SuperAPI AI 工具集找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-15 00:40
10,989 个结果
Godot 引擎的调试与性能分析技能，聚焦内存泄漏、GPU/Visual Profiler、无头 CI 质量检查、孤儿节点、线程安全日志以及自定义 Debugger 监视器等场景。该技能以「症状 → 监视器/API → 脚本」的对照表为核心，提供一套可复用的调试脚本目录，并给出大量「绝不要做」的专家规则，例如不要在发布版本保留 print、不要在 Debug 模式下做性能分析、不要在 Logger 内部调用 print 或 push_error 等。适用于需要定位 Godot 项目内存增长、帧率异常、CI 退出码不稳定、线程竞争与日志损坏等问题的开发者。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
测试用例编写（test-case-writing）是一个用于生成高质量测试用例的技能，覆盖正常、异常和边界场景。它适用于需要在真实项目中处理测试用例编写相关任务的场景，能够把多个角色提供的场景候选合并成一套可追溯、无角色重复的测试用例。该技能强调按风险与业务影响排优先级，区分已确认事实与当前假设，不编造用户未提供的接口、字段、环境或根因细节，并保证结果可执行。默认输出 Markdown，用户指定时可切换其他格式。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
该技能用于调试偶发、难以复现的问题。它强调通过系统化调查与全面监控来定位不稳定行为的根本原因，适用于日志中的零星错误、用户偶发反馈、不稳定测试、疑似竞态条件、时序相关缺陷以及资源耗尽等问题。资料提供了快速上手示例，展示在疑似代码周围添加详细日志（记录时间戳、订单号、错误信息、耗时、错误类型与堆栈）以及使用关联 ID 的策略，并列出捕获偶发问题、常见偶发问题、系统化调查流程、监控与预防等参考指南，同时给出应遵循既有模式、编写整洁可维护代码、补充文档、部署前充分测试，以及不应跳过测试验证、忽略错误处理、硬编码配置值等最佳实践。
lm-evaluation-harness 是一个用于在 60 多个学术基准上评估大语言模型（LLM）的工具，采用标准化提示与指标，覆盖 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等任务，适用于模型质量基准测试、模型比较与结果报告。通过 pip install lm-eval 安装，支持评估任意 HuggingFace 模型，并可用 vLLM 后端加速推理；结果可输出为 JSON，便于分析、对比与绘制训练曲线。
中文介绍正在整理，稍后补充。
这是一个合成监控（Synthetic Monitoring）技能，用于通过自动化测试模拟真实用户行为，在用户发现问题之前检测故障。它使用 Playwright 等浏览器自动化工具，对登录、API 工作流、关键业务交易等端到端流程进行定时探测，并记录各步骤响应时间。适用于端到端工作流验证、API 流程测试、用户旅程模拟、交易监控和关键路径校验。资料还给出了测试数据轮换、多地域监控、超时配置等方面的最佳实践与反模式提示。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。
中文介绍正在整理，稍后补充。