performing-ssl-tls-inspection-configuration
在下一代防火墙与正向代理上配置 SSL/TLS 解密检查(break-and-inspect),通过内部 CA 签发证书实现 HTTPS 流量的解密、检查与再加密,用于发现恶意软件、数据外泄与命令控制通信。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-21 00:15
258,936 个结果
在下一代防火墙与正向代理上配置 SSL/TLS 解密检查(break-and-inspect),通过内部 CA 签发证书实现 HTTPS 流量的解密、检查与再加密,用于发现恶意软件、数据外泄与命令控制通信。
基于 Kismet 的无线网络安全评估技能,使用被动监听模式检测非法接入点、隐藏 SSID、弱加密与未授权客户端。
该技能用于扫描代码库中的架构改进机会:找出可被"深化"的浅层模块,将其以可视化 HTML 报告形式呈现,再由用户选择其一后通过提问式流程逐步推演重构决策。目标是提升可测试性与 AI 可导航性。它基于项目领域模型与共享的架构词汇(模块、接口、深度、接缝、适配器、杠杆、局部性),并在报告中为每个候选方案提供涉及文件、问题、方案、收益、前后对比图与推荐强度,最后给出首选建议。
该技能用于把口播素材剪辑成成片短视频,包括 Reel、YouTube Short 或短广告。它强调以好奇心驱动的开场、有回报的悬念、故事化剪辑、与转录同步的动态图形、移动 B-roll、字幕、轻音乐和同步音效。默认输出 1080x1920,也可按要求合成 1920x1080。适用于短视频剪辑;长视频请用 edit-video,仅去除停顿请用 cut-silences。
这是一个用于设计长篇口播(talking-head)视频视觉层的方法论技能,核心思路是把整支视频的视觉做成一个持续存在、摄像机在其中穿行的统一世界,而不是每隔几秒切换一张独立图形。它适用于有脚本的口播视频,例如新闻点评、单主题深度解析、对比评测、教程或清单式内容。技能针对的典型问题是:编辑结果被判定为“混乱”“文字太多”“难以跟上”或“一眼就是 AI 做的”。内容覆盖持续世界、镜头语法(世界/区域/细节三种高度)、聚光灯规则(同一时刻仅一个元素最亮)、空间化开放式悬念(画面上可见的未完成物)、装饰与设计令牌纪律、基于词级转写的时序对齐,以及各类校验关卡。技能目录中提供设计系统参考文档、开放式悬念几何示例和练习工作表。该技能与仅用于在口播画面上叠加卡片式图形的 hyperframes-video-beats 不同,它设计的是视频内容本身所处的视觉世界。
Dioxus 知识补丁技能,用于创建、迁移、调试、测试或打包 Dioxus 应用,覆盖组件响应式、资源样式、全栈路由、CLI 与平台打包、渲染器测试、迁移边界及生态 SDK 等主题,并提示 0.8.0-alpha.1 为预发布指引。
check-existing 是一个面向开发流程的调研型技能,用于在动手实现新功能之前,先澄清需求,再系统性地检索是否已有现成的库、工具或项目内本地包(含 monorepo 组件)能够解决问题,从而避免重复造轮子、把自研范围压到最小。它的工作流分为五个阶段:先查阅项目既有的决策记录(docs/decisions/ 中的 ADR 索引)与经验教训文档,避免重复踩坑;再通过逐个提问的方式澄清需求,包括意图、技术细节、约束与优先级以及搜索关键词;随后整理出结构化的需求定义;接着优先排查项目内部的替代方案(借助 investigation agent、依赖树、Grep 检索本地包与 monorepo 结构),再分层次检索外部开源方案(PyPI、GitHub Topics、标准库,再到实现示例、对比文章、Stack Overflow,最后到最新趋势),并通过 Context7 MCP 或官方文档获取一手资料,用 solutions agent 对候选方案做适配度、实现成本与风险的比较;最后输出调研结论与推荐,按完全替代、组合利用、参考实现三档给出候选,并说明采用建议或自研的最小范围。该技能在需求尚未完全确定时也可启动,通过提问逐步具体化。它只负责调研,不负责设计与实现,完成后会移交给 Plan Mode 或后续的规划流程,并建议将可复用的判断依据沉淀为 ADR。
Unity 6 的 2D 游戏开发指南,涵盖精灵与 SpriteRenderer、Sprite Atlas、Tilemap、2D 物理、URP 2D 光照及排序层等内容,并提供常用 C# 模式与反模式说明。
基于 Unity 6.3 LTS 与 Cinemachine 3.1 包的程序化相机系统指南,涵盖虚拟相机、优先级切换与混合、跟随/第三人称/轨道(FreeLook)/2D 相机、瞄准组件、状态驱动相机、脉冲抖动与噪波、目标组、输入轴控制及 v2 到 v3 迁移。
Unity 生命周期与执行顺序正确性模式集合,用于排查初始化顺序、销毁时机、fake-null、禁用组件、编辑器与运行时差异等常见错误,避免 MissingReferenceException 和“编辑器正常、打包失败”问题。
Portfolio Manager 是一个投资组合分析技能,通过集成 Alpaca MCP Server 获取实时持仓数据,对资产配置、分散度、风险指标、个股表现进行综合分析,并给出再平衡建议,最终生成 Markdown 格式的组合分析报告。
使用 ArgoCD 与 Flux 实现声明式 Kubernetes 部署的 GitOps 工作流指南,涵盖声明式部署模式、渐进式交付、多环境管理及密钥安全处理,适用于为 Kubernetes 搭建 CI/CD 的场景。
面向技能(skill)编写者的测试方法:把 RED-GREEN-REFACTOR 循环用于流程文档,通过子代理压力场景验证技能在压力下是否被遵守、能否抵御各类合理化借口,适用于纪律性、有执行成本的技能。
Battlecard Generator 是一个面向产品营销(PMM)与销售团队的竞品情报技能,从竞品官网、评价、广告、社交与定价等公开渠道做研究,生成结构化的销售对战卡(battlecard),用于在竞争性交易前快速了解对手定位、优劣势与应对话术。
用于在 NocoBase 3 源码工作区中开发和维护 NocoBase v3 插件的技能,涵盖脚手架、shadcn UI、Client/Server/CLI 贡献、数据库资源、国际化、注册与生命周期、测试与交付等任务。
该技能用于从智能体查询 Auto Ontology 的当前实现,并验证生成的 SQL、返回行和答案,不限定具体的运行框架、SDK 或模板。主要能力包括:通过 MCP 或认证的 REST 网关访问 Auto Ontology,检查就绪状态与认证状态,搜索语义层术语,确认问题是否可回答,发起文本到 SQL 的提问获取答案、SQL 和最多 100 行结果,并在呈现结论性答案前校验实质意图、SQL、行数据、截断和文字描述。适用场景包括基于 Auto Ontology 的受控问答、语义层探索和问答结果质量检查。使用前提是已有运行中的 Auto Ontology 部署及认证的 MCP 或 REST 客户端;若未运行需先使用 nvidia-ontology-setup。限制:该技能只读和验证答案,不直接暴露 FastAPI,不写入语义定义,不发布治理结果,不提供原始模式浏览器;写操作和发布需移交 nvidia-ontology-management。
i4h-workflow 是用于 i4h 工作流运行时的导航技能,依据仓库实时信息向用户说明架构并路由到最合适的阶段技能。适用于架构、支持或“从哪里开始”类问题;本身不执行安装、创作、仿真、数据处理、训练或评估。
Podchaser API 技能,用于通过 GraphQL 接口查询播客数据。当用户提到 Podchaser、播客、播客搜索或询问播客信息时使用,可搜索播客与单集、获取详情、分类、榜单排名及创作者信息。
Short.io API 链接缩短技能,用于创建、查询、更新、删除短链接及查看点击统计。当用户提到 Short.io、链接缩短、短 URL 或 URL 管理时使用。需配置 SHORTIO_TOKEN 与 SHORTIO_DOMAIN。
OpenTelemetry 组件遥测发射清单:按上游版本固定记录 Collector 组件与 SDK 插桩包实际发出的 spans、metrics、logs 及属性,供查询某组件某版本究竟会发出哪些遥测信号。
OpenAgreements 是一个法律内容库与模板填充工具,提供律师审阅的实务指南、审查清单、50州法律调查和可填写协议模板,并可将标准表格填充为可签署的 DOCX 文件。
来自 Vercel Engineering 的 React 与 Next.js 性能优化指南技能,含 64 条规则,按影响程度分为 8 类,用于编写、审查或重构 React/Next.js 代码时参考。
用于撰写或审阅 OpenClaw 开发者文档的技能,覆盖 API、SDK、CLI、集成、快速上手与平台指南,强调以任务为导向、示例可运行、生产风险就地说明,并配合文档构建与链接检查等验证流程。
ui-agent-patterns 是一个关于如何编排 AI 智能体来完成界面(UI)生成、优化与维护的技能(Skill),来源为 ormus-solutions/libreuiux-claude-code。它把 Karpathy 提出的“新编程语汇”(Agents、Subagents、Prompts、Contexts、Memory、Modes、Permissions、Tools、Plugins、Skills、Hooks、MCP、Workflows)与实际 UI/UX 开发流程结合起来,重点解决“如何把 UI 工作委派给智能体”的架构选择问题:是用一个综合主智能体,还是用多个专业化智能体协作。内容涵盖三种智能体架构模式(综合主控、专业智能体集群、层级委派)、三种多智能体工作流(设计到代码流水线、迭代优化循环、并行变体生成)、设计决策记忆模式,以及智能体的模式与权限边界,并列出需要避免的反模式(如单体巨型提示词)。使用时由编排器规划任务,再把研究、设计、实现、评审等环节分派给具有不同权限的智能体,最终产出可落地的界面代码。适合需要在设计系统、复杂页面生成、组件流水线等场景中扩展 UI 生成能力的开发者与设计工程团队。