absolute-prune
Absolute Prune 是一个面向整个代码仓库的死代码与依赖清理技能,基于工具证据删除未使用依赖、无引用导出、不可达代码和孤立文件,并以小批次、可回滚的方式执行,每批后保持测试通过。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-16 00:04
253,908 个结果
Absolute Prune 是一个面向整个代码仓库的死代码与依赖清理技能,基于工具证据删除未使用依赖、无引用导出、不可达代码和孤立文件,并以小批次、可回滚的方式执行,每批后保持测试通过。
面向数据科学的实践指南技能,覆盖探索性数据分析、数据清洗、统计检验、A/B 实验分析与预测建模,强调统计严谨性与常见陷阱。
用于制定测试策略的 AI 技能:帮助判断测什么、在哪个层级测、测多少,在单元、集成、端到端与契约测试之间做取舍,并处理覆盖率指标与不稳定测试。
一个用于内容策略与营销内容规划的统一技能,覆盖内容支柱、编辑日历、按购买阶段做关键词研究、定位与信息层级、信任信号、GEO(AI 搜索)优化、内容 ROI 衡量、内容简报、页面 SEO 与内容研究工作流。
Grill Me 是一个用于压力测试用户思路的交互式访谈技能,通过分批快速提问来厘清并打磨计划、决策或想法。它先自行排查可发现的事实,再一次性提出 10 个编号问题,并为每个问题附上基于现有证据的推荐答案,方便用户快速接受、否定或修改。用户可用简短回答、语音或对推荐的整体确认来回复。该技能会循环整理已确定事项、指出矛盾与缺失依赖,直到决策树的关键分支解决,最后输出包含目标、范围、约束、选定方案、被否替代方案、风险与验收标准的决策简报,并在用户明确确认前不执行实施。适用于需要严谨访谈或深度推敲方案、做关键决策的场景。
Column 集成技能,通过 Membrane CLI 连接 Column 账户,用于管理数据、记录并自动化工作流,适合需要与 Column 数据交互的场景。
skill-creator 是一套按 agentskills.io 规范编写智能体技能的操作规程,用于创建新技能目录、起草流程化指令并校验元数据,适用于需要结构化、可渐进披露的技能文档生成场景。
ketchup-video 是一个技能,用于像 /ketchup 一样让用户快速了解情况,但以一段短暂的无声幻灯片视频代替文字摘要和可视化内容展示已发生的事,并在视频下方以文本列出待处理调用。命令为 /ketchup-video。视频只使用工作产出的截图、录屏、差异和数据制作,最多10张幻灯片,要求每张幻灯片只表达一个要点、共用同一张图并逐张变化、用箭头高亮和动效指向变化、文字最少且不重复。渲染为无声横向视频(如mp4),每帧即幻灯片本身,不以录屏方式生成。如果渲染失败,用一行说明并提供待处理调用。
用于为 Expo/React Native 的 Power Apps 移动应用生成 Tamagui 品牌系统,产出 brand/design-system.md、brand/tokens.ts 与 HTML 视觉画廊,可独立或随 /create-mobile-app 调用。
Miro Doc 是 Miro MCP 文档工具的快捷入口,用于在用户已打开的 Miro 白板上创建或编辑类似 Google Docs 的 Markdown 文档组件。
面向资深 React 开发者的技能扩展,专注 TanStack 生态(Query、Router、Table、Form、Start),提供项目搭建决策、代码规范、反模式清单与性能/代码审查检查表。资料未说明安装命令、收费与适用平台。
本技能介绍如何在 OpenCTI(原生支持 STIX 2.1 的威胁情报平台)上构建自动化 IOC 富化流水线。通过 OpenCTI 的内部富化连接器,从 VirusTotal、Shodan、AbuseIPDB、GreyNoise 等来源为指标补充上下文,自动富化新摄入的指标,将其与已知威胁行为者和攻击活动关联,并给出置信度评分以帮助分析师确定优先级。内容涵盖 OpenCTI 架构、富化连接器模型、置信度评分机制,并提供 Docker Compose 部署示例、自定义富化连接器的 Python 代码示例,以及 GreyNoise、SecurityTrails 等服务的调用方式。适用于部署或配置该能力、建立合规安全控制、改进安全架构以及开展相关安全评估的场景。
提供客户健康评分、预测分析与客户成功策略的专家指导,将原始客户数据转化为可执行洞察,用于预防流失和推动扩展。适合设计健康分、构建流失预测模型、分析使用指标等场景。
该技能用于在 HyperFrames 中为特定潜在客户或账户制作个性化产品演示或销售走查视频:逐屏解说、按对方品牌定制,围绕其痛点展示2-3个价值时刻并给出单一明确行动号召。
gog-chat 是 gog 命令行工具中用于操作 Google Chat 的技能模块,支持私信、消息、空间和话题等操作,需先阅读共享的 gog 技能文档了解认证、输出与安全规则。
源自 ai-design-skills 的 AI 设计主题:为知情同意、退出与人工override而设计,让用户了解 AI 如何处理数据、采取哪些行动,并始终保有控制权。
面向 AI 产品的文化适配技能,指导如何针对不同文化语境、语言与规范调整 AI 行为,涵盖沟通风格、正式程度、权力距离等文化维度,以及语言本地化、语气调整、内容与交互模式适配等策略,并给出应避免的刻板印象与设计方法。
Error Personality 是一套关于 AI 如何优雅地沟通错误、不确定性与能力限制的设计指南,涵盖错误类型、沟通模式、反模式、严重度分级与设计产物,用于让 AI 在出错时保持诚实、得体并快速恢复。
面向多智能体系统的失败恢复设计技能,梳理智能体、交接、协调、资源与级联等失败类型,并给出重试、回退、升级、优雅降级与补偿等恢复策略及设计要点。
wx-cli 是用于解密并查询 WeChat macOS 加密数据库的命令行工具,可自动检测账号、密钥与数据目录,支持会话、联系人、消息搜索、导出、图片/语音/视频解密及只读 HTTP API。
parallel-api 是一个面向 AI 智能体与应用开发者的技能,用于在 Parallel 的 Web 搜索与研究 API 上完成从零到首个可验证请求的接入。内容涵盖如何选择 Search、Extract、Responses、Task、Decisions、Monitor 等接口,如何通过 parallel-web 的 Python 与 TypeScript SDK(或 REST / OpenAI SDK)调用,如何配置 API Key(x-api-key 环境变量 PARALLEL_API_KEY)并保持服务端安全,以及各接口的端点、延迟、价格档位、搜索模式、reasoning effort、Task processor、Monitor processor 等参数选择。技能还提供 Search 后接 Extract 的典型模式、把 Search 作为工具定义交给应用模型、Responses、Task、Decisions、Monitor 的调用示例、从其他搜索提供商迁移的映射建议、Webhook 验签、常见错误状态码与修复方式,以及最终验证步骤。
Appium 移动端自动化测试技能,提供 Android/iOS 原生与混合应用的自动化测试指导,涵盖元素定位、手势操作、desired capabilities 配置及 CI/CD 集成。
frontend-design 是一个用于创建高品质前端界面的技能,旨在帮助开发者构建具有独特设计风格、可达到生产级标准的前端组件、页面或应用。该技能强调在动手编码前先进行设计思考,明确界面要解决的问题、目标用户、审美方向和技术约束,并鼓励选择鲜明、明确的美学立场并以精确的方式执行。它适用于需要避免通用化、模板化“AI 风格”外观的场景,引导在字体、配色与主题、动效、空间构图、背景与视觉细节等方面做出有意识的创意选择,最终输出可运行的真实代码(如 HTML/CSS/JS、React、Vue 等)。使用时应根据美学愿景匹配实现复杂度:极繁主义设计需要更精细的动画与效果,极简或精致设计则需要克制、精准和对间距、排版与细节的关注。
Penpot 无障碍审计技能:依据 WCAG 2.1/2.2 AA(可选 AAA)检查设计稿,输出按严重程度排序的报告,覆盖颜色对比度、触控/目标尺寸、文本替代与语义命名等。只读、不自动修复,修复建议交由对应技能处理。