return-calculations
该技能用于计算和比较投资回报指标，包括简单持有期回报、算术与几何平均、对数回报、CAGR、时间加权回报（TWR）、修正Dietz回报和资金加权回报（MWR/IRR），并提供年化与子期链接方法。适用于需要评估投资组合或基金经理业绩、分析现金流时点影响的场景。技能附带Python脚本，可通过命令行运行演示并验证示例结果。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-22 00:14
全部 Skills
234,394 个结果
principle-attack-the-premise
一个用于调试反复失败修复的原则技能：当多个共享同一前提的修复在同一道关卡上失败时，先写下该前提并统计失衡分布，再决定下一步，避免继续补偿。
monitoring-guidelines
该技能提供应用与基础设施的监控指南，涵盖指标采集、告警策略和基于 SLO 的监控。内容包括四大黄金信号（延迟、流量、错误、饱和度）、应用/基础设施/业务三类关键指标、告警设计原则与 SLO 错误预算告警、仪表盘设计、监控工具集成、数据采集与存储保留、健康检查与探针、事件响应以及容量规划等实践要点，帮助团队提升系统可靠性、性能可见性并主动发现问题。
playwright-cursor-rules
Playwright Cursor Rules 是一套面向 Playwright 端到端测试的专家级规则集，由 mindrally/skills 提供。它定位为资深 QA 自动化工程师的实践指南，覆盖 TypeScript 与 JavaScript 的测试编写规范，强调代码质量、测试命名、夹具与隔离、setup/teardown、DRY 原则、定位器选择、配置管理、错误处理、跨浏览器测试、断言方式、时间控制、并行化与文档注释等关键实践。规则建议优先使用基于角色的定位器（如 getByRole、getByLabel、getByText），在存在 data-testid 时使用 getByTestId；推荐使用 web-first 断言（如 toBeVisible、toHaveText）；避免硬编码超时，改用带具体条件的等待；通过 playwright.config.ts 进行全局配置，并利用 projects 与 devices 实现多浏览器/设备测试。该规则集适合在 Cursor 等 AI 编程环境中作为上下文规则使用，帮助生成稳定、可维护、贴近真实用户行为的端到端测试。
ouraclaw
ouraclaw 是一个通过命令行获取 Oura Ring 睡眠数据的 CLI 工具，可查询睡眠评分、睡眠阶段、心率、HRV 与就寝时间等，并以 JSON 输出到标准输出，便于配合 jq 提取字段。
deepstream-sop
用于构建、部署、评估、调试和测量 NVIDIA DeepStream SOP 推理微服务的技能，面向工业视频的时序动作检测与基于 VLM 的 SOP 合规监控。
v3-to-v4-migration
Phaser 3 升级到 Phaser 4 的迁移技能，覆盖渲染器、滤镜、着色器、几何等破坏性变更与迁移清单，适用于迁移旧项目或排查 v3 与 v4 的 API 差异。
ios-dev
ios-dev 是 Apple 技能集合的入口协调技能，适用于任何 iOS 或 SwiftUI 任务。它本身不提供具体 API 文档，而是告诉使用者该用哪个技能、何时使用，把最佳实践指南、正确性检查与完整的 Apple API 参考整合在一起。它包含一套硬性正确性规则（如 @State 必须为 private、ForEach 使用稳定标识、@Observable 类需标记 @MainActor 等），并提供主题路由表，将状态管理、导航、列表、动画、布局、持久化、测试、并发、内购、地图、健康数据、通知、Widget 等主题分别指向对应的指南或 API 参考技能。
cost-budget-check
cost-budget-check 是一个成本预算检查技能，用于读取项目的成本追踪预算配置与消费记录，计算预算使用率，并按 50%/75%/90%/100% 四级阈值发出告警阶梯。它读取 cost-tracking:budget-config 中的预算上限，汇总 cost-track 生成的 session-* 记录中的 total_cost_usd，计算使用率，输出对应的四级告警（50% INFO / 75% WARNING / 90% CRITICAL / 100% HARD_STOP）。在 P2 之前，README 只记录了告警阶梯但没有代码检查，现在该技能成为执行关卡。使用上可在每次 cost-track 运行后检查告警级别；在启动 swarm 前若使用率≥90% 应先升级到 /cost-optimize；也可通过 /loop 30m 进行持续监控。
syncfusion-react-dropdown-tree
Syncfusion React Dropdown Tree 是用于在 React 应用中实现分层数据选择的组件技能。它把可折叠的树形结构与下拉交互结合，适用于展示嵌套分类、组织架构、文件树或部门层级等场景。组件支持本地与远程数据绑定（含 OData、OData V4、Web API），提供复选框多选、Ctrl/Shift 多选以及默认单选模式，并可通过 autoCheck 实现父子节点联动勾选。针对大数据集，可启用按需加载与过滤搜索（支持 StartsWith、EndsWith、Contains 等过滤类型）。它还提供 item、value、header、footer、noRecords、actionFailure 等多种模板自定义显示，支持字段映射、图标与图片展示、显示模式与分隔符配置。在可访问性方面，组件声明支持 WAI-ARIA、键盘导航、屏幕阅读器与 WCAG 2.2，并提供本地化与 RTL 支持。具体安装命令、依赖版本与主题配置需参考随附文档。
supabase-pentest
supabase-pentest 是一个用于编排 Supabase 应用完整安全审计的技能，通过分阶段、带确认的引导式执行流程，帮助用户系统性地评估 Supabase 应用的安全状况。该技能强调渐进式文件更新，要求在每个发现后立即写入上下文文件、审计日志和证据目录，确保审计中断时已发现的成果不会丢失。审计流程涵盖初始化、Supabase 检测、密钥提取、API 审计、存储审计、认证审计、实时与函数审计以及报告生成等阶段，并在每个阶段之间设置验证检查点。使用前必须确认对目标应用拥有所有权或获得明确书面授权。
appbuilder-cicd-pipeline
App Builder CI/CD Pipeline 是用于为 Adobe App Builder 项目搭建持续集成与持续部署流程的技能，主要生成 GitHub Actions 工作流，同时支持 Azure DevOps、GitLab CI 和 Jenkins。它基于 OAuth Server-to-Server（S2S）凭据配合 IMS 认证，仅使用仓库级 Secrets（App Builder 不支持 GitHub 环境级 Secrets），并为每个工作区提供带后缀的 14 个密钥配置。技能内置三类 GitHub Actions 模板：部署到 Stage、部署到 Prod、PR 测试，以及密钥提取脚本和通用流水线指南。官方动作使用 adobe/aio-cli-setup-action@3 与 adobe/aio-apps-action@3.3.0，其中旧的 auth 命令（基于 JWT）已废弃，不应使用。使用前需在 Developer Console 中各工作区添加 I/O Management API，并通过 aio app use <workspace.json> 配置本地环境。
Funnel Analysis
Funnel Analysis 是一个用于分析用户转化漏斗的提示词技能，帮助识别用户在各步骤中的流失点并优化转化率。它适用于转化优化与用户流程分析，涵盖漏斗结构定义、关键指标计算、Python 实现示例、可视化图表、分群对比以及瓶颈识别与优化建议。该技能通过追踪用户从初始进入到最终目标完成的顺序步骤，计算流失率、转化率、漏斗效率和摩擦分数，并支持按流量来源等维度进行分群分析。资料中提供了完整的 Python 代码示例，使用 pandas、numpy、matplotlib 和 seaborn 生成漏斗图、流失分析图、阶段转化率图及分群漏斗对比。适用场景包括优化用户转化路径、识别用户流程瓶颈、比较不同分群或流量来源的表现、衡量产品功能采用或引导效果、改进客户旅程效率以及 A/B 测试不同漏斗配置。限制方面，资料未提供具体收费、价格、平台支持或实际效果数据。
privacy-data-security
该技能面向在 SEC 注册的金融机构，帮助设计并运营隐私与数据安全合规项目，覆盖 Reg S-P、Reg S-ID 以及 SEC 网络安全监管要求。内容涵盖隐私通知与选择退出、保障规则、处置规则、身份盗窃预防计划、2024 年 Reg S-P 修订后的违规响应与客户通知、事件响应计划、州隐私法（如 CCPA/CPRA、纽约 DFS 23 NYCRR 500）等。适用于投资顾问、经纪自营商、投资公司和过户代理的合规、法务与安全团队，用于搭建政策框架、梳理通知义务和应对监管检查。
stock-quote
Stock Quote 是一个通过 Octagon MCP 服务器获取实时股票行情的技能，适用于 AI 智能体（如 Cursor、Claude Desktop、Windsurf 等）。用户只需提供股票代码（如 AAPL、MSFT、GOOGL），即可查询当前价格、涨跌幅、成交量、当日区间、52 周区间、市值、交易所、前收盘价以及 50 日和 200 日移动平均线等指标。该技能以自然语言提示调用 octagon-agent 工具，返回结构化行情数据，并附带结果解读指南，帮助理解价格走势、成交量意义、区间位置和均线信号。适用于快速查价、投资组合监控、估值参考、技术分析和区间分析等场景。使用前需确保 Octagon MCP 已配置完成。
sap-hana-cli
SAP HANA Developer CLI（hana-cli）是一个面向开发者的 SAP HANA 数据库开发与管理命令行工具，适用于 VS Code 等非 SAP 工具环境。它通过 ~/.npm 全局安装（npm install -g hana-cli），可连接本地 HANA 与 HANA Cloud 实例，支持数据库对象检查（表、视图、存储过程、函数）、SQL 查询、HDI 容器生命周期管理、SAP BTP 与 HANA Cloud 操作，并提供 17 种以上输出格式转换（如 CDS、HDBCDS、HDBTable、SQL、EDMX、OpenAPI、GraphQL、JSON、YAML、CSV、Excel 等）。该技能还集成 hana-mcp-server，使 Claude 可通过自然语言执行数据库探查和查询。
fastapi-pro
fastapi-pro 是一个面向 FastAPI 高性能异步 API 开发的技能（Skill），用于在相关任务中提供指导、最佳实践与检查清单。它覆盖 FastAPI 0.100+ 特性、Pydantic V2、SQLAlchemy 2.0 异步支持、WebSocket、后台任务、认证安全、测试、性能优化、可观测性与部署等主题，强调 async-first、类型安全与生产级微服务架构。适用于构建或优化 FastAPI 项目、设计 API 契约、排查性能问题等场景；与 FastAPI 无关的任务不适用。
reify
Reify 是一个将模糊想法、零散念头、记忆片段或不确定方向转化为具体成果的技能。它通过一份“具象化记录”（reification record）保存证据、选择、不确定性和可逆性，同时让用户界面保持简单。用户可以用自然语言提出请求，或使用 help、new、continue、revert、finalize、scrap 等命令管理流程。每个被接受的决策都会获得形如 D-001 的决策 ID，并记录理由、依赖项和可逆性。Reify 会先确认目标，再产出最小可用对象（如标题、前提、草图、示例、决策或里程碑）来检验当前方向，然后在 1 到 3 轮有效交流后收敛。它强调不虚构第一人称传记事实，遇到缺失的姓名、地点、日期时使用方括号占位符并提问。Reify 无法提供不可达来源中的事实，也无法替用户授权敏感操作，但能保留来源缺口、维持状态可逆，并产出带有确切缺失输入的交接文件。
skill-creator
skill-creator 是一个用于指导用户创建或更新 Claude 技能（skill）的技能。它围绕“如何写出有效的技能”提供系统化指引：先理解具体使用场景，再规划可复用资源，随后初始化技能目录、编辑 SKILL.md 与打包资源，最后依据实际使用迭代。它强调上下文窗口是公共资源，应只补充 Claude 原本不具备的信息，并给出脚本、参考文档与资产三类捆绑资源的使用建议，以及渐进式披露、按领域组织内容、避免深层嵌套引用等设计模式。适用于需要为 Claude 扩展特定领域知识、工作流或工具集成的场景。
k2f-menu
k2f-menu 是一个面向餐饮菜单设计的 AI 技能，属于 K2F 技能体系（suzheng/k2f）。它的用途是教智能体撰写 content_and_design.md，即菜单的内容与设计蓝图，涵盖分类与条目结构、内容取舍和美学意图（语气、层级、密度），而不涉及 K2F 的打包或导出环节。该技能产出的菜单以 .K2F 包形式存在，需配合核心 k2f 技能完成工作区解包或初始化、编辑语义树、打包校验与导出。K2F 让智能体专注于语义（章节、菜品、价格、饮食备注）而非像素坐标，由引擎将布局、字体与主题编译为跨 PDF 等格式的一致输出。适用场景包括餐厅、咖啡馆、酒吧、烘焙店、餐车、酒店、餐饮承办或私人宴请，以及展板、折叠插页、餐酒分离、葡萄酒或鸡尾酒单、儿童或早午餐加项等印刷或数字 PDF，不适用于完整网站或 POS 导出。使用前需先安装核心技能：npx skills add suzheng/k2f --skill k2f。
grilling
Grilling 是一个用于压力测试思考的 AI 技能：它通过持续追问用户，围绕某个计划、决策或想法进行深入访谈，直到双方达成共识。该技能把讨论过程建模为一棵“设计树”，每个决策都会分支出依赖它的后续决策。它按“轮次”推进：每一轮只提出当前所有前置条件已确定的问题（即“前沿”），为每个问题编号并给出推荐答案，然后等待用户回答；用户的回答会重塑这棵树，使前沿向外推进，解锁依赖已定决策的新问题，再进入下一轮。查找事实由技能自身负责，而非用户：当某个前沿问题需要来自环境（文件系统、工具等）的事实时，会派出子代理去查找，且不阻塞其余问题的提问。当所有分支都被访问、没有遗留的隐含假设时，会话结束；在用户确认达成共识之前，不会对计划采取行动。
masterdata-storage-strategy
该技能用于在创建任何新的 VTEX Master Data 实体之前或在审计现有用法时，判断 Master Data 是否是特定工作负载的正确存储方案。它帮助回答存储选型（对比 Catalog、OMS、VBase 或外部数据库）、JSON Schema 设计（v-indexed、v-cache、v-security、v-triggers、v-canonicalto 等 VTEX 扩展字段）、索引与缓存取舍、容量与生命周期规划等问题。技能涵盖决策规则、Schema 设计原则、硬性约束、触发器使用时机、searchDocuments 与 scrollDocuments 选择，以及常见失败模式和审查清单。不适用于 VTEX IO 应用集成模式或 IO 服务性能模式。
effect-v3-to-v4
用于把代码库从 Effect v3 迁移到 Effect v4 的技能，覆盖 effect 及 @effect/* 包的跨版本升级。它依据 Effect 仓库生成的迁移参考逐项解析重命名、移除与签名变化，强调先改 package.json、再跑类型检查并迭代修复，禁止猜测替换或添加兼容层。
evidence-synthesis
用于MEL/SRHR议题的快速证据评估或轻量系统综述技能，强调每个结论都带来源与置信度分级，并明示证据空白。