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。
数据与数据库
ESPN 未公开文档的公共 JSON 端点的原始参考，适用于没有专门 sports-skills 技能覆盖的运动、联赛或操作，或开发者明确要求使用原始 ESPN 端点的情况。仅提示词：端点目录、已记录的联赛 slug、观察到的响应结构、注意事项和标准库 fetch 辅助函数。输出为提供方原生的 ESPN JSON，而非规范化或标准化数据。适用情况：所请求的联赛或操作确实没有专门技能覆盖（例如 MMA、长曲棍球、橄榄球、澳式足球、NCAA 排球、曲棍球、水球、IndyCar/NASCAR），或用户明确要求针对 ESPN 端点编写、调试或检查代码。不适用情况：已有专门技能覆盖该联赛和任务——nba-data、wnba-data、nfl-data、nhl-data、mlb-data、cfb-data（NCAA 橄榄球）、cbb-data（NCAA 男子篮球）、football-data（其列出的足球联赛）、tennis-data（ATP/WTA）、golf-data（PGA/LPGA/DP World）、cricket-data、fastf1（Formula 1）；新闻和文章使用 sports-news 或 sports-reporter；赔率和预测市场使用 betting、markets、kalshi 或 polymarket。volleyball-data 仅覆盖荷兰 Nevobo 排球，不覆盖 NCAA。专门技能报错、超时或返回空结果，并不意味着可以自动改用原始 ESPN——应先报告并征求同意。
管理 CloudRobo 模型训练任务与仿真强化学习（SimRL）任务——使用 FFT/SFT/LORA/QLORA/DEEPSPEED 方法创建预训练（TRAIN_FROM_SCRATCH）和微调（MODEL_TUNING）任务；管理完整任务生命周期（创建/读取/更新/删除/停止/重启/续训/草稿）；保存并重新提交草稿配置；按状态统计任务；监控执行阶段、资源使用、训练日志、签名 URL 和事件；诊断失败。SimRL 任务（仿真强化学习）通过同一 CLI 使用 --sim-rl 标志管理，覆盖相同的 CRUD + 生命周期 + 监控功能（resume 除外，仅训练支持）。触发词包括：model training、fine-tuning、pretraining、training task、training stages、resource usage、training logs、training events、draft task、restart training、stop training、resume training、task stats、simulation reinforcement learning、SimRL、仿真强化学习、模型训练、模型微调、训练任务、训练阶段、资源使用、训练日志、训练事件、草稿任务、重启训练、克隆训练、停止训练、续训训练、任务统计。
分析应用的代码库，并交叉比对 Google Search Console、PostHog 和 Google Keyword Planner，以找出低竞争的关键词立足点，并追踪向邻近词的扩展。当用户说 "keyword wedge"、"find keyword opportunities"、"seo analysis"、"keyword strategy"、"find search wedges"、"keyword research for my app"、"grow organic traffic"、"what keywords should I target"、"SEO for my app"、"organic search strategy" 或 "how to rank higher" 时应使用本技能。生成 markdown 和 HTML 报告，并在多次运行间保持状态以追踪扩展。
为发布活动埋点，让流量高峰可归因，而不只是一个虚荣数字——每条发布链接使用统一的 UTM 方案，把转化漏斗（访问 → 注册 → 激活）接入 GA4 或项目现有的分析系统，并包含校验与解读步骤。将 UTM 映射表 + 事件计划写入 `.ulpi/launch/<channel>/analytics.md`，并按发布来源（如 producthunt、hackernews）参数化，使每条链接和报告都能被正确归因。launch-* 系列的共享度量模块——由各平台运行器（`launch-product-hunt`、`launch-hacker-news`、`launch-x`、`launch-linkedin`）调用以闭环，也可独立运行。度量持久成果（注册、激活），扩展真实技术栈，绝不在链接或事件中放入 PII。适用于发布活动需要为每条链接配置 UTM 并跟踪注册，而不仅仅是统计点赞数时。
在 MATLAB 中使用 Image Acquisition Toolbox 连接相机并采集图像。适用于用户想要：使用网络摄像头、采集图像、捕获视频、从相机流式传输、连接 GigE Vision 相机、预览实时视频、列出可用相机、配置相机属性、使用 CoaXPress 图像采集卡或使用 Camera Link 图像采集卡时。涵盖 USB 网络摄像头、GigE Vision、USB3 Vision、CoaXPress、Camera Link 以及兼容 GenICam 的相机。始终优先使用 Image Acquisition Toolbox 的 videoinput，而非 webcam 支持包或 gigecam。
当用户要求适配预训练、基础、语言、视觉、多模态或嵌入模型时应使用本 skill。以下情况请主动激活：(1) 迁移学习、全量微调、冻结骨干网络、适配器、LoRA、QLoRA、AdaLoRA、PEFT，(2) Hugging Face Transformers、Diffusers、Accelerate、TRL、RLHF、DPO、偏好调优、对齐，(3) 数据集准备、指令调优、聊天模板、分词、打包、灾难性遗忘，(4) RAG、向量数据库、嵌入优化、重排序，(5) 多模态与边缘微调。提供：安全、高效的微调与适配指导。
通过 REST API 管理现有 Microsoft Fabric Materialized Lake Views（MLV）的刷新计划、选定谱系的执行定义和作业执行。配置、更新和删除计划与执行定义；触发按需刷新；监控作业状态；取消正在运行的作业。使用 `spark-authoring-cli` 编写 MLV 定义。发现、可视化谱系和数据质量指标需要 Lakehouse UI。触发词：“schedule MLV refresh”、“manage MLV refresh schedule”、“trigger MLV refresh”、“MLV job status”、“cancel MLV refresh”、“monitor MLV refresh”、“recurring MLV refresh”、“daily MLV refresh”。
将埋点方案转化为特定 SDK 的埋点实施指南。展示如何使用目标分析 SDK 通过真实模板代码实现 identify、group 和 track 调用，并给出架构指导和约束文档。输出 .telemetry/instrument.md。覆盖产品分析、CDP、产品采用、Web 分析、错误监控、功能开关和会话工具等 25 个分析目标平台。当用户已有埋点方案并需要了解如何使用特定 SDK（如 Segment、Amplitude、Mixpanel、PostHog、Accoil、Google Analytics、Sentry、LaunchDarkly 或通用 HTTP POST）实施时使用。当用户提出“创建埋点实施指南”“如何实施埋点”“SDK 指南”或“生成实施指南”时也使用。
通过扫描代码库并与用户交流来构建结构化的产品模型。生成 .telemetry/product.md——描述产品做什么、谁在使用、价值如何流动以及存在哪些实体。在全新的代码库上开始埋点工作时、当用户要求 "model this product"、"understand this product"、"what does this product do"、"map the product"、"product model"，或尚不存在 .telemetry/product.md 时使用。这是遥测生命周期的入口。
为数据准备编写、补全或扩展 Qlik Sense 加载脚本（.qvs）。主要用例是为 Qlik Predict 的机器学习实验准备扁平数据集——特征工程、处理训练/测试划分，以及输出 QVD 文件。也涵盖一般的 Qlik 加载脚本编写：根据起始代码、注释或提示词补全脚本。只要用户提到 Qlik 加载脚本、.qvs 文件、Qlik 数据加载、QVD 输出、为 Qlik Predict 做数据准备，或请求帮助编写或修复 Qlik 脚本语法，就使用此技能。当用户提供 Qlik 加载脚本并要求修改、扩展、特征工程或数据转换时，也应触发。即使用户只是粘贴 Qlik 脚本代码并就此提问，也使用此技能。
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。