rattles-terminal-spinners
Rattles 是一个极简、零依赖的 Rust 终端加载动画（spinner）库，内置多种预设，支持 no_std 环境。它无运行时和生命周期，可在渲染循环中直接构造，开销极低。
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 10-28 00:17
全部 Skills
239,646 个结果
spanora-setup
Spanora Setup 是一个用于在 JavaScript/TypeScript 或 Python 项目中接入 Spanora AI 可观测性的技能，可自动检测项目语言、包管理器与所用 LLM SDK，安装依赖并按其集成模式为 LLM 调用添加追踪与监控。
godot-3d-world-building
这是一个面向 Godot 引擎的 3D 关卡搭建技能，聚焦 GridMap、MeshLibrary、CSG 布尔几何、遮挡剔除与运行时 GridMap 构建等专家模式。适用于制作 3D 关卡、模块化瓦片集或 BSP 风格几何体。技能强调若干硬性约束：GridMap 不会自动生成导航网格，需手动烘焙；CSG 仅用于原型，最终几何应烘焙为静态网格；放置瓦片后不可再改 cell_size；MeshLibrary 条目必须验证碰撞；CSG 烘焙需等待一帧；运行时不可动画 CSG 节点；GridMap 中不应放通用逻辑节点；CSG 不支持非流形网格。技能附带多个脚本，如碰撞生成、运行时 GridMap 构建、CSG 烘焙工具、安全烘焙、LOD 管理、遮挡设置、代理瓦片逻辑管理与世界流式加载。天空、雾、环境配方不在本技能范围，需转向 godot-3d-lighting。
godot-performance-optimization
面向 Godot 引擎的性能分析与优化技能蓝图，覆盖帧率下降、内存泄漏、绘制调用等问题，强调先用 Debug → Profiler（F3）定位瓶颈，再按症状选用对象池、可见性剔除、MultiMesh 实例化、WorkerThreadPool 等方案。
write-unit-tests
为 tldraw SDK 编写单元测试与集成测试的技能。适用于在 packages/editor 或 packages/tldraw 中创建新测试、增加测试覆盖率或修复失败测试的场景。测试使用 Vitest，需在工作区目录而非仓库根目录运行。技能内容涵盖测试文件放置位置、不同包的 TestEditor 差异、运行命令、以及若干实践注意事项，例如滚轮与捏合事件需要额外 emit tick 才能生效、几何浮点比较应使用自定义的 toCloselyMatchObject、依赖动画的代码需要替换 requestAnimationFrame 桩、在 afterEach 中释放 editor、以及对 editor 的 vi.spyOn 必须 mockRestore。还包含使用 createShapeId、优先整体对象比较、用 expectToBeIn 断言状态机、用 @ts-expect-error 断言类型级别拒绝等约定。
business-strategy
面向战略规划、竞争分析、市场进入、并购战略、组合管理与战略决策的商业战略技能，提供波特五力、BCG矩阵、麦肯锡九宫格、SWOT、蓝海战略、市场进入模式、并购协同与整合、平衡计分卡、决策矩阵和情景规划等框架与模板。
auto-review-loop-minimax
基于 MiniMax API 的自主多轮研究评审循环技能，自动执行“评审→修复→再评审”，直到外部评审给出正面评价或达到最大轮次。
dse-loop
dse-loop 是一个面向计算机体系结构与 EDA 的自主设计空间探索（DSE）技能，以“运行→分析→调参→重复”的方式自动迭代，直到达成目标或超时。支持 gem5、yosys、verilator、openroad、abc/sby、cacti 等常见工具流程，通过约束与指标驱动搜索。
form-validation
该技能用于实现表单验证，涵盖客户端验证、服务端同步以及实时错误反馈，并支持 TypeScript 类型安全。它整合了 React Hook Form、Formik、Vee-Validate 以及自定义验证器，适用于构建健壮的表单处理逻辑。当需要进行用户输入验证、表单提交处理、实时错误反馈、复杂验证规则或多步骤表单时，可以使用该技能。
stress-testing
压力测试（Stress Testing）是一套用于验证系统在极端负载下行为表现的测试方法与实践指南，属于 aj-geddes/useful-ai-prompts 项目。其核心目标是找出系统的崩溃点、容量上限与失效模式，并验证系统在压力下的恢复能力。内容涵盖何时使用压力测试、k6 快速上手示例、参考指南与最佳实践。适用场景包括：确定系统容量极限、识别崩溃点、测试自动扩缩容行为、验证高负载下的错误处理、测试故障后恢复、规划容量需求、验证优雅降级以及测试突发流量处理。资料提供了 k6 脚本示例，通过分阶段逐步提升虚拟用户数（100→200→300→400）并设置阈值（如 p(99)<1000ms、错误率<5%）来模拟压力递增与恢复过程。参考指南目录包含 k6 压力测试、尖峰测试、浸泡/耐久测试、JMeter 压力测试、自动扩缩容验证与崩溃点分析。最佳实践强调在类生产环境测试、监控所有系统资源、逐步加压、测试恢复、记录崩溃点、监控内存泄漏，并避免在生产环境无保护测试、跳过恢复测试、忽略警告信号、只测成功场景、假设线性扩展、忽略数据库容量与第三方依赖等。
backend-testing
Backend Testing 是一个面向后端测试的“packet-first”技能，用于把模糊的后端测试需求整理成一份可执行的后端测试方案。它适用于 API、服务、仓储、worker、集成与认证流程的覆盖设计，帮助判断该用单元、集成、契约/API 还是窄范围冒烟测试，并明确依赖真实性（mock、fake、容器化真实依赖）以及 fixture、seed/reset、认证引导和环境控制策略。它还能用于稳定 CI 专属或间歇性失败的后端测试套件，以及划分本地快速、PR、定时和发布等执行通道。该技能强调先分类请求到正确的测试 packet，再选择最小可信的测试层组合，并明确本地与 CI 的职责边界。对于组织级测试策略、API 契约形状设计、认证实现等任务，它会路由到相应技能，而不是越界处理。
arize-phoenix-migration
该技能用于将现有 Phoenix（PX）的 traces、datasets、experiments 以及已存储的评估结果迁移到 Arize AX，并验证导入的记录。当用户提出将 Phoenix 项目迁移到 AX 时使用。运行需要 Python 3.10 或更高版本、shell 访问权限，以及能访问 Phoenix 和 AX 的网络环境；不要求特定的编码智能体、ax CLI 或 AX Phoenix 连接器。典型的小型或中型迁移大约需要 5–20 分钟，大型导出或 AX trace 索引可能更久。迁移前会先盘点 Phoenix 中可支持的数据，展示建议的 AX 组织、空间和全新目标名称，让用户选择全部或部分数据并接受或重命名 AX 项目，然后迁移并验证所选记录，最后返回指向新 AX 项目、数据集和实验的直接链接。
better-logging
Better Logging 是一个面向开发者的可观测性技能，目标是把 HTTP、IPC、tRPC、后台任务、启动流程与队列中的关键操作，转化为持久化、可查询的结构化结果事件，从而用一次查询回答“发生了什么”，而不是在多条日志中反复翻找。它强调以“运行时拥有的一个操作”为埋点单元，而不是在代码里散布零散日志语句。该技能提供审计脚本先扫描仓库中可能的操作边界、既有埋点、关联字段与持久结果信号，并给出事件 schema、Electron/tRPC/IPC 与 Node HTTP/队列/定时任务的运行时模式参考，以及上线与查询清单。使用方式为先运行 scripts/audit_queryable_outcomes.py，再按运行时读取对应参考文档，定义规范事件结构，然后在边界处添加统一 wrapper，从入口开始记录、运行中补充上下文、在 finally 中完成并持久化，确保成功与失败路径都会产生结果。适用场景包括 HTTP 处理、tRPC 过程、IPC 命令、队列消费者、后台作业、定时任务与启动流程等。限制与注意事项：应优先只对最关键的 3 个操作埋点；错误码需稳定可查询；必须记录耗时与重试次数并尽早加入关联字段；敏感信息需脱敏或哈希；不应默认输出巨型对象；操作真相与产品分析要分开，可镜像但不可替代；不应依赖临时控制台日志或内存缓冲；具体支持的框架生态、版本与完整安装步骤暂未提供。
ClawdStrike
ClawdStrike 是一款面向 OpenClaw 网关主机的安全审计与威胁建模技能。它用于核查 OpenClaw 的配置、暴露面、技能与插件、文件系统卫生状况，并输出确定性的 OK/VULNERABLE 报告，包含严重程度、证据与修复建议。该技能要求以 Verified 模式运行，立即执行 scripts/collect_verified.sh，并仅使用严格白名单内的命令，禁止运行远程内容、禁止泄露密钥、默认不修改系统，仅以说明形式提供修复方案。报告基于 verified-bundle.json 生成，逐项评估必查清单，附简短威胁模型，并以证据表格呈现，每行需引用已验证的键并给出脱敏摘要。
knowledge-distillation
知识蒸馏（Knowledge Distillation）是一项用于压缩大语言模型的技术，通过将大型教师模型（teacher）的能力迁移到小型学生模型（student），在保留大部分性能的同时降低推理成本。该技能适用于将 70B 模型压缩至 7B 并保留 90% 以上性能、把专有模型（如 GPT-4）能力迁移到开源模型（LLaMA、Mistral）、部署更小的学生模型以降低推理成本、通过蒸馏领域知识创建专用模型，以及利用大教师模型生成的合成数据改进小模型。核心技术包括温度缩放、软目标、反向 KLD（MiniLLM）、logit 蒸馏和响应蒸馏。
bug-report
用于从描述生成结构化缺陷报告，或分析代码潜在缺陷的技能，支持报告生成、验证与关闭三种流程，输出含复现步骤、严重级别与优先级的缺陷文档。
Animation Principles - Master
从视觉心理学与叙事角度解释动画十二原则为何有效，面向教学或导师级学习者，帮助理解各原则在人类感知中的起源。
continuous-loops
连续循环动画（Continuous Loops）是动画原则技能中的一个主题，用于指导创建永不停歇的循环动画，例如加载旋转指示器、脉冲提示、环境动效和背景效果等。该技能将迪士尼十二动画原则应用到无限重复的动画中，强调循环动画应做到无缝衔接、幅度克制、节奏合理。内容涵盖挤压与拉伸、预备动作、舞台布置、缓入缓出、弧线运动、次要动作等原则在循环动画中的具体应用方式，并给出快速、中等、慢速循环的时长参考，以及旋转、脉冲、骨架屏微光、打字点、呼吸、漂浮等常见循环类型的时长、缓动和迭代参数。同时提供用 CSS 关键帧实现平滑旋转、自然脉冲和错位圆点的代码示例，并列出仅使用 transform 与 opacity、添加 will-change、用 Intersection Observer 暂停屏幕外动画、遵循 prefers-reduced-motion 等性能规则，以及首尾关键帧一致以实现无缝循环的公式。
exaggerated-clarity
一套动画原则技能，用于让动作在快速播放中依然清晰有力。核心思路是像舞台演员一样放大意图，通过夸张、剪影、挤压拉伸、时间对比等手段，让喜剧、动作高潮或关键剧情点被观众明确读懂。
power-confidence
一套用于打造传达力量、权威与自信感的动画设计原则，基于迪士尼动画十二法则，给出挤压拉伸、预备、缓动、时间等参数建议，适用于品牌与产品中的英雄区、高端展示等场景。
naming
一个用于诊断命名问题并指导创建有效名称的智能体技能，覆盖品牌名、产品名、角色名、地名和标题。它从声音、含义、文化和功能四个层面分析名称为何失败，并给出改进方向。
longbridge-adr-premium
基于长桥证券数据，分析美股 ADR、港股 H 股与 A 股之间的跨市场溢价或折价，输出比价表与套利约束说明。
longbridge-basicinfo
longbridge-basicinfo 是 Longbridge 技能，用于查询长桥可交易证券（股票、ETF、期权、权证）的静态基础信息，如公司名称、上市日期、交易所、行业、股本结构、市值、IPO 价格、官网和地址。
longbridge-competitive-analysis
longbridge-competitive-analysis 是一个用于构建企业竞争格局分析框架的技能。它围绕锚定公司，整合波特五力分析、同业财务与估值对比、护城河评估以及潜在颠覆者识别，最终输出结构化的竞争分析报告。该技能通过 Longbridge CLI 获取行业估值、财务报表、新闻和估值快照等数据，支持简体中文、繁体中文与英文，并按用户输入语言返回结果。适用于需要快速了解某公司竞争地位、竞争对手、行业结构和护城河强度的场景。