Skills
收录 99,064 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
全历史 Godot 版本迁移中心。适用于将任意 Godot 项目升级到库的目标版本（当前为 4.7）时——从 1.x/2.x 旧时代经由 3→4 以及逐跳 4.x 小版本升级——或查找领域技能范围内的迁移说明。触发关键词：upgrade Godot、migrate Godot version、Godot 3 to 4、Godot 2 to 3、upgrading_to_godot、version migration、breaking changes、convert-3to4、TileMapLayer、AnimationMixer、engine.cfg、project.godot。
当用户希望将调用 OpenAI、Gemini/Google AI 或 Anthropic API 的代码迁移到 Amazon Bedrock 时使用——仅涉及模型/SDK 重写。端到端流程：评估代码库、重写 SDK 调用、对照 Bedrock 评估输出质量，并交付可合并的 git 分支。不适用于 Agent 运行时选择、Agent 架构决策或 Agent 迁移规划——这些情况请使用 agent-advisor。不适用于单独估算 Bedrock 成本或仅迁移基础设施。必须同时安装 gcp-to-aws skill——评估完全通过跨 skill 调用委托给它；若缺少 gcp-to-aws，则没有独立备用方案。
将 JavaScript 代码库迁移到 TypeScript：将 .js 文件转换为 .ts、为现有 JS 添加类型，或将类型约束较宽松的 TS 项目逐步收紧至严格模式。涵盖 tsconfig 和 allowJs 策略、逐步启用严格标志（noImplicitAny、strictNullChecks、noUncheckedIndexedAccess）、为公共接口添加类型、用 unknown 和类型收窄替换 any 及不安全的类型转换、验证运行时边界（JSON、env、API 响应）、将 CommonJS 转为 ESM、将原型转换为类，以及迁移所需的构建和 CI 变更。即使用户只说“添加类型”“启用严格模式”或“将此文件转换为 TypeScript”，也应触发；混合 JS/TS 仓库的情况尤其适用。区别于一般的 TypeScript 重构——这是逐文件进行的迁移过程，同时保持构建通过。
使用此技能编写新的自定义 Jetpack Compose 修饰符，并将旧式修饰符从 Modifier.composed { } 迁移到 Modifier.Node + ModifierNodeElement<T>。涵盖持久节点生命周期（onAttach、onDetach、onReset、coroutineScope）、专用节点接口（DrawModifierNode、LayoutModifierNode、SemanticsModifierNode、PointerInputModifierNode、CompositionLocalConsumerModifierNode、LayoutAwareModifierNode、GlobalPositionAwareModifierNode、ObserverModifierNode、DelegatingNode、TraversableNode）、ModifierNodeElement 为什么必须是 data class 才能进行差分比较，以及手动失效开关（invalidateDraw、invalidateMeasurement、invalidatePlacement、shouldAutoInvalidate）。当开发者提到 Modifier.composed、自定义修饰符、ModifierNodeElement、Modifier.Node、"rewriting our drawBehind helper"、节点生命周期，或在代码审查中看到 Modifier.composed { } 时使用。
为 Next.js 页面搭建 URL 状态筛选器——类型化的 `searchParams.ts` 解析器映射，以及由 `useQueryStates` 支持的 `<Filters />` 客户端组件。从单一 JSON 规范出发，同步生成四个文件——客户端解析器映射、服务端加载/缓存/序列化器、客户端组件和 Vitest 测试——全部按 nuqs Standard Schema 模式共享同一套解析器定义。即使用户只说"给 /search 加筛选"或"我需要这个页面的类型化查询字符串"也应触发——两者正是本技能的职责。
使用此技能来诊断和修复 Jetpack Compose Modifier 顺序 Bug —— background 的绘制区域错误、clickable 的点击区域错误、clip 的裁剪错误、padding/size 的测量错误、graphicsLayer 作用域出人意料。涵盖“包裹下一个 Modifier”的心智模型、典型陷阱（padding 与 background、clickable 的放置、clip 放在 background 之前、graphicsLayer 的放置），以及为什么通过 remember { Modifier.… } 提升整条 Modifier 链很少是真正的性能收益，因为 Compose 已经会驻留相同的链。适用于开发者问“为什么点击区域超出了可见按钮”、“为什么我的背景绘制在错误的位置”、“Modifier 顺序重要吗”、“我应该缓存我的 Modifier 链吗”，或审查重排 Modifier 的 diff 时。
与 Snippe（api.snippe.sh）构建集成，这是一个坦桑尼亚支付处理 API。每当用户提到 Snippe、正在处理坦桑尼亚的支付集成（通过 M-Pesa、Airtel Money、Mixx by Yas、Halotel 的移动支付；通过 Visa/Mastercard 的信用卡/借记卡；动态二维码）、需要接受 TZS 支付、向坦桑尼亚移动钱包或银行（CRDB、NMB、NBC、ABSA、Equity、KCB、Stanbic 等）发送付款、验证 Snippe webhook，或处理 Snippe 错误与幂等性时，都使用此技能。涵盖 v2026-01-25 API——身份验证、支付、托管结账会话、付款、webhook 和错误处理。
基于本地上游教程、生产内核、语言定义和编译器源码，编写、调试并优化 Triton 和 Gluon GPU 内核。当任务明确涉及 triton.jit、triton.language、tl.*、Gluon、TensorDescriptor、Triton autotune、TritonGPU/MLIR lowering、triton_kernels，或将 CUDA 内核转换为 Triton 时使用。原始 CUDA/PTX 和 NVIDIA 架构相关事实请使用 cuda-skill，CUTLASS、CuTe 或 CuTeDSL 相关工作请使用 cutlass-skill。
用 Typesense 搭建可自托管、容忍拼写错误的搜索环境——开源版 Algolia / ElasticSearch 替代方案（单个 C++ 二进制文件、<50ms 即时搜索、无运行时依赖）。一个路由优先的 skill：选择服务器模式（二进制下载、官方 Docker 镜像或托管的 Typesense Cloud），安装 API 客户端（Python/JS/PHP/Ruby 官方；Go/Dart/C# 社区），设计集合 schema、索引文档，并运行支持拼写容错、分面/过滤、地理搜索、排序、分组、同义词、策展、限定范围的 API key 和联邦多路搜索的查询——然后接入 InstantSearch.js UI，并为生产环境搭建基于 Raft 的高可用集群。适用于用户想构建或运维可安装的搜索后端、为网站/应用/产品添加搜索，或从 Algolia/Elasticsearch 迁移。触发词：typesense、search engine、typo-tolerant search、algolia alternative、elasticsearch alternative、instantsearch、faceted search、geo search、vector search、self-hosted search、site search、product search。
正确处理 Venice API 错误。涵盖错误响应体格式（StandardError、包含验证详情/问题的 DetailedError、OpenAI 风格的 context_length_exceeded、带 request_id 的上游提供方拒绝，包括 TypeSafe/FastAPI 验证错误、ContentViolationError、ProviderContentPolicyError、PayloadTooLargeError，以及两种 x402 402 响应体）、所有有意义的状态码（400–504，包括已退役端点的 410，以及 modelPrivacy、region 和 ipAllowlist 对应的 403）、三类速率限制标头、每个密钥的错误预算（FAILED_REQUESTS / UNSUPPORTED_FEATURE_REQUESTS）、过载模型的 Retry-After、SSE 流错误，以及不会触发错误预算的退避策略。
用于华为昇腾 NPU 模型转换和端到端推理适配的完整工具包。工作流 1：从用户源代码自动识别输入形状和参数。工作流 2：将 PyTorch 模型导出为 ONNX。工作流 3：通过 ATC 将 ONNX 转换为 .om，支持多个 CANN 版本。工作流 4：适配用户的完整推理流水线（预处理 + 模型 + 后处理），使其在 NPU 上端到端运行。工作流 5：验证 ONNX 和 OM 输出之间的精度。工作流 6：生成可复现的 README。支持任何标准 PyTorch/ONNX 模型。转换、测试或部署模型至昇腾 AI 处理器时使用
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。