Skills
收录 98,067 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 Very Good CLI 的 packages_check_licenses MCP 工具审计 Dart 和 Flutter 包依赖的许可证,标记不合规或未知的许可证,并生成合规总结报告。适用于用户说“check licenses”、“license audit”、“check dependency licenses”、“license compliance”、“review package licenses”、“are our dependencies compliant”、“scan for license issues”或“pre-release license check”时。尤其当请求要求在没有扫描的情况下给出合规结论时使用,例如“read the licenses off this pubspec”、“confirm we're compliant”、“just tell me if these packages are safe to ship”、“I'd rather not run anything”或“which of these are GPL”,因为拒绝仅凭依赖列表就认证合规正是此技能所规范的情形。粘贴的 pubspec 是触发条件,而非审计的替代品。
审计、规划、搭建并安全迁移研究项目结构,覆盖全新项目、现有 Git/非 Git 仓库以及 monorepo 子根目录。用于项目文件夹、仓库清理、源码清单、移动映射、命名与存储策略、Python/R/混合/LaTeX 配置、模板来源、冲突审查、已执行移动的证据或回滚。现有项目在用户授权绑定到计划摘要的确切操作 ID 之前保持只读。保留未提交和未跟踪的工作、符号链接、子模块以及 memory-pm 的 .light 内容。这是一个脱离 DAG 的本地工具:不要输出发现结果,也不要臆造 STAGE_GATES/ROUTES 连接。
把 NI-DAQmx C 函数签名转成正确的 calldaqlib MATLAB 调用。当用户提到 calldaqlib、任何 DAQmx* C 函数名(DAQmxCfgSampClkTiming、DAQmxExportSignal、DAQmxSetStartTrigRetriggerable、DAQmxGetSampClkRate 等),或需要 daq 对象未暴露的 NI-DAQmx 功能时使用。涵盖:映射规则(taskHandle 隐式,输出指针变为返回值,缓冲区大小参数,枚举转字符串)、多任务语义、start() 覆盖、设备级空 daq 变通方法、字典返回值、字符串 getter 占位符、数组 getter 占位符。触发场景:底层 DAQ、逃生通道、可重触发采集、共享时基、导出信号、连接端子、外部采样时钟、触发配置、NI 驱动、C 函数转换。
将现有的 Nango TypeScript createSync 实现从 nango.lastSyncDate、旧版增量 syncType 以及不可恢复的全量刷新迁移到基于 checkpoint 的同步。在将客户的 Nango 同步代码更新为如下做法时使用:定义 checkpoint schema,在每次 batchSave 之后(包括在 paginate 循环内)调用 getCheckpoint/saveCheckpoint/clearCheckpoint,使用 --checkpoint 测试 dryrun,并修复已启用 checkpoint 的增量或全量同步的删除处理。
当用户要求训练、调试、扩展或改进机器学习模型时应使用此技能。主动触发场景:(1) PyTorch、TensorFlow/Keras、JAX、Flax、Hugging Face Trainer/Accelerate 训练循环,(2) 分布式训练、DDP/FSDP/DeepSpeed、TPU/GPU 环境搭建,(3) 混合精度 AMP/bf16、梯度累积、检查点、随机种子,(4) 过拟合、类别不平衡、损失函数、正则化、学习率调度、warmup,(5) 显存优化、梯度检查点、offloading、量化感知训练。提供:跨深度学习和经典 ML 的可复现训练最佳实践。
在应用程序代码和 HTTP 中使用 Opper,并将其作为 Opper 平台概念的权威信息来源:网关、控制平面、模型、/v3/compat 下兼容 OpenAI / Anthropic / Google / OpenResponses 的端点、结构化输出、服务端工具(网页搜索)、roundtable、流式处理、追踪和 Agent 构建。用户使用任何语言编写针对 Opper 的代码(将 OpenAI、Anthropic 或 Google Gen AI SDK,或 Agent 框架指向 /v3/compat)、询问 Opper 概念、模型、端点或原始 HTTP,或从 OpenAI / OpenRouter / Anthropic 迁移、从 Opper 的旧版 /v3/call (opper.call) 或已停止维护的 `opperai` SDK 迁移时使用,即使只提到“Opper”也适用。媒体生成(图像、音频、视频、OCR)、文件和实时语音请使用 `opper-multimodal`。端点签名请从 https://api.opper.ai/v3/openapi.yaml 获取实时规范。
使用 Hugging Face PEFT 对 LLM 进行微调,采用 LoRA、QLoRA、IA3、AdaLoRA、前缀调优和提示词调优,只训练不到 1% 的参数。涵盖秩、alpha 和目标模块选择、加载与合并适配器、多适配器服务,以及与 TRL SFTTrainer、Axolotl 和 vLLM 的集成。适用于在 GPU 内存有限时微调 7B-70B 模型、在单张 24GB GPU 上运行 QLoRA、选择 LoRA 秩和 alpha、在同一个基础模型上合并或切换适配器,或排查 CUDA OOM 或适配器未生效的问题。不适用于微调参数少于 1B 的小模型,也不适用于需要更新全部权重的情况。
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。
