nebula-logger-instrumentation
用于在 Apex、LWC、Aura、Flow 或 OmniStudio 中添加或更新 Nebula Logger 埋点的技能。涵盖受支持的全局 API、日志级别、场景与标签、记录关联、异步父子事务关联,以及各种保存方式。
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
258,203 个结果
用于在 Apex、LWC、Aura、Flow 或 OmniStudio 中添加或更新 Nebula Logger 埋点的技能。涵盖受支持的全局 API、日志级别、场景与标签、记录关联、异步父子事务关联,以及各种保存方式。
用于为调用 Nebula Logger 的 Apex 或 LWC 代码编写测试的技能,讲解如何观察缓冲区、断言已持久化日志记录,以及控制测试中日志是否落库。
DRY(Don't Repeat Yourself)编码技能,用于在编写或审查代码时消除重复的知识与业务逻辑,强调单一权威来源,并区分知识重复与代码重复。
一份面向 Power BI 语义模型的 DAX(Data Analysis Expressions)技能参考,覆盖行/筛选上下文、CALCULATE、时间智能、迭代器、计算组、窗口函数、可视化计算等主题,并附常见反模式与优化建议。
用于在 Kubernetes 中通过 Secrets Store CSI Driver 集成 Azure Key Vault 的技能,指导创建 SecretProviderClass、挂载密钥、同步为 K8s Secret,并排查权限与挂载问题。
dynamic-resources 是来自 juliusbrussee/caveman-code 的一个示例技能,资料标注其由 dynamic-resources 扩展提供,并通过 resources_discover 载入。公开资料仅给出名称与来源信息,未说明具体功能、用法、收费或适用范围。
XcodeBuildMCP CLI 的官方技能,供 AI 智能体在 iOS、macOS、watchOS、tvOS、visionOS 开发中使用。它把构建、测试、运行、调试、日志与 UI 自动化等能力封装为命令行工具,作为 MCP 工具调用的低开销替代方案,并建议优先于原始 xcodebuild、xcrun 或 simctl。
变异测试质量门禁技能:在创建 PR 前对生产代码做变异测试,检测测试是否真能发现缺陷,要求 100% 变异杀死率,并输出结构化证据。支持 Rust、TypeScript/JavaScript、Python、Elixir 项目。
Perplexity Search 是一个通过 LiteLLM 和 OpenRouter 调用 Perplexity 模型进行 AI 联网搜索的技能,可获取带来源引用的实时网络信息。它适合查找最新动态、近期科研文献以及超出模型训练数据截止时间的事实,只需一个 OpenRouter API 密钥即可访问全部 Perplexity 模型,无需单独注册 Perplexity 账号。技能提供命令行脚本,支持指定模型、保存 JSON 结果、详细输出等用法,并附带查询设计、模型对比与 OpenRouter 配置参考文档。
Aeon 是一个与 scikit-learn 兼容的 Python 时间序列机器学习工具包(aeon-toolkit.org),提供分类、回归、聚类、预测、异常检测、分割、相似性搜索、距离度量、变换、基准测试与可视化等算法,并保持一致的估计器 API。该技能面向时间序列机器学习任务,示例针对 aeon 1.x(稳定文档 v1.4.0)。安装需 Python 3.10+(推荐 3.11+),可用 uv pip install "aeon>=1.4,<2",深度学习等可选估计器需安装 aeon[all_extras]。上游将 forecasting、anomaly_detection、segmentation、similarity_search、visualisation 视为实验性模块,接口可能在小版本间变化;生产流程建议优先使用稳定模块(classification、regression、clustering、distances、transformations)。
Dask 是一个用于并行与分布式计算的 Python 库,主要面向超出内存容量的 pandas/NumPy 工作流。它支持单机上的超内存执行、多核并行处理,以及跨多台机器的分布式计算,可从笔记本(约 100 GiB)扩展到集群(约 100 TiB),同时保持熟悉的 Python API。当前上游版本为 dask 2026.3.0(PyPI,2026 年 3 月),自 2025.1.0 起基于表达式的 DataFrame API 与查询规划是唯一实现,无需单独安装 dask-expr。安装需 Python 3.10+,DataFrame I/O 需 PyArrow 16+。适用于处理超出 RAM 的数据集、扩展 pandas/NumPy 操作、并行化计算、高效处理多文件以及构建自定义并行工作流。
DSPy 是斯坦福 NLP 团队推出的声明式语言模型编程框架,用于构建和优化语言模型程序。它通过 Signatures(签名)定义任务的输入输出结构,通过模块(Predict、ChainOfThought、ReAct、ProgramOfThought)组合出可复用的 AI 组件,并借助优化器(BootstrapFewShot、MIPRO、BootstrapFinetune)用数据驱动方式自动改进提示词,替代手工提示工程。支持构建 RAG 系统、智能体、分类器等多阶段流水线,可跨不同语言模型提供商使用,并支持保存、加载与评估优化后的模型。
Instructor 是一个 Python 库,用于从大语言模型(LLM)的响应中提取结构化、经过验证的数据。它结合 Pydantic 响应模型,支持嵌套模型、枚举、可选字段、内置与自定义校验器,并在校验失败时自动重试,将错误反馈给模型。Instructor 提供一致的 API 以支持多个 LLM 提供商(如 Anthropic Claude、OpenAI),并支持流式输出部分结果和可迭代对象。安装方式为 pip install instructor,可按提供商安装扩展。适用于需要可靠数据抽取、类型安全、自动校验与重试的场景。
NetworkX 是一个用于创建、操作和分析复杂网络与图的 Python 库。本技能面向 NetworkX 3.x(当前稳定版 3.6,要求 Python >= 3.11),适用于处理网络或图数据结构,包括社交网络、生物网络、交通系统、引文网络、知识图谱等任何涉及实体间关系的系统。技能涵盖图的创建与操作(Graph、DiGraph、MultiGraph、MultiDiGraph 四种主要类型,节点可为任意可哈希对象并支持属性)、图算法(最短路径、中心性度量、社区检测、连通性等)、图生成器(经典图、随机网络、结构化网络)、图的读写(边列表、GraphML、GML、JSON、Pandas、矩阵格式等)以及可视化(matplotlib 绘制、布局算法、出版级图形)。技能还包含参考文档,覆盖图基础、算法、生成器、I/O 和可视化,并提供智能体操作流程与完整性规则。
Pinecone 是一个面向生产级 AI 应用的托管式无服务器向量数据库。本技能文档介绍如何通过其 Python 客户端以及 LangChain、LlamaIndex 集成来使用 Pinecone,涵盖索引创建、向量写入与查询、元数据过滤、命名空间、混合检索(稠密+稀疏向量)等核心操作,并给出性能指标、定价信息与最佳实践。适用于需要托管、自动扩展、低延迟(p95 <100ms)的 RAG 生产场景,以及需要混合搜索、不想自行管理基础设施的情况。文档同时说明何时应改用 Chroma、FAISS、Weaviate 等替代方案,并附有智能体操作流程与完整性规则。
scikit-survival 是一个用于生存分析的 Python 库,主要处理右删失结构化结局。该技能覆盖 scikit-survival 0.28.0 的工作流,包括 Cox PH、Coxnet、IPC ridge、生存树、随机生存森林、梯度提升和生存 SVM 等模型,以及区分度、预测误差、校准导向检查和时间依赖预测等评估方法,还支持竞争风险下的非参数累积发生率。技能强调防泄漏流程:先划分数据再拟合预处理,在管道内完成插补、编码和缩放,使用嵌套交叉验证调参,并在训练数据上拟合删失分布。它提供多个本地命令行工具,用于验证生存数据 CSV、训练模型、评估指标和生成模型报告,默认使用确定性合成数据,不进行网络调用。该技能不提供 Fine-Gray 回归,模型输出不应作为临床建议、因果证据或临床效用证明。
SymPy 是一个用于符号数学计算的 Python 库,支持以数学符号进行精确计算,而非数值近似。该技能面向需要在 Python 中完成精确符号运算的场景,涵盖符号代数、微积分、方程求解、符号线性代数,以及通过 lambdify/LaTeX 进行代码生成。资料显示其测试版本为 SymPy 1.14.0(2025 年 4 月稳定版),要求 Python 3.9+,可使用 uv pip install "sympy>=1.14" 安装,可选安装 numpy、scipy、matplotlib 以支持 lambdify 与绘图示例。技能文档按模块组织参考文件,覆盖符号计算基础、微积分、方程求解、矩阵与线性代数、物理与力学、进阶数学主题、代码生成与输出打印等能力领域,并给出最佳实践(先定义符号、使用假设、精确算术、按需数值求值、用 lambdify 提升性能、选择合适的求解器)、常见用例模式、与 NumPy/Matplotlib/SciPy 的集成方式、常用函数速查、入门示例与常见问题排查。
Hugging Face Transformers 是一个提供数千个预训练模型的库,覆盖自然语言处理、计算机视觉、音频和多模态任务。该技能用于加载 Hub 上的模型、执行 pipeline 推理、文本生成,以及使用 Trainer 在自定义数据上进行微调。资料中给出了安装命令、认证方式、核心能力(pipeline 推理、模型加载、文本生成、训练微调、分词)、常见使用模式与参考文档,并强调版本固定、令牌安全与结果可验证等操作规范。
MediaPipe 姿态检测技能,用于调试关键点跟踪、调整置信度阈值、修复姿态检测问题,并配合 kinemotion 的 pose.py 等模块分析跳跃动作。
用于从本地机器管理远程 Sprites 的技能,基于 sprite CLI 控制运行在 Fly.io 上的持久化隔离 Linux 虚拟机,覆盖列出实例、远程执行命令、管理检查点、传输文件、网络与服务管理等常见操作。
cargo-nextest 是 Rust 的下一代测试运行器,每个测试在独立进程中执行,提供更好的隔离性与并行性能,支持高级过滤、重试与 CI 集成。
解释 Ledger 设备管理套件(DMK)API 背后的设计理念与领域概念,涵盖 Clear Signing、Secure Channel、BOLOS、会话、传输层、派生路径与真伪校验等,帮助开发者理解 API 为何如此设计。
将开发者的自然语言意图映射到 Ledger 设备管理套件(DMK)的正确组件、操作与 API 方法,帮助在实现前确定应调用的接口。属于技能类工具,可被 ledger-dmk-implementation 作为连接器加载。
根据 git 提交自动生成中文日报或周报的技能,按项目分组整理提交主题,适合写日报、站会或周报时使用。支持禅道缺陷编号回填,并可按仓库根目录批量扫描多个仓库。