audit-dependencies
用于修复依赖漏洞的技能,配合 pnpm audit 与 audit-dependencies CI 检查使用。按直接依赖升级、锁文件更新、pnpm override 的优先级处理漏洞,要求 override 提供理由,并包含验证、构建与提交 PR 的流程。
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
254,792 个结果
用于修复依赖漏洞的技能,配合 pnpm audit 与 audit-dependencies CI 检查使用。按直接依赖升级、锁文件更新、pnpm override 的优先级处理漏洞,要求 override 提供理由,并包含验证、构建与提交 PR 的流程。
面向仪表盘、后台管理面板、SaaS 应用、工具与数据界面的界面设计技能,强调从产品语境与用户意图出发做设计决策,避免生成千篇一律的模板化界面;不适用于落地页、营销站点等营销设计。
GMOペパボについての質問に答える日本語ガイド。企業理念、技術文化、サービス、採用情報、働き方などを公式ページの最新情報に基づき回答する。pages-index.mdから関連URLを特定し、WebFetchで取得した情報のみを使い推測を避ける。
SUZURI(suzuri.jp)公开 REST API 的接入指南,用于开发创建、搜索、展示原创周边商品的应 用,或与 SUZURI 联动的服务。涉及 API 密钥与 OAuth 2.0 认证、素材/商品/收藏等资源操作,以及分页、限流与错误处理等基础信息。
介绍在 Storybook 中为受功能开关控制的组件编写故事的规范做法:使用 featureFlags 故事参数设置布尔开关或多元实验分支,避免直接在故事中调用 setFeatureFlags 导致快照渲染成关闭分支。
通过 Discord webhook embed 向用户发送通知的技能。触发词包括 /notify、发送 Discord 通知、完成后提醒我、在 Discord 上 ping 我。支持 --task、--link、--webhook、--color、--field、--content、--dry-run 等标志。
iterate-ml-experiment 是 Probabl 推出的一个机器学习实验管理与迭代工作流技能,用于在已有的 ML 工作区之上建立并维护“实验迭代闭环”。它关注的不是训练代码本身,而是每次实验“做什么、为什么做、什么算结果、如何记录轨迹”。技能围绕 journal/JOURNAL.md 索引文件和按实验编号命名的设计笔记(journal/NN_short_name.md)展开,要求每个实验先写设计说明并经用户明确批准,才能创建或修改 experiments/NN_*.py。它内置会话启动、下一步提议、结果记录、项目概览、实验对比、目标转向、放弃实验、复跑等多种模式,通过模式选择器判断当前请求属于哪种情况。该技能还定义了 Pre-flight 检查清单、G-DESIGN、G-RUN、G-EDA、G-CV-SPLITTER 等“门控”环节,并会调度 organize-ml-workspace、explore-ml-data、build-ml-pipeline、evaluate-ml-pipeline、test-ml-pipeline 等兄弟技能协作。它强调策略必须显式选择、审批必须明确、结果必须写入记录而非口头叙述,并保持历史实验可复现。
为单个机器学习实验编写的冒烟测试技能,产出一个精简的 pytest 测试文件:在真实 `data/` 数据的一小部分上拟合模型,并在一个不重叠的数据切片上做预测,且不带历史 buffer。核心断言是预测行数必须等于 predict-grid 的行数(硬断言,精确相等)。触发场景包括:已批准的实验需要其冒烟测试、`pytest tests/smoke/` 因行数失败、用户询问冒烟测试为何失败、管道编辑需要有据可查、实验脚本改变了管道形状。停止条件是 `status.setup.pending` 非空(应加载 `setup-ml-project`)、没有已批准的设计或匹配的实验脚本。使用方式为:查看 `status`,阅读 journal 与 experiment,编写 `tests/smoke/test_NN_*.py`,然后运行 `python -m skore_skills smoke run --stem <stem>`。
面向机器学习实验迭代流程的技能,负责在 ML 工作区之上管理迭代循环:维护 journal/JOURNAL.md 索引与每个实验的设计笔记 journal/NN_short_name.md,决定下一步尝试什么、为何尝试、什么算作结果以及如何记录轨迹。
面向 GitHub Actions 的 AI 群体(swarm)工作流自动化技能,提供智能 CI/CD 流水线、工作流编排与仓库管理能力,包含 gh-coordinator、pr-manager、issue-tracker、release-manager、repo-architect、code-reviewer、ci-orchestrator、security-guardian 等模式,以及多种工作流模板与监控分析命令。
content-harvest 是一个从网页文章中提取正文与元数据的技能,可去除导航、广告、订阅框等干扰,保存为可读文本文件,并按标题命名。
面向 AWS 无服务器与事件驱动架构的 AI 技能,依据 Well-Architected 原则指导设计事件流、集成 Lambda 事件源并管理分布式系统,覆盖 EventBridge、SQS、SNS、Step Functions、Kinesis 等模式。
会议记录与会议筹备技能:从 Notion 收集上下文,生成内部预读材料和对外议程,并整理决策、行动项与后续跟进。
Datawhale 维护的 AI Agent 学习路线与资源库,提供从基础智能体循环到生产级系统的 7 阶段学习路径,聚焦 Claude Code、OpenClaw、skills、MCP、A2A 等现代模式,并配套精选文档、论文与开源项目。
Rerun 的 MCAP 摄取技能:用 rerun.chunk.McapReader 把 MCAP 文件转为惰性 chunk 流,每个 topic 对应一个实体,消息由可插拔解码器解析。涵盖读取选项、topic 映射规则与静默空流等失败模式。
Rerun URDF 摄取技能:用 rerun.urdf.UrdfTree 把 URDF 作为 Transform3D 层写入机器人录制,先流式输出静态模型,再用关节状态驱动正运动学。
docs-curate 是一个用于整理本地文档库的技能:当 llmwiki/html/ 或 wiki/sources/draft/ 文件过多时,先由 agent 把有价值的决策/概念提升到 wiki,再由确定性工具把其余文件按功能归档并重建索引。
面向 SQL 查询编写、优化与调试的专家技能,覆盖 PostgreSQL、MySQL、SQLite 等方言,可辅助数据库模式设计与数据分析,强调可读性、执行计划与索引使用。
项目记忆系统,用于保存和检索过往决策、偏好、上下文与笔记。支持语义搜索,当用户说“记住这个”或询问“我们当时怎么决定 X”时使用。首次使用可运行 bunx memory-search --warmup 预下载嵌入模型。
一套面向智能体生成文本的清晰写作规范,适用于 README、文档、界面文案、错误信息、提交与 PR 文本、发布说明等。强调先给结论、删冗余、用具体数字、主动语态、术语一致,并列出应清除的 AI 腔调。
用于在 Spring Boot 3 中实现异常映射或 RFC 9457 错误响应的技能。除非明确要求迁移,否则保留现有旧版错误契约。
将界面截图(PNG/JPG/WebP)分阶段重建为静态 HTML + CSS + JS 的技能,每阶段需用户批准,输出到 design-systems/<slug>/ 文件夹,最终入口为 index.html。
Philosophy Compliance Workflow 是 amplihack 的哲学合规审查技能,通过系统化评审确保代码与架构符合“无情简洁”“砖块哲学”和禅式极简主义,识别过度工程与复杂度蔓延,并输出评分与修复建议。
Work Delegator 是一个面向编码智能体的工作委派技能,用于把待办事项整理成包含项目背景、相关文件、测试要求、架构建议和成功标准的完整委派包,并推荐合适的智能体角色。