Skills
收录 97,222 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
DWS 集群内存高的根因诊断技能，基于 KooCLI v3.2.0+ 与 DWS Autopilot MCP Server。自动采集内存指标，分析根因（客户侧 / 系统侧），并输出标准化诊断报告。适用于 DWS 集群内存使用率过高、内存告警、OOM 场景。触发词：“内存高”“内存告警”“内存诊断”“内存使用率过高”“内存不足”“OOM”“内存溢出”“动态内存使用率超阈值”“high memory”“memory alarm”“memory diagnosis”。
仅当提示中包含精确目录特征及其全部限定条件时，才查询已记录的 AKS 修复：VMCannotFitEphemeralOSDisk；NodePoolMcVersionIncompatible；“NodeImageVersion is not accepted”；带有大小、位置和区域的 AKS SkuNotAvailable；因区域容量不足导致的 ZonalAllocationFailed；列出约束条件的 OverconstrainedAllocationRequest；嵌套的 AKS vmssCSE/CSE VMExtensionError_OutboundConnFail、VMExtensionError_K8SAPIServerConnFail 或 VMExtensionError_K8SAPIServerDNSLookupFail；或包含完整目录内“内部错误”或“区域容量不足”消息的 AllocationFailed。绝不用于配额错误、仅代码或简略包装错误、一般症状、不完整特征或 AKS 以外的故障；请使用 aks-troubleshooting 或 azure-diagnostics。
Azure Machine Learning Workspace 与 Azure AI Foundry 深入解析。在以下场景主动激活：(1) 创建和配置 Azure ML 工作区，(2) Azure AI Foundry 中心和项目，(3) ML 工作区网络（托管 VNet、专用终结点、DNS），(4) ML 计算群集和计算实例，(5) 托管联机终结点、批量终结点、Kubernetes 终结点，(6) ML 资源的托管标识，(7) 用于自定义环境的 ACR 集成，(8) 存储帐户配置，(9) az ml CLI v2 命令，(10) PowerShell Az.MachineLearningServices，(11) 读取 ML 计算和部署日志，(12) GPU SKU 选择（ND/NC 系列、H100/H200/A100）。提供：工作区设置操作手册、网络隔离模式、终结点部署模板、az ml CLI 速查表以及日志诊断工作流。
基于经过脱敏的只读证据诊断 Splunk forwarder 与数据接入路径。适用于 Universal Forwarder 或 Heavy Forwarder 传输、deployment client 对摄入的影响、HEC 及其他输入、解析与时间戳、事件边界、路由、sourcetype 或 index 不匹配、事件缺失、延迟、重复或丢弃，以及 Splunk Cloud Platform 或 Splunk Enterprise 中的队列或背压；不适用于实时变更、整体架构、设备群策略、HEC token 管理、搜索时提取或由提供商负责的修复。
使用 PromQL/MetricsQL 从 KubeSense 查询 Kubernetes、基础设施和云厂商指标——包括指标发现、标签检查、KubeSense 实际采集的指标族（kube-state-metrics、cAdvisor、node-exporter、OTel hostmetrics、DCGM GPU、JVM，以及 AWS/GCP/Azure/MongoDB Atlas/Confluent/Kong 云资源），以及编写能返回数据的查询所需的标签约定（clusterId、kubesense_cloud_resource_metric）。
使用感知配置文件的只读证据诊断 Day-2 AKS GPU 和 KAITO 事件。适用情况：“Insufficient nvidia.com/gpu”、GPU Pod 处于 Pending、模型加载 OOM、DCGM/VRAM、KAITO Workspace 未就绪或 GPU 自动扩缩容。不适用于：设置（airunway-aks-setup）、非 GPU 事件（aks-troubleshooting）、独立 VM 配额（azure-quotas）或一般成本分析（可选 azure-cost 插件中的 cost-analysis 或 cost-optimization）。
在运行时跨各类工具检测容器逃逸 —— 命名空间操纵、能力滥用、内核漏洞利用、敏感宿主挂载和异常系统调用 —— 并解释哪些信号重要，无论采集方是 Falco、Sysdig、auditd 还是 EDR。用于确定要监控哪些逃逸行为、调查疑似 Docker 或 Kubernetes 逃逸，或比较不同运行时传感器的逃逸覆盖范围。关键词：container escape、breakout、namespaces、CAP_SYS_ADMIN、privileged、hostPath、kernel exploit、syscall。不要用于 Falco 规则语法本身 —— 请使用 detecting-container-escape-with-falco-rules；静态配置扫描请使用 performing-container-escape-detection。
在 Docker 上运行 AI/ML 工作负载的指南。涵盖 Docker Model Runner（使用 docker model pull/run 运行本地 LLM）、Docker Agent（面向编码任务的多 Agent 编排）、用于隔离执行 AI Agent 的 Docker Sandboxes、GPU 加速（nvidia-container-toolkit、--gpus 标志）、使用 Docker 进行 AI 模型服务，以及在本地运行开源 LLM（Llama、Gemma、Qwen）。适用于用户询问 docker ai、docker model runner、本地 LLM、docker agent、GPU docker、sandbox、模型服务，或需要使用 Docker 部署 AI 模型时。使用场景：docker ai、model runner、本地 LLM、docker agent、GPU docker、sandbox、AI 模型部署。
通过 MCP 工具发布任何 Freshworks Platform 3.0 自定义应用:fdk validate/pack、app-upload,以及通过 openai-server 进行 submit/update。发布前:确认 Developer JWT 与 manifest 的产品模块匹配(Freshdesk support_* 与 Freshservice service_*;多产品需按顺序)。发布时,询问是新上架还是已有上架;对于新上架,在 create_app_upload_url 之前提示输入 supportEmail(submit_custom_app 必需)。更新时用 list_custom_apps,以便开发者选择 appId,然后进行 MCP 交接(submit_custom_app 或带 uploadId 的 add_app_version)。在用户想把应用推送到 Marketplace(test)、查看发布状态或列出现有应用时使用。与 fw-app-dev 配合进行 manifest 或模块修复。适用于 Cursor、Claude Code 以及任何兼容 MCP 的客户端。
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。