Skills
收录 98,639 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
使用 getitune 库(Geti 训练库)的 Python API 或命令行训练计算机视觉模型。适用于用户想要使用 `create_engine(...)` 和 `engine.train()/engine.test()` 训练、微调或评估模型,运行 `getitune train`/`getitune test`,在 `getitune.recipe.<task>` 下选择或覆盖配方,选择设备(cpu/gpu/xpu/cuda),从 checkpoint 热启动,或调试训练运行。涵盖分类、检测、实例/语义分割和关键点检测。
当用户要求“创建 hook”、“添加 PreToolUse/PostToolUse/Stop hook”、“验证工具使用”、“实现基于提示词的 hook”、“使用 ${CLAUDE_PLUGIN_ROOT}”、“设置事件驱动自动化”、“阻止危险命令”,或提及 hook 事件(PreToolUse、PostToolUse、Stop、SubagentStop、SessionStart、SessionEnd、UserPromptSubmit、PreCompact、Notification)时使用。本技能全面介绍如何创建和实现 Claude Code 插件 hook,重点讲解高级提示词 hook API。
当用户说“convert this html to breakdance”或“paste html into breakdance”,或者有 Webflow、Framer、CodePen 或旧的静态导出内容需要导入 Breakdance 站点时使用。将原始 HTML 和 CSS 转换为 _breakdance_data 中的原生 EssentialElements 节点,把颜色、字体和间距映射到 Breakdance Variables,并拒绝 Breakdance 会跳过渲染的元素类型。
基于研究得出的 Shopify Hydrogen 店铺 UX 最佳实践,来源包括 Baymard Institute(超过 200,000 小时的可用性研究)和 Nielsen Norman Group 的研究。只要用户正在构建、审查或改进 Shopify Hydrogen 电商网站的任何部分——包括首页、集合/列表页、产品页、购物车、结账、搜索、筛选、移动端 UX、无障碍或信任/可信度问题——就使用本技能。当用户要求对 Hydrogen 组件进行代码审查、想要搭建新路由或组件,或提到转化、购物车放弃或购物体验问题时也适用。即使用户没有明确说 "UX" 也要触发——任何 Hydrogen 店铺相关工作都能从这些准则中受益。
Kuroco 的 API 设计与内容管理最佳实践。涵盖 endpoint 设计、认证(Cookie、动态令牌、静态访问令牌)、CORS、流量限制、缓存、错误处理(401/403/429)、通过 Topics API 进行内容 CRUD(list / details / insert / update / delete / bulk_upsert)、过滤查询、分页、多语言支持(langs_open_flg)、扩展字段(ext_col)、文件上传与 CSV 导入、EC 积分(ECPoint)。适用于 API 调用实现、登录 API 与令牌认证、认证和权限错误的排查、内容的获取、创建、更新、删除和筛选等提问。
MapStruct Java 映射框架。涵盖基础映射器、更新映射、嵌套对象、集合、自定义方法以及 Lombok 集成。基于 castellino 和 gestionale-presenze 的生产实践。使用时机:用户提到 "mapstruct"、"@Mapper"、"@Mapping",询问 "DTO mapping"、"entity conversion"、"@MappingTarget"、"nested mapping" 时。不适用于:Java 语言——请改用 `java` 技能。不适用于:Lombok——请改用 `lombok` 技能。不适用于:JPA 实体——请使用 JPA 专用技能。
在 NVIDIA 硬件上加速科学计算 Python,并验证结果正确且速度更快。适用于 CUDA/GPU 优化;受 CPU 限制的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量搜索、图像处理、图、仿真或文件 I/O 工作负载;CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA 或 RAFT 相关问题;以及分析性能、内存传输、内核或多 GPU 瓶颈。大规模数据并行 Python 代码运行缓慢且 GPU 加速可能适用时,即使用户未提及 CUDA,也使用此技能。
使用 PyTorch 原生 scaled_dot_product_attention(PyTorch 2.2+)或 flash-attn 库,为 Transformer 模型启用 Flash Attention,包括多查询注意力、滑动窗口注意力,以及 H100 上的 FP8(FlashAttention-3)。涵盖性能提升分析、与基线准确度对比,以及安装和 GPU 支持错误的排查。适用于训练或运行长序列(超过 512 个词元)的 Transformer、标准注意力耗尽 GPU 显存、注意力成为推理瓶颈、将 PyTorch 模型切换到 flash 后端,或在 H100 GPU 上调优注意力。不适用于 CPU 推理、V100 GPU 或少于 256 个词元的序列;其他注意力变体可考虑 xFormers。
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。
