Skills
收录 96,981 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
OpenRouter 统一 LLM API 专业知识。适用于以下情况:代码向 `openrouter.ai/api/v1` 发送 POST 请求,导入 `@openrouter/sdk`、`openrouter`(Python)或 `@openrouter/agent`;将 OpenAI SDK 指向 `https://openrouter.ai/api/v1`;用户询问如何通过单一端点路由数百个大模型(OpenAI、Anthropic、Google、DeepSeek、Meta、xAI、Mistral 等);处理提供商路由、模型回退(`models` 数组)、Auto Router(`openrouter/auto`)、`:nitro`/`:floor`/`:online` 模型后缀、预设(`@preset/...`)、使用 `cache_control` 的提示词缓存、结构化输出、工具调用、`openrouter:web_search` 服务端工具、推理 token、多模态(图像/PDF/音频/视频)输入、BYOK 提供商密钥、OAuth PKCE、`openrouter:` 插件(`web`、`file-parser`、`response-healing`、`context-compression`),或通过 `/api/v1/generation` 和 `/api/v1/key` 进行生成/用量核算。
Opper(https://opper.ai)的主要入口,Opper 是面向 Agent 的 AI 网关。用户提到 Opper 但未指定使用界面时使用,例如“set up Opper”“try Opper”“build with Opper”“migrate to Opper”或“help me with Opper”。了解上下文并分流:使用 opper-mcp 进行 Agent 辅助设置、平台操作和模型测试;使用 opper-cli 处理明确的 CLI 和 shell 工作流,或通过 Opper 启动编码 Agent;使用 opper-api 处理应用代码(兼容端点上的 OpenAI、Anthropic 或 Google SDK 和 Agent 框架)、原始 HTTP 及平台概念;使用 opper-multimodal 处理媒体、文件和实时语音。负责设置、验证和后续跟进。
运行和配置 oxfmt——基于 Oxc 编译器栈构建的高性能 JavaScript/TypeScript 格式化工具,速度约为 Prettier 的 30 倍。在安装了 oxfmt 的项目中工作时使用此技能(检查 package.json 的 devDependencies 中是否有 `oxfmt`,或是否存在 `.oxfmtrc.json` / `.oxfmtrc.jsonc` 配置文件)。适用于修改后格式化代码、在新项目中设置 oxfmt、从 Prettier 迁移、配置格式化规则、设置编辑器集成(VS Code、Neovim、Zed、JetBrains),或在 CI/CD 流水线中添加格式检查。用户提及“oxfmt”“oxc formatter”“format with oxc”,或询问性能更好的 Prettier 替代品时也使用。
NVIDIA 官方编写的 PhysicsNeMo ShardTensor 域并行指南——将域并行集成到新的或现有的训练/推理脚本中,并配合 DDP 或 FSDP2 使用;编写并注册分片补丁以支持新层/算子;搭建多 GPU 正确性测试。适用于 ShardTensor、scatter_tensor、域并行、序列/空间分片、环形注意力、DeviceMesh + DDP/FSDP2 混合并行或 physicsnemo.domain_parallel。不要用于不涉及域并行的通用 PyTorch DDP/FSDP 配置、选择 PhysicsNeMo 模型或示例(使用 physicsnemo-discover),或非分布式训练问题
使用已安装的任一堆叠工具管理堆叠 PR:Graphite(`gt`)、git-town(`git town`)或 GitHub 原生的 `gh stack` 扩展。检测当前仓库中可用的工具,然后通过对应的工具参考文档(`references/gt.md`、`references/git-town.md` 或 `references/gh-stack.md`)驱动匹配的工具。当用户要求“创建堆叠”、“将分支堆叠”、“重新堆叠”、“提交堆叠 PR”、“将堆叠变基”、“同步堆叠”、“跟踪此分支”、“底部 PR 已合并,接下来怎么办”、“堆叠合并后的清理”,或调用 /pr-stack 时使用。若没有可用工具,则停止并告知用户——绝不退回到临时的 `git push` 链。不要用于暂存或提交——交由 /commit 处理。不要用于 PR 审查往来、评论或 CI 检查——交由 /gh 处理。
项目文档结构创建助手。作为资深产品经理,通过多轮对话深入了解项目需求,分析合理性并提供最佳实践建议,最终生成完整的技术文档体系。 **使用时机:** - 新项目启动,需要建立文档体系(推荐第一步) - 现有项目缺少规范文档,需要补充完善 - 已有代码但缺少文档,需要根据代码回补文档 - 需要专业的产品和架构分析建议 **支持两种工作模式:** - 模式 A:新项目文档创建(从需求到文档) - 模式 B:代码回补文档(从代码到文档) **与其他 skill 的关系:** - 本 skill 负责创建完整文档(PRD、SAD、开发指南等) - project-workflow 负责基于文档执行开发任务 - 建议流程:project-docs-setup → project-workflow **触发方式:** - "创建项目文档" / "初始化项目文档" / "设置项目文档" - "根据代码生成文档" / "回补项目文档" / "补充项目文档" - 直接描述项目需求,如"帮我创建一个在线教育平台的文档"
PyQt6 UI 设计助手,使用一致的设计系统(DESIGN.md token)生成并完善现代、专业的桌面界面。凡用户希望:构建或改进 PyQt6 GUI、编写 QSS 样式表、添加浅色/深色主题支持、生成侧边栏导航、数据表格、表单、卡片、模态框或任何其他 PyQt6 组件时,都使用此技能。当用户上传或提及需要“焕新”、“重新设计”、“现代外观”或“专业 UI”的现有 PyQt6 代码时,也触发此技能。即使是“给我的按钮加样式”或“做一个深色侧边栏”这类局部 UI 任务也可使用——任何 PyQt6 样式任务都能从该技能中受益。
React 组件模式与架构最佳实践。涵盖复合组件、render props、高阶组件、自定义 Hook、组合、状态机以及容器/展示型模式。适用场景:用户提到 "compound components"、"render props"、"HOC"、"higher-order component"、"composition pattern"、"component architecture",询问 "reusable components"、"component patterns"、"slots pattern"、"polymorphic components"。不适用场景:基础 React 组件 - 请改用 `react` skill;Hook 实现 - 请改用 `react-hooks` skill;性能模式 - 请改用 `react-performance` skill
从《Advanced React》(Makarevich)的视角对 React 代码提供建议和审查——不必要的重渲染、先组合后 memo 化、memo/useMemo/useCallback 陷阱、Context 性能、refs 与陈旧闭包、debounce/throttle、useLayoutEffect 闪烁、portal 与堆叠上下文、数据获取瀑布与竞态条件,以及错误边界。适用于编写或审查 React 组件/hook/context/provider 时,追查“为什么会重渲染”或“我是否该 memo 化这个”时,或处理回调中的陈旧状态、UI 闪烁、模态框被裁剪、请求竞态条件或错误处理时。在应用版本相关规则前,先检测目标仓库的 React 版本以及状态/UI 库。区别于 architecture-lens(架构)和 design-patterns(GoF)。
一站式 Redis 专业知识,涵盖数据建模与键命名、客户端连接(连接池、流水线、客户端缓存、超时)、集群与复制、Redis Search(FT.CREATE、向量与混合搜索、RAG 流水线)、可观测性与事故排查、生产安全加固、通过 LangCache 实现 LLM 响应的语义缓存,以及通过 Redis Iris 实现 Agent 记忆(会话事件、长期记忆、后台提升)。凡是设计、编写、审查或调试任何涉及 Redis 的内容时使用:选择数据结构、命名键、配置客户端、跨集群分片、构建或调优搜索索引、监控或诊断性能、加固部署、缓存 LLM 补全,或为 AI Agent 接入持久记忆——都合并为一个技能,以便自动加载正确的领域,而无需在多个技能中做选择。
在 $RESEARCH_HOME 处使用、添加或更新共享的跨项目研究库(vendor 仓库克隆、参考 PDF/epub、镜像的文档页面)时使用——在从网上获取相同材料之前、为项目克隆参考仓库时,或被要求更新/刷新该库时。还负责在依赖或安装某个具名软件包或工具之前进行判断——无论是来自 PyPI、npm、crates.io 还是 apt,或仅以 GitHub release 二进制形式发布:它是否仍在维护、实际是谁在提交、其稳定分支的发布频率、一次发布实际交付什么以及成本如何(wheel 还是 sdist、npm 平台包和安装脚本、预编译二进制),其 Python、node 或 glibc 最低版本是否适配本机、apt 包落后上游多少、是否附带类型、有多少测试套件作为支撑、版本上限是否会限制你——这些都应从 registry、GitHub API 和项目自身源码读取,而非来自搜索摘要。
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。
