rust-implement
面向 Rust 开发的技能,用分阶段多遍流程编写生产级 Rust 代码:先设计类型与签名,再实现,再简化,最后用自带 lint 脚本校验。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-11 00:16
250,387 个结果
面向 Rust 开发的技能,用分阶段多遍流程编写生产级 Rust 代码:先设计类型与签名,再实现,再简化,最后用自带 lint 脚本校验。
通过 Publora 的 MCP 服务器或 REST API 上传、排期 TikTok 视频,支持隐私、评论、合拍、缝合与商业内容披露设置。免费 Starter 计划可用,需 TikTok 账号 OAuth 授权及通过审核的应用才能公开发布。
CodeDrobe One-Shot Theme 是一个用于为 OpenAI Codex 桌面应用(macOS/Windows)创建、打包、安装、监视并验证原创主题的技能,可将一句话需求转化为完整主题,运行时仅依赖 @codedrobe/core。
面向 Polymarket 中心化限价订单簿(CLOB)API 的 TypeScript 客户端,可通过代码在预测市场下单、管理仓位、获取市场数据并构建自动化交易策略。
该技能用于导航 Awesome AI Security 这一精选资源集合,帮助用户按学习路径查找机器学习安全相关内容。资料覆盖 ML 基础课程与书籍、深度学习理论、提示注入、对抗样本、数据投毒与后门、隐私与模型抽取等攻击向量,以及 Garak、Rebuff、Counterfit、NeMo Guardrails 等安全测试与防御工具,还包括 AI 渗透测试与漏洞检测。它是参考仓库,可克隆到本地浏览,也可访问交互式路线图。
H-Pentest 是一个由 AI 驱动的渗透测试平台,采用多智能体架构并结合大语言模型(LLM)编排。平台由 Meta Supervisor、Strategic Supervisor、Worker Agent、Payload Master 与 Report Supervisor 协同工作,完成自动化安全测试。内置 52+ 攻击知识文档、Docker 沙箱执行与实时监控。Worker Agent 基于 ReAct 框架执行任务,配套 Nuclei 扫描、目录扫描、Kali 工具与 RAG 知识检索。提供 CTF 与 RealWorld 两种测试模式,支持 WebSocket 实时监控、人工干预、任务停止与报告生成。可通过 Docker Compose 或本地开发方式部署,配置需提供 LLM 与 Embedding 相关 API key。
orca-eval 是一个用于自我改进流程的技能:扫描最近的 Claude Code 会话日志,提炼最佳实践与反面模式,生成 md 报告并给出流程改进行动建议。报告仅为建议,所有行动须经 propose→gate 审批,不会自动执行。
Visiomaster 是一个面向 Windows 的 Visio 图表重建技能,可将流程图、架构图与论文风格模块图重绘为可编辑的 Visio 文件。它复用 ppt-master 的素材收集、风格提取与图像理解思路,但输出路径改为 image → scene.json → 校验 → Visio COM 渲染 → .vsdx/.svg/.png。
基于MAD中位数绝对偏差的会话花费异常检测技能,用修正z分数找出具体异常会话,对极端值稳健,可配合cost-burn等成本类技能用于告警与CI检查。
cost-burn 是成本追踪体系中的燃尽率趋势观测技能,可将会话花费按时间分桶,计算最新窗口相对此前均值的增量,并可在加速超阈值时以退出码 1 触发告警。
cost-diff 用于比较两份成本摘要 JSON 快照,实现 PR 级别的成本回归检测,回答“这两个特定快照之间发生了什么变化”。它按层级与模型计算差异,并支持比例、金额和令牌类别阈值退出报警。
Cloudflare Workers KV 是 Cloudflare 边缘网络上的全局键值存储服务,本技能提供其使用指南。KV 具备最终一致性、全球低延迟、支持 1GB 以上值、TTL 过期和元数据等特性。技能涵盖命名空间创建、绑定配置、put/get/delete/list 等 API 方法,以及缓存、用户偏好、限流、前缀列表、waitUntil 异步写入等常见用例。同时给出关键规则:始终为临时数据设置 TTL、处理 null、使用元数据、分页列表、使用前缀组织键、在 Worker 内缓存、用 waitUntil 处理异步写入、处理最终一致性、监控速率限制、用 JSON.stringify 处理对象;避免假设即时一致性、超过 25MB 单值、无分页列出全部键、跳过错误处理、用于实时数据、超过速率限制(1000 写/秒)、未加密存储密钥、当作数据库使用、忽略元数据限制(1024 字节)、临时数据不设 TTL。还列出键大小 512 字节、值 25MB、元数据 1024 字节等限制,以及最终一致性说明(写入全球传播约 60 秒,不适合实时数据,强一致可用 D1)。技能附带参考文档、模板、脚本、命令和智能体,帮助完成设置、测试、优化和排错。
TanStack Start(RC)全栈 React 方案,基于 TanStack Router,支持按路由 SSR/CSR、文件式路由、server functions 与 Cloudflare Workers 边缘部署,适用于 Next.js 迁移、边缘渲染及 hydration 问题排查。
Maestro 工作流中的会话记录技能:把当前会话做了什么、做了哪些决策、改了哪些文件、遗留问题和下一步整理成持久化摘要,写入 .maestro/sessions/ 目录。
原生应用性能分析技能,仅通过命令行使用 xctrace 录制 Time Profiler 轨迹、提取样本、符号化并找出性能热点,无需打开 Instruments。资料未提供收费与平台价格信息。
通过 OpenAI Images API 批量生成图片的脚本,内置随机但有结构的提示词采样器,可指定数量、模型、尺寸与质量,并输出图片、提示词映射和缩略图画廊。
面向美国联邦 ICT 无障碍合规的 Section 508 专家顾问技能,可协助填写 VPAT/ACR、开展无障碍审计与差距评估、制定整改计划、撰写采购条款与政策流程,并引用具体 WCAG 2.0 成功准则或 508 条款。
该技能用于生成模特穿戴产品的专业时尚摄影提示词,覆盖姿态指导、造型、灯光与构图,面向广告、社媒、lookbook 等场景。
通过 Chrome DevTools MCP 控制并检查真实 Chrome 浏览器的技能,用于浏览器自动化、页面截图与快照、控制台与网络调试、性能追踪分析以及视口和网络/CPU 模拟。
该技能面向仓库级安全威胁建模,强调基于代码仓库证据而非通用清单,输出具有 AppSec 可操作性的威胁模型。它通过提取系统模型、划分信任边界、清点资产与入口点、校准攻击者能力,将威胁枚举为具体滥用路径,并对每个威胁做定性的可能性与影响评估,最终给出排序后的优先级和针对性缓解建议。整个流程要求所有架构判断都有仓库证据支撑,并将假设显式列出。工作流包含八个阶段:范围与系统模型提取、边界与资产与入口推导、资产与攻击者能力校准、滥用路径枚举、显式优先级推理、与用户确认服务上下文与假设、缓解措施与关注路径建议,以及最终的质量检查。最终结果以 Markdown 文件写出,命名基于仓库或目标目录名。它还会明确区分运行时代码与 CI/构建/开发工具及测试示例,避免把非运行时组件误纳入威胁范围。使用前需准备仓库根路径、范围内的子路径、预期用途、部署模式、互联网暴露情况和认证期望等输入。该技能适合需要对具体代码库做安全评审的团队,尤其是有明确部署与暴露面信息的项目。限制方面:它依赖仓库摘要与用户确认,若缺少上下文会以条件形式标注建议;具体支持的平台、是否收费、价格等信息暂未提供。
EdgeOne Makers 的边缘中间件能力,运行于 V8 运行时,用于请求拦截、重定向、重写、鉴权守卫、A/B 测试与请求头注入。仅适用于非框架或纯静态项目,框架项目应使用框架自带中间件。
该技能是一份用于 Godot 引擎物理查询的专家级蓝图,聚焦 RayCast、ShapeCast 与 DirectSpaceState 的使用。它涵盖命中检测、体积重叠、鼠标拾取以及高性能的服务器端相交查询,适用于实现抛射物、视线判定、地形着地和 AI 传感器等场景。文档提供了按需加载的多个 GDScript 脚本,如直接空间状态射线、形状投射着地检测、穿透式多段命中射线、视野扫描器、反射逻辑、点内形状查询、卡住修复、3D 鼠标拾取、水面浮力高度计算以及查询排除优化。同时给出物理查询的禁用清单,例如不得在 _physics_process 之外访问 direct_space_state、不得在薄射线足够时使用 ShapeCast、不得假设结果返回 CollisionObject 节点、不得假设 RayCast 节点即时更新等。还提供了查询类型决策表,按需求、推荐 API、成本与适用时机进行对照,并附有 3D 鼠标拾取代码示例与官方文档链接,帮助开发者选择最经济可靠的查询方式。
evals-analyze 是用于评估结果分诊与闭环的技能:分析多轮轨迹失败,将规格失败路由到确定性检查或上下文规则,将泛化失败写入评估器待办,并生成跨职能报告与 PR。
evals-clarify 是 ADLC 团队技能中的评估标准整理技能,用于把草拟的评估标准聚类、精炼并接纳进已发布的 goldset,同时隔离出保留集(goldset.md + goldset.json)。