Skills
收录 97,905 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。
开发
当你需要添加或评估能提升代码质量或领域建模的 Maven 依赖时使用,包括空值注解(JSpecify)、静态分析(Error Prone + NullAway)、函数式编程(VAVR)、架构测试(ArchUnit)或货币支持(JavaMoney);采用咨询式、问题驱动的方法,仅添加实际需要的依赖。以下请求应触发此技能:添加 Maven 依赖;添加 JSpecify 空值依赖;添加 Error Prone NullAway 依赖;添加 VAVR 函数式依赖;添加 ArchUnit 架构测试依赖;添加 JavaMoney 依赖。属于 Plinth Toolkit
使用 Atlassian 的“Optimise Forge platform costs”指南优化 Atlassian Forge 应用,以降低平台资源消耗并避免不必要的成本。适用于用户要求优化 Forge 应用成本、减少 Forge 调用、降低 GB-seconds、减少存储或日志用量、调整内存、替换轮询、改进定时触发器、减少 KVS 写入、将工作移至前端、使用 bridge API、批量调用 API、添加缓存,或评估 Forge Remote 的权衡时。默认先执行审计,并在展示审计结果后提出进行建议的更改。只有用户明确要求 Agent 实施或应用优化时,才立即修改文件。
交互式需求探索与实现工作流:通过选择题收集需求(意图、范围、约束、偏好),扫描代码库以推断现有信息,然后直接在项目中编写 AWS 架构脚手架和实现。用户希望在 AWS 上构建新应用、搭建项目脚手架,或扩展/重构现有项目时使用——适用于需要先进行结构化需求探索、再修改代码的任务,而非一次性查询。不适用于:查询 AWS Activate、计划或额度的事实信息;要求提供单条可复制粘贴的提示词;非 AWS 架构工作;不涉及代码修改的架构建议(参见 architect-for-startups);以 AI Agent 为核心的新想法,如运行时选择、Agent 架构或 Agent 概念验证(参见 agent-advisor);或迁移现有 GCP/Azure/Heroku 工作负载、重写 LLM SDK(参见 gcp-to-aws / azure-to-aws / heroku-to-aws / llm-to-bedrock)。
指导通过带有尝试预算和门槛条件的 4 阶段结构化实验执行:阶段 1 初始实现(复现基线)、阶段 2 超参数调优、阶段 3 所提方法验证、阶段 4 消融研究。与 evo-memory(加载先前策略、触发 IVE/ESE)和 experiment-craft(失败时进行 5 步诊断)集成。适用于用户已制定实验计划、需要复现基线、组织实验工作流或系统验证方法时。不要用于调试具体实验故障(使用 experiment-craft),也不要用于设计要进行哪些实验(使用 paper-planning)。
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。
