temps
Temps 是一项用于管理、部署、运维和监控应用的产品工作流技能,通过 @temps-sdk/cli@0.1.37 操作。它强调先只读检查、按意图加载参考文档、做最小授权改动并验证结果。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-20 00:12
258,093 个结果
Temps 是一项用于管理、部署、运维和监控应用的产品工作流技能,通过 @temps-sdk/cli@0.1.37 操作。它强调先只读检查、按意图加载参考文档、做最小授权改动并验证结果。
基于 glab CLI 的 GitLab CI/CD 流水线操作技能,用于查看流水线状态、触发或重试流水线、查看作业日志、下载构建产物以及校验 .gitlab-ci.yml 配置。
frontend-design 是一个用于创建独特、生产级前端界面的技能,强调避免千篇一律的“AI 味”审美,通过明确的设计方向、排版、配色、布局、动效与交互规范,产出可运行且视觉出众的代码。
面向 Python/React 全栈应用的 Playwright 端到端测试技能,用于编写完整用户流程(登录、CRUD、多页流程)的 E2E 测试、关键路径回归、跨浏览器兼容、认证流程与文件上传下载验证及部署冒烟测试。不适用于组件单测、后端单测或纯 API 契约测试。
Nuxt 是一个全栈 Vue 框架,提供服务器端渲染(SSR)、基于文件的路由、自动导入和强大的模块系统,并使用 Nitro 作为服务端引擎,支持在 Node.js、无服务器和边缘平台上进行通用部署。本技能基于 Nuxt 3.x,生成于 2026-01-28,涵盖目录结构、配置、CLI 命令、路由、数据获取、模块、部署、组合式函数自动导入、组件自动导入、内置组件、状态管理、服务端路由、渲染模式、最佳实践以及 Layers、生命周期钩子、模块编写等进阶主题,适用于开发 Nuxt 应用、服务端路由、useFetch、中间件或混合渲染等场景。
Turborepo 是面向 JavaScript/TypeScript monorepo 的构建系统技能指南,覆盖 turbo.json 任务流水线、dependsOn、缓存与远程缓存、turbo CLI、--filter 与 --affected、CI 集成等主题,并给出任务配置、包结构与常见反模式建议。
mq 是一款面向 Markdown 的查询工具,语法类似 jq。processing-markdown 技能介绍如何用 mq 处理 Markdown 文件,进行内容提取、筛选、转换与就地更新,适合脚本化处理文档。
Serenity Alpha 是一个把市场新闻转化为可验证投资 alpha 假设的技能:将已观察到的需求变化映射到收入、利润与供应链,并优先寻找小市值、高纯度、被市场误分类的候选公司。输出为研究假设,非投资建议。
用于 Hugging Face Dataset Viewer API 的只读技能,可获取数据集的子集与切分元数据、分页读取行、搜索文本、按条件过滤、下载 parquet 链接,并支持用 SQL 查询与上传数据集。
紧急医疗信息卡生成器:从个人健康数据中提取严重过敏、当前用药、急症、慢性病、植入物和紧急联系人,按医疗紧急程度排序,支持JSON、文本、二维码与HTML等多格式输出,用于旅行、急救或快速就医。
用于在 Blender 中构建、诊断与交付静帧、转台、序列和动画渲染的技能,覆盖灯光、相机、色彩管理、合成器与降噪等可复现渲染流程,强调把渲染当作可复现交付物,并以证据驱动迭代。
DSPy GEPA 优化器(3.2.x):用 dspy.GEPA 对 DSPy 程序做反射式进化优化,依据指标文本反馈改写指令与 few-shots,并在验证任务上维护 Pareto 前沿。适用于有丰富反馈指标的复杂工作流;需自备 trainset、valset 和强反射 LM。
Budget Optimization 是 Agent Skills 中的广告预算优化技能,用 AI 预测与投资组合理论在多个广告系列间分配预算,追求最高回报。它把整个账户视为投资组合,将预算动态移向边际 ROAS 最高的系列,同时遵守品牌最低曝光、地域覆盖等业务约束。
Keyword Research 是 Agent Skills 中的 Google Ads 关键词研究技能,从种子词出发,通过语义扩展、竞品挖掘、搜索词报告、长尾与问句扩展构建关键词库,并按意图分类、分配匹配类型、挖掘否定关键词,用于优化广告投放结构。
面向 AI 辅助开发的提示词沟通策略技能,讲解上下文优先、分阶段交互、迭代细化与结果验证等方法,适用于 Claude Code、Cursor 等 AI 编程助手,帮助提升规格编写与协作效率。
Altitude 学习旅程的入门技能,用于启动由服务器规划的 Altitude 学习路线并将其绑定到本地工作区。当用户表示“开始我的旅程”“启动我的 Altitude 旅程”等意图时使用,负责引导初学者完成绑定、连接与后续课程衔接。
Unity 多人联机网络开发参考技能,覆盖 NGO、Mirror、Photon、Fish-Net 等框架,讲解权威模型、RPC、NetworkVariable、生成与场景同步,以及 UGS、Firebase、PlayFab 等后端服务集成。
Unity 性能优化技能,针对游戏卡顿、掉帧与运行缓慢问题,提供从性能分析到 CPU、GPU、内存及平台优化的系统化方法,并包含对象池、批处理、LOD、纹理压缩等实践清单。
用于创建和编辑 Obsidian Bases(.base 文件)的技能,支持视图、过滤器、公式与汇总配置。适用于为 Obsidian 仓库中的笔记构建类数据库的动态视图,例如任务追踪、阅读清单和项目笔记索引。
面向多智能体协作的纪律型技能,核心是“发一条消息后等待回复”、把空闲通知当作心跳、禁止轮询与伪造回复,并规范智能体的顺序启动、结果传递与关闭流程。
Cell Press 期刊投稿准备技能,属于 kalarislabs/research-agent-skills 技能集。用于将稿件整理为 Cell、Molecular Cell、Neuron、Immunity、Cell Reports、Cell Systems、iScience、Cell Metabolism、Current Biology 等 Cell Press 期刊所要求的格式。核心流程包括:确认目标期刊与文章类型并查阅最新作者指南、判断是否允许免格式首次投稿、按期刊前置内容与章节重构稿件、准备必需声明、图表与补充文件,最后运行检查清单并组装投稿包(稿件、源文件、图表、声明与投稿信)。技能强调 STAR Methods 结构化方法、Key Resources Table、Highlights、Summary、eTOC blurb、图形摘要等 Cell Press 特有要求,并提醒使用 RRID、保留未处理图像、投稿前完成数据存缴。
lm-evaluation-harness 是一个用于评估大语言模型(LLM)的基准测试工具,覆盖 60 多个学术基准,包括 MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag 等。它通过标准化提示词和指标对模型进行评测,适用于模型质量基准测试、模型对比、训练进度跟踪以及报告标准化指标等场景。工具支持 HuggingFace 模型、量化模型、自定义检查点,并可通过 vLLM 后端加速推理。安装方式为 pip install lm-eval,通过 lm_eval 命令行调用。
该技能面向 MATLAB R2026a 与 GNU Octave 数值代码的设计、审查与迁移,覆盖带 arguments 块的函数、数组与索引、table 与 timetable、MAT 文件交换、图形导出、项目与测试、Python 集成以及安全的静态扫描。强调 MATLAB 与 Octave 仅部分兼容,且不假定任何产品或工具箱已授权;对 .m、.mlx、MEX、MAT 文件等一律先做静态检查,不执行不可信内容。附带多个不联网、不执行的 Python 辅助命令行工具,用于生成 argv 执行计划、扫描代码、校验项目清单、清点 MAT 文件头、检查 Python 兼容性、生成可复现性报告和函数脚手架。
ml-training-recipes 是一套面向 PyTorch 训练的实战配方集合,覆盖 LLM、视觉、扩散模型、医学影像、蛋白质与药物发现、空间组学、基因组学等多个领域。内容来自生产级代码库(如 Karpathy 的 autoresearch/nanochat、torchvision、HuggingFace)与现代训练实践。它提供架构选型表、缩放定律(Chinchilla 规则)、训练循环模板、优化器配置(Muon、AdamW 混合、分组学习率)、学习率调度、混合精度与编译、显存与性能优化、超参数搜索、调试清单、实验管理与各领域评估指标等参考文件,帮助研究者在不同数据规模与领域下选择并实施合适的训练方案。