标注冲突与盲点。
repeatedly-apply-skill 是一个用于对目标反复应用某个技能、逐轮加深改进的编排型技能。它把 N 轮任务分别委派给全新子代理,由编排者逐轮验证并提交,适合代码审计、UI 打磨等迭代优化场景。
用于安全清理 Git 仓库的技能:修剪已合并分支、压缩存储、排查大对象与悬空对象、完善忽略规则,并在明确同意下重写历史以移除误提交的大文件或密钥。强调只读诊断先行、可逆优先、存疑即跳过。
使用 ripgrep(rg)进行精确、快速的代码搜索,替代较慢的 grep 或 find 模式。说明 rg 的默认并行、遵循 gitignore、Unicode 正确等特性,并给出常用标志、决策树、退出码与机器可读输出等参考。
用于审计 git stash 堆积、为每个 stash 判定保留或丢弃、归档保留项并清除已确认冗余条目的技能。默认在存疑时归档而非删除,避免静默丢失工作。
一套面向 Linux/macOS 的系统性能急救与预防方法,用于高 CPU、内存、IO 压力或失控进程导致机器卡顿时定位并恢复响应。强调先做无害处理,优先清理僵尸、已退出会话与明显无用进程,而非盲目杀子进程。
用于将大量 Git worktree 与分支安全收敛到规范主线、同时不丢失有用工作的技能。核心原则是先收割、后删除;提供审计与引导式整理脚本。
APScheduler(Advanced Python Scheduler)是一个 Python 任务调度与作业队列系统,支持同步与异步执行,提供 cron 式、间隔式、一次性等多种调度机制,可用于后台定时任务和分布式作业处理。
通过 gh CLI 调用 GitHub REST API,向 GitHub 拉取请求的指定行或行范围发布单条内联审查评论,支持单行、多行和 suggestion 建议块。
安全删除单个 Git worktree 的技能,支持分支清理与安全检查。通过 Python 脚本解析目标、执行保护分支与未提交更改检查,删除 worktree、本地及远程分支并清理引用。
用于审查 GitHub 拉取请求的技能:收集 PR 标题、描述、diff 与已有评论线程,分析变更代码并生成经 schema 校验的本地审查负载,包含行内评论和批准或评论的决定。
检查工作区未提交改动是否需要版本升级及对应 semver 层级,并同步更新 plugin.json、marketplace.json 或 SKILL.md frontmatter 中的版本号,附带符合 conventional commit 格式的提交信息。
这是一项用于改进提示词(prompt)的 AI 技能,帮助用户把已有提示词变得更简洁、清晰和有效。该技能采用“概念提升”(Concept Elevation)方法:先拆解提示词的核心目标与概念,再把相关指令归组,为每组提炼出能概括整组指令的高层原则,最后合成为压缩后的新提示词,并检查是否遗漏原意、是否存在冗余或含糊之处。触发场景包括用户要求“改进提示词”“让提示词更好”“优化提示词”“精炼系统提示词”等。整个过程要求在命名清晰的 XML 风格标签内完成每一步,使推理过程可审计。它强调原则优先于僵化示例,以提升模型对新情境的适应性。输出需满足四项质量标准:比原版更简洁(同等意图下更少 token)、更清晰(减少歧义与未覆盖边界)、更可适配(原则导向)、完整保留原意。该技能基于可公开访问的技能页面,具体安装方式与运行环境暂未提供。
将大量 WhatsApp 聊天记录整理成一页每日行动看板的技能。首次运行会引导用户一次性导出聊天历史,之后按默认 3 天窗口生成摘要与看板,只做建议不发送消息,所有数据留在本机。
该技能引导用户从克隆仓库开始,逐步搭建一个自托管的发票生成器,并接入自己的 Lark(飞书)Base。全程由脚本验证每一步,敏感密钥由用户自行写入 .env,适合需要私有化发票工具的个人或小团队。
在 Apple Silicon macOS 上把抖音视频链接转为干净可读的中文 markdown 逐字稿,全本地、免费。先用 yt-dlp 与 ffmpeg 下载并提取音频,再用 whisperkit-cli 的 Whisper large-v3 本地转写,最后轻清洗成带标点段落的逐字稿并保存为单个 .md 文件。
一个在 Owner 的 second-brain 仓库中收尾工作会话的技能:用两分钟向在场者提问,把本次会话获得的教训、做出的决定和产出落到正确位置,并留下一份转交下次会话的报告笔记。
Founder Intelligence 是一个面向创业者和经营者高判断力商业决策的 Claude Code 技能。它要求用户提供业务卖什么、卖给谁、大致价格、业务阶段、具体决策或障碍和时间范围,缺失信息会一次性追问;无真实决策则不运行。技能通过 15 个战略视角(9 个核心 + 6 个专项)对决策进行路由分析,支持 quick、standard、deep 三种模式,输出包括决策重述、情境快照、视角路由、各视角分析、整合建议、最大风险、48 小时第一步以及可证伪条件,并可选加载 config.json 中的业务默认偏好。