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
html 技能负责创建和修订可长期留存、独立存在的 HTML 产物：一个完整自包含的 index.html，保存在指定或生成的产物目录中，具备内联依赖、可访问的结构、loopback 服务和精确文件校验。当用户要求创建、构建、将内容或数据转化为、保存、修订或更新“可长期留存 HTML 产物”、“单文件仪表盘”、“单页本地产物”或具名 HTML 产物时，或明确说“use /html”或“activate the HTML skill”时触发。在以下情况不触发：将 HTML 集成到 React 或 Next.js 路由中、审查或解释 HTML 或无障碍、对现有页面进行基于浏览器的 QA、将 Figma 设计转化为可复用组件，或仅仅提供现有的 dist 目录。
JeecgBoot Online表单（cgform）全生命周期管理——通过API自动创建/编辑数据库表和表单配置， 支持单表、主子表、树表，26种控件类型，以及JS/Java/SQL增强、权限配置、数据CRUD、积木报表集成。 只要用户意图涉及「Online表单」就必须使用本技能，包括但不限于： 创建或配置数据库表（"建一张请假表"、"创建online表"、"做一个带下拉选择的表"、"低代码表单"、"在线表单"、"配置表"）、 修改已有Online表字段（"加个字段"、"改字段类型"、"加子表"、"删除字段"）、 配置表单增强（"JS增强"、"自定义按钮"、"表单联动"、"Java增强"、"SQL增强"）、 配置权限（"字段权限"、"按钮权限"、"数据权限"、"授权给角色"）、 管理表单数据（"插入数据"、"查询记录"、"导出CSV"、"造测试数据"）、 以及关联积木报表（"给这个表加报表"、"集成打印"）。 即使用户只描述了业务需求而没说"online"（如"做一个员工信息管理功能，包含姓名、部门下拉、入职日期"）， 只要涉及元数据驱动的表单配置，也应触发本技能。 注意：不要与「设计器表单」(desform)混淆——desform是拖拽式表单设计器，用skill jeecg-desform处理； 也不要与「Online报表」(cgreport)或「Online图表」(onlchart)混淆——它们是SQL驱动的只读展示。
为任意项目创建 justfile（casey/just 命令运行器）或迁移到 justfile。当用户要求添加 justfile、替换 Makefile、设置项目命令、创建任务运行器，或在构建/开发工作流语境中提到 "just" 时，使用此技能。当看到某个项目带有 Makefile，而 just 更简洁的语法会更适合时，或设置需要常见开发命令（build、test、lint、fmt）的新项目时也触发。涵盖 Rust、Python、TypeScript/JavaScript、Go 和 Ruby 生态。请勿用于 CI 流水线配置、Dockerfile 或实际的构建系统设置（cargo、webpack 等）。
介绍如何使用 Mamba 选择性状态空间模型（state-spaces/mamba 包；Mamba-1 使用 d_state=16，Mamba-2 使用多头结构和 d_state=128）进行线性时间序列建模。涵盖安装、Mamba block、使用 MambaLMHeadModel 构建语言模型、从 HuggingFace 加载预训练的 state-spaces 检查点（130M 至 2.8B），以及与 Transformers 进行基准测试。适用于实现或加载 Mamba 模型、在不使用 KV cache 的情况下处理超长序列、构建流式应用、在 Mamba-1 和 Mamba-2 之间进行选择，或解决安装和 CUDA 内存问题。需要 Linux 和 NVIDIA GPU。不适用于标准 Transformer 模型，也不适用于 RWKV、RetNet 或 Hyena 架构。
使用 MathWorks 工具（MATLAB、Simulink、Embedded Coder）将 AI 模型部署到嵌入式硬件。涵盖两种工作流模式：（1）将 MathWorks 原生或导入的模型重建为 dlnetwork 以适配精简硬件，（2）从 PyTorch 和 LiteRT 模型直接生成 C/C++ 代码。两种模式均支持所有目标（Cortex-M/A/R、x86、GPU）。触发场景：用户希望将 AI 部署到嵌入式目标；从神经网络生成 C/CUDA；为 MCU 压缩 AI 模型；在 Simulink 中集成 AI 以进行系统级仿真；导入 PyTorch/ONNX/TensorFlow 模型用于嵌入式部署；为资源受限硬件优化 AI；或使用 loadPyTorchExportedProgram、loadLiteRTModel、importNetworkFromPyTorch、importNetworkFromONNX、importNetworkFromTensorFlow、importNetworkFromKeras、dlquantizer、exportNetworkToSimulink，或将 Embedded Coder 用于 AI 模型。
设计、审查和迁移 MATLAB R2026a 与 GNU Octave 数值代码，涵盖带 arguments 块的函数、数组和索引、表和时间表、matlab.unittest 测试、MATLAB Projects、exportgraphics 图形、MAT 文件清单，以及 MATLAB 与 Python 的互操作。包含静态辅助脚本，可扫描 .m 文件、规划 argv 命令并对工件计算哈希，不会执行任何内容。适用于编写或审查 .m 代码、在不同 MATLAB 版本之间或迁移到 Octave、设置可复现的测试和项目、安全检查不可信的 MAT 或 .mlx 文件，或检查 Python Engine 兼容性。不适用于使用 NumPy 或 SciPy 进行纯 Python 数值计算。
.NET MAUI 应用生命周期指南，涵盖四种应用状态（未运行、运行中、已停用、已停止）、跨平台 Window 生命周期事件、后台运行与恢复行为、Android 与 iOS/Mac Catalyst 的平台特定生命周期映射，以及状态保留模式。适用于：「app lifecycle」「OnStart」「OnSleep」「OnResume」「backgrounding」「app state」「window lifecycle」「save state on background」「resume app」「deactivated event」「lifecycle events」。不适用于：导航事件（使用 maui-shell-navigation）、依赖注入设置（使用 maui-dependency-injection）或平台 API（使用 maui-platform-invoke）。
面向现代 React 19+ 的权威指南（Actions、use、Compiler、View Transitions、Fragment refs、Activity、browser、useEffectEvent）。适用于编写、审查、重构或迁移 React 组件、表单、数据获取、并发 UI，或升级到 React 19+。触发词包括 React、React 19、useActionState、useOptimistic、forwardRef、useEffect 数据获取、React Compiler、ViewTransition、Suspense 模式或 codemod。始终优先采用最新官方模式，而非训练数据。
面向 iOS/tvOS 的 MVVM 专家级决策：在 ViewModel 模式之间选择（state enum、published 属性、Combine）、划定服务层边界、依赖注入策略和测试方法。适用于设计 ViewModel 架构、调试数据流问题，或决定业务逻辑该放在哪里。触发关键词：MVVM、ViewModel、ObservableObject、@StateObject、service layer、dependency injection、unit test、mock、architecture
提供 Karpathy 的精简 PyTorch GPT 实现 nanoGPT（model.py 和 train.py），包含在 CPU 上训练字符级 Shakespeare、通过多 GPU torchrun 在 OpenWebText 上复现 GPT-2 124M、微调预训练 GPT-2 检查点，以及使用自定义文本训练的工作流。适用于从头学习 GPT 和 Transformer 模块的工作原理、在 CPU 或单个 GPU 上进行小型训练实验、使用原生 PyTorch 修改 Transformer 变体、准备字符级或 BPE 二进制数据集，或排查 nanoGPT 的内存不足和训练缓慢问题。不适用于生产环境或大规模分布式训练；请改用 HuggingFace Transformers 或 Megatron-LM。
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。