Skills
收录 97,725 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
通过 `orca` CLI 管理 Orca 管理的 worktree、文件夹上下文、终端、仓库、自动化、产物、技能共享、worktree 评论以及 Orca 内嵌浏览器。用户提到“$orca-cli”“Orca worktree”“child worktree”“spawn codex/claude in a worktree”“read/wait/send Orca terminal”“handoff”/“handover”/“give this to another agent”“Orca browser”“orca artifacts”或“share skills”时使用。涉及 Orca 状态时,优先于直接使用 git worktree、临时 PTY 或 Computer Use。仅当可见窗口需要 GUI 控制,且 CLI、文件系统或 API 无法完成时,才使用 Computer Use。
为现有、未插桩的应用改造接入 OpenTelemetry。触发短语:"migrate existing app to OTel"、"add OpenTelemetry to existing project"、"retrofit OTel into my codebase"、"thread context through my code"、"context propagation"、"bridge Prometheus metrics to OTel"、"logging bridge"、"migrate logging to OTel"、"slog bridge"、"logback bridge"、"verify my instrumentation"、"traces are disconnected"、"orphaned spans"、"migrate to OpenTelemetry"、"OTel migration plan"、"how do I sequence an OTel migration"、"add tracing to existing code"、"refactor for context propagation"、"Fiber context gotcha"、"keep existing logging working with OTel"、"add OTel without breaking Prometheus"、"bridge existing metrics"、"coexist with existing monitoring"。全新插桩请使用 otel-instrumentation;Beelines 请使用 beeline-migration。
创建 Awwwards 级的高端网站设计,以 React(.jsx)组件形式交付,看起来像出自单项目收费 5 万美元以上的顶级机构之手。当用户要求网站、落地页、作品集或网页组件且应显得昂贵、高端、奢华、杂志感、高级或机构级品质时,使用此技能。当用户提到 Awwwards、FWA、获奖设计,或引用 Apple、Aesop、Bottega Veneta、Stripe 等品牌或任何奢华/时尚/设计导向品牌时也触发。当用户说"让它看起来专业"、"让它看起来很贵"、"我想让它看起来真的很好"、"高质量设计"、"不要千篇一律",或对典型的 AI 生成网站审美表示不满时触发。不要用于仪表盘、管理面板、内部工具或美学次于实用性的功能性 UI —— 这些由标准 frontend-design 技能处理。
当用户需要理解、诊断或预防 Protheus 记录锁与死锁时使用——涵盖 RecLock/MsUnlock/SoftLock/LockByName 语义、BeginTran/EndTran 事务作用域、锁泄漏与死锁诊断(TopMemoStatus、MonitorActiveLocks、DBAccess monitor、SQL Server/PostgreSQL/Oracle 锁查询),以及预防模式(BEGIN SEQUENCE/RECOVER、锁顺序)。也触发于葡萄牙语表述,如 "registro travado"、"trava de registro"、"deadlock"、"erro de lock"、"travamento no Protheus"、"quem esta travando o registro" 或 "RecLock nao libera"。
在开源 Ray(锁定 2.57)上运行 LLM 工作负载——用 ray.serve.llm(基于 vLLM 的 LLMConfig + build_openai_app)做 OpenAI 兼容的服务,用 ray.data.llm(build_processor)做批量推理。纠正模型产出的过时默认写法——已归档的 ray-llm 仓库及其 YAML 配置、在普通 Serve deployment 里手写 vLLM 引擎、已被移除的 build_llm_processor 名称、已废弃的布尔 stage 标志、顶层 LLMServer/LLMRouter 导入、自由形式的加速器字符串、每个 LoRA 适配器一个 deployment 的设计——改用 2.57 的惯用写法(stage 配置、用 placement_group_config 替代手写 PG、deployment_config 自动扩缩容、动态 LoRA 多路复用、prefix-cache-affinity 路由、完整的 OpenAI 端点面)。在编写、评审或在 Ray 上生产化 LLM 服务或批量推理时使用。经典机器学习的 Ray(Train/Tune/Data/Serve/集群)见同系列的 ray skill。
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。
