Skills
收录 98,873 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
ADF 工具的 Windows 和 Git Bash 兼容性。主动用于：(1) 在 ADF CLI 工具中使用 MSYS_NO_PATHCONV；(2) 运行 ADF npm 构建时 Git Bash 的路径转换；(3) 从 Git Bash 调用用于 ADF 的 PowerShell 脚本；(4) 在 Windows 上通过 Git Bash 使用 Azure CLI 部署 ADF；(5) Windows 上 ARM 模板导出问题；(6) Windows 上的 ADF utilities npm 包；(7) JSON 管道定义中的换行符问题。提供：MSYS 环境变量方案、Windows 上 npm 的修复方法、从 Bash 调用 PowerShell 的模式，以及 Git Bash 上 Azure CLI 的身份验证方法。
编写能在 PostHog 沙盒中正常运行 Streamlit 应用源码——用于读取 PostHog 数据的 posthog_apps.query() 桥接、沙盒镜像中预装的包、Streamlit 重跑过程中的缓存和会话状态、布局与图表模式，以及 app.py 入口点及其旁边打包的辅助模块和数据文件。当撰写或调试 PostHog Streamlit 应用的 Python 源码、应用内查询失败，或被要求 "write a streamlit app that shows PostHog data" 时使用。
面向 AI 编码 Agent 的轻量独立设计规范：扫描代码库 → 有限的澄清环节（3–5 个问题，不是盘问）→ 将评审后的设计文档写入 docs/plans/ → 独立评分评审 → 停止。不含任务看板，不执行构建。适用于希望在开始实现前讨论、移交或评审规范的场景。准备构建时可衔接到 absolute-work。以下请求会触发：“absolute spec”“write a spec”“spec out this feature”“draft a design doc”“I want a spec to hand off / review, don't build it yet”。
算法复杂度（Big-O）审查——查找嵌套循环、N+1 查询、指数级递归、二次方字符串构建及其他意外的复杂度激增。支持 Python、JavaScript/TypeScript、Java、Go 等语言。在编写、审查或重构涉及 Big-O 的代码时使用。即使用户没有明确提到“Big-O”，也应触发：例如用户在进行性能审查、重构热点路径、询问“为什么这么慢”，或处理规模会增长的数据（循环、递归、集合、ORM 访问）时，使用此技能判断时间/空间复杂度并建议修复方案。尤其适用于“进行性能审查”“找出慢代码”“让它更快”“这段代码是 O(n²)”等任务，或阅读处理集合的代码时。
从 7 个维度（结构、可扩展性、企业就绪度、性能、安全、运维、数据）开展架构评审，并提供评分报告。适用于：“review architecture”“critique design”“audit system”“assess scalability”“enterprise readiness”“technical due diligence”。不适用于绘制图表，请使用 architecture-diagram。不适用于交互式查找浅层模块，或设计单个模块的接口和边界，请使用 module-deepening。
使用结构分解和 props／slots 规划并构建 Drupal Canvas 导航 UI（主导航、页脚链接、侧边栏导航、移动端抽屉、面包屑），然后采用 canvas-data-fetching 中的 JSON:API 菜单或页面上下文模式。用户要求导航、页眉或页脚链接、菜单、menu_items、移动端导航或面包屑路径时使用。布局和 API 草图完成后运行 canvas-design-decomposition；SWR、useJsonApiClient、sortMenu 和菜单回退方案遵循 canvas-data-fetching。
Git 2.49+ 功能与现代 Git 工作流（2025-2026）。主动用于：（1）Git 2.49+ 功能（reftables、sparse-checkout、partial clone、worktrees）；（2）用于 partial clone 的 git-backfill；（3）reftables 迁移（从 file 后端迁移到 reftable 后端）；（4）单体仓库的 sparse-checkout；（5）用于并行开发的 git worktrees；（6）partial clone（--filter=blob:none）；（7）提交图和位图优化；（8）主干开发工作流；（9）Git LFS；（10）传统命令的现代替代方案。提供功能参考、版本检测代码片段、sparse-checkout 配置、worktree 工作流模式，以及从旧版 Git 迁移的指南。
面向 AI 工程岗位的模拟面试教练，基于 AI Engineering from Scratch 的面试题库。每次提出一个问题或一个事故场景，然后停下来等待学习者作答。随后根据题库评估答案，逐一提出后续问题，将每个知识盲点对应到相关课程和手册章节，并在 INTERVIEW-LEARNING.md 中保留只追加的记录。触发短语：“interview prep”“mock interview”“ask me an interview question”“practise for my AI engineering interview”“run an incident scenario”“debugging round”“system design round”“inference engineer loop”“review my interview gaps”“how ready am I for the interview”。
现代 DevOps 和 CI/CD bash 自动化模式，涵盖容器与云（2025）。主动用于：(1) 编写 CI/CD 脚本（GitHub Actions、GitLab CI、Azure DevOps）；(2) 容器感知型 Shell 脚本（检测容器、Kubernetes Pod）；(3) 云服务商辅助工具（AWS CLI、Azure CLI、gcloud）；(4) 使用 bash 进行蓝绿部署和金丝雀部署；(5) 编写幂等回滚脚本；(6) 从 bash 集成 Docker/Compose；(7) 跨环境变量管理；(8) 构建矩阵编排。提供：可直接复制粘贴的 CI 代码片段、容器检测辅助工具、云 CLI 封装、部署编排模式和幂等回滚模板
每次都按同样的方式搭建一个可导航的功能模块——固定的 lib/features/<feature>/presentation/ 文件夹（纯 View + 一个 1:1 的 Notifier/AsyncNotifier ViewModel + widgets/ + 作用域内的 <feature>_providers.dart），只允许向下依赖、不跨功能导入，响应式读取为基于仓库 .watch() 的作用域 StreamProvider，所有变更都经过仓库唯一的单写入路径方法，类型化 Result/Failure 以 AsyncValue 呈现，类型化的 go_router 路由在路径参数中携带身份，各语言区域之间 ARB 保持一致，使用 family+autoDispose 键控，几何设置仅用 EdgeInsetsDirectional。适用于新增页面、标签页或功能文件夹；接入功能 Notifier/ViewModel 或作用域内的 stream provider；注册路由；为新页面添加 ARB 键；拆分过度膨胀的功能；或添加一条其 View 会读取的持久化记录时。
高级 bash 字符串处理，包括参数展开、模式匹配、正则表达式和文本处理（2025）。主动用于：(1) 参数展开（删除前缀/后缀、搜索/替换、子字符串）；(2) 使用 [[ =~ ]] 和 BASH_REMATCH 进行正则匹配；(3) 大小写转换；(4) 不借助 sed/awk 提取子字符串；(5) 通过 IFS 将字符串拆分为数组；(6) 安全插值的转义处理；(7) 纯 bash URL 编码和解码；(8) 去除空白；(9) 在紧密循环中避免子 Shell 开销。提供：参数展开速查表、含 BASH_REMATCH 示例的正则模式、大小写转换方法，以及基于 IFS 的拆分/拼接模式
强制执行纯 Dart 的值对象内核，以规范形式存储每一种量——金额以整数最小货币单位存储，并对齐各币种真实的 ISO-4217 指数（绝不用 *100），物理量以 SI 整数单位存储，时间戳以 UTC 存储——仅在展示边缘进行转换；禁止 double/num 金额、跨币种运算，以及把未知币种默认设为两位小数；所有金额除法都必须经过同一个最大余数法 allocate() 原语，使各部分之和始终精确到最小货币单位地等于整体；总额靠推导而非存储，实体通过稳定 id 关联，并注入 Clock 而非使用 DateTime.now。适用于定义或修改 Money、Currency 或单位值对象；解析或格式化金额；拆分、按比例分摊、折扣、税费/小费或分发金额；新增币种或汇率；转换数量；或修复浮点金额、硬编码 100、跨币种、差一美分或已存储总额漂移的 bug。
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。