Skills
收录 96,981 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。
云与 DevOps
DataWorks 数据开发 Skill。创建、配置、校验、部署、更新、移动和重命名节点与工作流。管理组件、文件资源和 UDF 函数。涵盖 150+ 种节点类型:Shell、SQL、Python、DI、Flink、EMR 等。支持通过 aliyun CLI 或 Python SDK 进行定时和手动的工作流编排。警告:支持需要用户明确确认的变更操作(移动、重命名)。此 Skill 不支持删除操作。触发词:DataWorks、数据开发节点、工作流、FlowSpec、调度任务、数据集成、ETL 管道、.spec.json。也适用于 Alibaba Cloud 数据开发、调度节点配置、FlowSpec 格式或 DI 任务编排。
调试使用已连接提供方及其原生端点的推理客户端,包括托管 API 和主机本地的 Ollama、vLLM、SGLang、TRT-LLM、LM Studio 或 NIM。适用于提供方连接、端点策略、凭据替换、拓扑,以及从已移除的托管推理端点迁移。触发关键词:debug inference、managed inference endpoint、local inference、ollama、lm studio、vllm、sglang、trtllm、NIM、inference failing、model server unreachable、credential_endpoint_mismatch、host.openshell.internal。
Oracle Cloud Infrastructure 指南,涵盖 OCI 服务的设计、运营和故障排除,包括 OCI Kubernetes Engine(OKE)、OCI Internet of Things Platform、OCI Functions 部署和故障排除,以及面向 OCI Generative AI 模型、Responses API Agent、RAG、成本估算、治理、私有端点、托管式 Agent 应用和 Oracle 平台集成的企业 AI 工作流。适用于用户询问 OKE 集群设计、Terraform 或 Resource Manager 规划、OKE 事件排查、Generic VNIC Attachment、Multus、Pod 网络、节点池、插件、入口、负载均衡器、OCIR 镜像拉取、Workload Identity、OCI 上的 Kubernetes 工作负载、OCI IoT 域或数字孪生、设备发布流程、OCI Functions 设置、部署、调用或故障排除、OCI Generative AI、Enterprise AI Models、Enterprise AI Agents、受治理的 GenAI 应用、Oracle Cloud 上的 Agent 工作流、RAG 或 OCI Generative AI 定价。
安装并使用 Render CLI 执行部署、查看日志、SSH、psql、Blueprint 验证和自动化操作。用户需要运行 Render CLI 命令、在 CI/CD 中编写部署脚本、使用 API 密钥进行身份验证、以非交互方式查询服务或排查 CLI 身份验证问题时使用。触发词:render CLI、render login、render deploys、render logs、render ssh、render psql、render blueprints validate、render skills、RENDER_API_KEY、非交互、CI/CD 部署。
Elastic 集成的输入模板配置。涵盖所有非 CEL 输入类型的 agent 流模板(agent/stream/*.yml.hbs):HTTPJSON、AWS S3、CloudWatch、Azure Blob、Azure EventHub、GCS、GCP Pub/Sub、TCP、UDP、HTTP Endpoint、Filestream、Logfile、Journald、Winlog 和 WebSocket。还涵盖用于无 agent 的 AWS 集成的 Federated Identity(Cloud Connectors),包括 CEL 流模板上的 auth.aws / use_cloud_connectors 块。CEL 程序逻辑请使用 cel-programs 技能。
对 Atlassian Forge 应用进行轻量级发布前就绪度审查,涵盖清单/模块连接、架构、运行时兼容性、依赖状况、测试、部署准备情况,以及明显的安全、成本或可靠性问题。用户提出“审查我的 Forge 应用”“部署前检查”“这个应用可以发布了吗”“审查清单”“常规应用审查”“发布就绪度”,或要求全面检查质量时使用。不要用于深入安全审计/SAST/可利用性审查、成本优化或诊断已知故障的应用;这些情况分别交由 forge-security-review、forge-cost-optimizer 或 forge-debugger 处理。
用于构建 Kubernetes Operator(协调 CRD 状态的自定义控制器)。触发词:"构建 operator"、"CRD 设计"、"reconcile 循环"、"controller-runtime"、"kubebuilder"、"operator-sdk"、"metacontroller"、"KOPF"、"operator 能力级别"或"自定义资源"。附带 CRD 校验器、reconcile 循环 linter 和 OperatorHub 能力审计器(均为纯 Python 标准库)、4 篇关于 operator 模式 + CRD 设计 + reconcile 模式 + 工具生态的参考资料,以及 /operator-audit 斜杠命令。不是通用的 k8s 技能——专注 Operator 模式。
在任何项目(JavaScript/TypeScript 或 Python)中配置 Spanora AI 可观测性。用户要求“add spanora”“setup spanora”“integrate spanora”“add AI observability”“monitor LLM calls with spanora”“track AI costs”,或在为项目添加可观测性的语境中提到 spanora 时使用。检测语言和已安装的 AI SDK(Vercel AI、Anthropic、OpenAI、LangChain),并配置最佳集成方式。
监控与可观测性的策略、落地和排障。当用户提到监控、可观测性、指标、日志、链路追踪、告警、SLO、Prometheus、Grafana、Datadog、Loki 或 OpenTelemetry 时使用此技能。触发场景包括:设计指标策略(Four Golden Signals、RED/USE)、搭建 Prometheus/Grafana/Loki、创建告警或仪表盘、计算 SLO 和错误预算、使用 OpenTelemetry 进行埋点、分析性能问题、在监控工具间做选择、优化 Datadog 成本、迁移到开源技术栈,以及设置分布式追踪。
在 Upstash Box 中工作:这是一个通过远程 Upstash MCP 服务(mcp.upstash.com)驱动的沙箱云容器,可替代本地机器。用户要求在远程、沙箱、云端或 Box 中运行、构建、测试、克隆或编辑内容时使用;交付物为拉取请求、公开预览 URL 或运行中应用的截图时使用;本地机器无法完成任务时使用(没有用于 gh 的 GitHub 登录方式、无法公开端口、本地检出内容混乱或速度缓慢);需要在不同机器上并行执行多个独立任务、将任务列表转换为拉取请求列表的代码工厂,或交付浏览器、Web 应用、终端程序或 Agent 运行的视频、屏幕录制、演示或延时摄影时使用。只要会话中有 box_* 和 blob_* MCP 工具,即适用,即使没有提及 Upstash。
AEM as a Cloud Service 的 Java/OSGi 最佳实践、防护规则以及从传统模式到云模式的转换。适用于符合 Cloud Service 的 bundle、已弃用的 API、调度器、ResourceChangeListener、复制、Replicator、JCR 观察(javax.jcr.observation.EventListener)、OSGi Event Admin(org.osgi.service.event.EventHandler)、DAM AssetManager、BPA 风格的修复、HTL(Sightly)Cloud SDK lint 警告(data-sly-test 冗余常量值比较),或任何时候需要查阅本技能下详细模式参考模块。
在规划、运行或总结混沌工程实验时使用。触发词包括“chaos experiment”“fault injection”“gameday”“resilience test”“blast radius”“steady state”“abort criteria”“Chaos Toolkit”“Chaos Mesh”“Litmus”“Gremlin”“AWS FIS”,以及任何有意注入故障的问题。包含实验设计器、影响范围计算器和复盘报告生成器(均为 stdlib Python)、4 份关于混沌原则、实验设计、攻击分类和工具生态的参考资料,以及 /chaos-experiment 斜杠命令。可与 feature-flags-architect(将紧急关闭开关用作中止触发条件)和 kubernetes-operator(常见混沌测试目标)组合使用。
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
