better-auth
better-auth 是面向 TypeScript 与 Cloudflare Workers 的自托管认证方案,支持社交登录、2FA、Passkeys、组织与 RBAC 及 15+ 插件。在 D1 上必须通过 Drizzle ORM 或 Kysely 适配,无直接 d1Adapter。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-01 00:15
242,604 个结果
better-auth 是面向 TypeScript 与 Cloudflare Workers 的自托管认证方案,支持社交登录、2FA、Passkeys、组织与 RBAC 及 15+ 插件。在 D1 上必须通过 Drizzle ORM 或 Kysely 适配,无直接 d1Adapter。
pr-review 是一个用于审查 PR/MR 代码差异的技能,通过并行调度多个独立角色子代理(安全审查、资深工程师、测试工程师,以及可选的规格审计)来产出结构化审查发现,再由主会话合并后以一条置顶摘要评论加逐条行内评论的形式发布。它强调主会话自身不参与审查,只负责接收、调度、合并、输出与发布;子代理必须并行且阻塞式运行,任一子代理失败需在置顶评论头部显式暴露,全部失败则直接报告失败而不回退到自我审查。支持 GitHub 与 GitLab 平台,提供 auto/full/incremental/local 模式、dry-run 预演、规格合规校验、测试方向与仓库规则等输入,并包含严重度合并规则与数量上限控制。
销售战术与管道生成技能,提供100+条销售策略库,覆盖拓客、冷启动、需求挖掘、演示、异议处理、谈判成交、账户扩展、流程优化和个人效率。按用户的产品、买家与阶段推荐3-5条战术并给出实施步骤。
该技能用于从RCSB PDB、PDBe、AlphaFold、SWISS-MODEL、3D-Beacons与PDB-REDO等来源检索蛋白质结构,并做身份消歧、质量评估与元数据整理。工具调用须用英文,回答可用用户语言。返回结构简介、质量分层、配体与相似结构等信息,适合结构生物学与药物设计前期调研。
该系统生物学与通路分析技能整合 Reactome、KEGG、WikiPathways、BioCarta、NCI-Nature Pathway Interaction Database 等多个通路数据库,用于通路富集分析、蛋白质-通路映射、关键词通路检索以及跨数据库验证。它支持从基因列表识别富集通路、查询蛋白质参与的通路、按关键词发现相关通路,并整合 BioModels、BiGG 等资源进行系统生物学建模与代谢分析。技能强调“计算而非描述”,要求通过 Bash 运行 Python 代码完成统计与数据处理,并明确区分富集与因果,建议跨至少两个来源验证关键发现。
Excel Data Analyzer 是一个用于分析 Excel 文件的技能工具,主要面向杂乱、非结构化的工作簿,帮助识别数据结构、数据质量问题、格式不一致以及统计模式,并生成 Markdown 格式的分析报告。它能够自动检测列名与数据类型(整数、浮点、字符串、日期、邮箱、布尔、混合类型),统计每个工作表的行列数与不同值数量,并给出示例值。在数据质量方面,它可以检测缺失值比例与数量、标记缺失率超过 50% 的列、识别混合数据类型,以及发现前后空格、大小写不一致、数字被存为文本等格式问题。对于数值列,它会生成最小值、最大值、均值、中位数、标准差,并基于 3 倍标准差规则检测异常值,同时输出出现频率最高的前 10 个值;对于文本列,则统计长度分布与值频率。工具还会根据缺失表头、高缺失率列、格式不一致、重复列名等扣分项,为每个工作表及整个工作簿计算 0-100 的质量评分。使用方式为在 scripts 目录下先执行 bun install 安装依赖,再通过 bun run analyze_excel.ts 命令分析指定 Excel 文件,可自定义输出路径。该工具仅生成分析报告,不执行数据清洗,也不理解业务上下文,异常值检测采用简单的 3-sigma 规则。
LINE Messaging API 技能,用于通过 LINE 平台发送消息和管理机器人。支持获取机器人信息、用户资料、关注者列表,推送、回复、多播、广播文本/图片/模板消息,以及富菜单、Webhook、配额与统计等操作。需设置 LINE_TOKEN 并以 Bearer 令牌认证。
gsd-docs-update 是一个用于生成或更新项目文档的技能,其核心特点是文档内容会与代码库进行核验。该技能属于 open-gsd/gsd-core 仓库,通过命令名称加参数的方式触发。根据提供的资料,它支持两种可选标志:--force 会跳过保留提示并重新生成所有文档,忽略现有内容和 GSD 标记;--verify-only 会检查现有文档与代码库的一致性,不写入任何文件,并报告 VERIFY 标记数量,完整的代码库事实核查需要 gsd-doc-verifier 代理(阶段 4)。如果同时出现 --force 与 --verify-only,则 --force 优先。两个标志均未出现时,运行标准的全阶段生成流程。资料未说明具体的安装命令、收费方式、支持平台或实际使用步骤。
gsd-inbox 是 open-gsd/gsd-core 中的一项技能,用于对 GitHub 仓库中处于打开状态的 issue 和 PR 进行分诊与审查,依据项目模板和贡献指南给出发现结果,并可选执行打标签、评论或关闭等操作。
how 是一个面向代码库的架构解释技能,用于回答“X 是如何工作的”这类问题。它通过探索实际代码,输出适合资深工程师快速建立心智模型的架构说明,并可选进入评审模式,由多模型独立识别架构问题。
Core Animation(QuartzCore)API 参考技能,用于查询 CALayer、各类 CAAnimation、CATransaction、CADisplayLink 等文档,帮助处理图层属性动画、关键帧与弹簧动画、粒子系统及逐帧回调。
面向 iOS、Android 及跨平台框架的移动应用调试技能,用于排查崩溃、内存泄漏、性能问题、网络问题等。内容涵盖 Xcode 与 LLDB 调试、内存图调试器与 Instruments 分析、Android Studio 的 Logcat 与常见问题(ANR、OOM、布局问题)、React Native 远程调试与性能监视器、网络请求拦截,以及一份调试检查清单和性能目标参考(帧率 60 FPS、内存 <100MB、启动 <2 秒)。
一个面向实时通信的 WebSocket 实现技能,基于 Socket.IO 提供连接管理、房间消息、Redis 横向扩展、断线重连与消息队列等能力,可用于聊天系统与实时应用。
这是一个专注于 DevOps 故障排查的专家技能,面向快速事件响应、高级调试和现代可观测性实践。它覆盖日志分析、分布式追踪、性能调试与系统可靠性工程,帮助定位根因并恢复服务。技能内容涵盖可观测性与监控、容器与 Kubernetes 调试、网络与 DNS 排查、性能与资源分析、应用与服务调试、CI/CD 流水线调试、云平台排查、安全与合规问题、数据库排查、基础设施与平台问题以及高级调试技术等方向。使用方式为:先明确目标、约束与所需输入,应用相关最佳实践并验证结果,给出可执行步骤与验证方法;如需详细示例,可打开 resources/implementation-playbook.md。适用于处理 DevOps 故障排查任务或工作流、需要相关指导与检查清单的场景;不适用于与该领域无关的任务或需要其他领域工具的情况。
用于为分享文章、链接或资料起草社交媒体帖子的技能,可生成多个语气与风格合适的候选帖,适配 X、Substack 或知识星球等平台。
ub-mode 是一套面向代码编写与修改的工程实践准则,强调在每次改动中遵循“先让它能跑、再让它正确、最后遵循实践”的顺序。它把工作拆成三个阶段:第一阶段关注最小可行改动、数据形状优先、测试先行、从第一性原理重新设计、先做减法、构建可复用工具等;第二阶段关注修复根因、把工作切成可验证的小单元、测试行为而非实现,并借助 crapper、dryer、mutator 等工具降低复杂度、消除重复、提升变异测试覆盖;第三阶段关注记录操作日志、保护上下文窗口、清理工作树、频繁提交并推送。该技能适合在编码代理或开发者需要按固定纪律推进改动时使用,帮助控制改动范围、减少共享状态、保持业务逻辑纯净,并通过测试与重构证明行为未变。
从 SRT 字幕文件自动生成完整白板动画视频的端到端工作流,依次完成分镜解析、图片生成、视频生成三个阶段。输入 SRT 绝对路径与可选输出目录,产出合并后的白板动画视频。
将现有 ZenStack V2 项目升级到 V3 的迁移技能。V3 用基于 Kysely 的自研引擎替代 Prisma ORM,ZModel 架构大体兼容,查询 API 保持 PrismaClient 兼容,支持 PostgreSQL、MySQL、SQLite。
ShredStream 是一套获取 Solana 预执行交易数据的方案,通过 Jito ShredStream、Shyft RabbitStream 和 Triton Deshred 在验证者执行区块前拿到交易数据,通常比标准 Yellowstone gRPC 早 100-500ms,适合对时间敏感的 Solana 交易策略。
蓝绿部署(Blue-Green Deployment)是一种零停机发布策略,通过维护两套完全相同的生产环境(蓝色与绿色),实现流量瞬时切换和快速回滚。该技能提供蓝绿部署的实现模式、配置示例与参考指南,帮助团队降低发布风险,适用于零停机发布、高风险部署、复杂应用迁移、数据库架构变更、快速回滚需求、环境隔离的 A/B 测试以及分阶段发布策略等场景。
ML Model Explanation 是一套用于解释机器学习模型的提示与代码示例,聚焦于让模型决策变得透明、可解释。它涵盖特征重要性、SHAP 值、LIME、部分依赖图、注意力图与代理模型等解释技术,并区分全局解释、局部解释、特征级解释与模型级解释。资料提供了完整的 Python 实现示例,使用 scikit-learn 构建随机森林与梯度提升模型,演示基于不纯度与排列的特征重要性对比、近似 SHAP 值计算、部分依赖分析、简易 LIME 局部代理模型、决策树可视化、全局模型行为分析以及多种可解释性可视化图表,最终输出特征重要性排名、局部解释、部分依赖图、全局行为分析与模型解释报告等交付物。
用于规划、协调和执行软件发布的提示词技能,覆盖版本管理、分阶段上线、回滚流程与干系人沟通,帮助团队以可控风险将功能部署到生产环境,适用于大型功能发布、多系统部署、数据库迁移和基础设施变更等场景。
面向 Cloudflare Workers 的后端架构技能:在 TanStack Start 应用中按 DDD/六边形分层构建后端,涵盖入口点、消息总线、工作单元、发件箱、幂等,以及 D1、Postgres、Queues、Workflows 等规则。
这是一个面向 React 与 TanStack Start 前端开发的技术技能(Skill),用于规范前端代码的分层与组织方式。它采用 Feature-Sliced Design(FSD)架构,结合 Fowler 的组件分层思想,以及查询与变更工厂(query/mutation factories)模式。适用于处理路由、页面、组件、状态管理、UI 约定等前端任务。该技能明确要求使用 TanStack Start 而非 Next.js,采用传统 SSR + hydration,不使用 RSC 和 'use client'。它规定了从 Route → Page → Feature → Entity → Shared 的依赖方向,并给出目录结构、层间规则、组件架构、数据层工厂、状态管理等详细约定。