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
介绍 NemoClaw 的集成层与蓝图架构,以及它们如何编排兼容的 Agent 沙箱。查询架构、Agent 集成、插件结构或蓝图设计时使用。触发关键词 —— nemoclaw architecture、nemoclaw agent architecture、nemoclaw plugin blueprint structure、nemoclaw vs openshell、which cli、nemoclaw cli、openshell cli、sandbox commands、nemoclaw cli commands、nemoclaw command reference、nemoclaw network policy、sandbox egress control operator approval、nemoclaw troubleshooting、nemoclaw debug sandbox issues。
规划、配置并串联仓库原生的 Nemotron 定制步骤,构建单步或多步流水线:数据整理、翻译、SFT/PEFT(AutoModel 或 Megatron-Bridge)、预训练/CPT、RL 对齐(DPO/RLVR/GRPO/RLHF)、BYOB/MCQ 基准测试、检查点转换、ModelOpt 优化、环境配置,以及对训练所得检查点或现有/托管端点进行评估。当请求提及 Nemotron 步骤或工作流,或要求清理、翻译、训练、微调、对齐、转换、优化、评估,或将这些步骤组合成流水线时使用。不要用于前端/仪表盘/可视化工作、通用 ML 建议、计费/访问问题或非 Nemotron 编码任务。
使用 Next.js 在 Netlify 上部署和管理项目,涉及无服务器函数、环境变量和持续部署。在以下情况使用本技能:使用 Netlify 部署、配置 netlify.toml、管理 Netlify Functions、调试 webhook、设置环境变量,或排查 Netlify 上 Next.js 应用的部署问题。对 Twilio-Aldea 及类似的 serverless 短信/电话项目至关重要。v2.0 包含官方 Netlify 文档、来自 Twilio-Aldea 的生产实践模式(webhook 超时解决方案、后台函数)以及 TypeScript 代码示例。
使用 OpenTelemetry SDK 为 Java、Python、Node.js、.NET 和 Go 应用埋点,将链路追踪、指标与日志发送到 Coralogix。适用于 SDK 侧的 OTel 配置、OTLP exporter 环境变量、Coralogix 资源属性、APM 事务采样器、Kubernetes Operator 注入,或排查应用缺失链路追踪、指标、日志或无遥测数据的问题。不适用于 OTel Collector 配置(使用 opentelemetry-collector)、OTTL 编写(使用 opentelemetry-ottl)、eBPF 埋点或 Lambda layers。
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。
在没有官方代码可用时,用最小化、直接明了的 PyTorch 复现论文的方法,以检验该方法是否如其所声称的那样有效。当用户说「复现这篇论文」「实现这篇论文的方法」「这篇论文没有代码」「我想验证这篇论文是否真的有效」「把这个算法/公式转成代码」,或分享论文/arXiv 链接并想要其核心机制的可运行实现时使用。输出是一个小型、单文件、可读的实现,加上分阶段的验证关卡(形状检查 → 在小批量上过拟合 → 玩具规模下的基线对比),以及一份针对论文所有未明确说明之处的显式假设清单。不要用于为自己实验设计训练配方(pytorch-training-recipe / jax-training-recipe)、审计已有的已发布产件(reproducibility-audit),或组织研究代码仓库(research-codebase)。
将 AI Agent 接入任何项目——检测技术栈(Web、移动端、后端),研究最新文档,运行通用的 8 类审计(页面、状态、UI、API、数据、认证、任务、集成),支持自动检测与自动跳过,访谈开发者,并生成带基于任务路由的结构化上下文文件,让 Agent 不再浪费时间探索项目。对已接入的仓库重新运行 project-onboard 会刷新变更的上下文、重跑功能审计、保留访谈答案,并更新路由,无需单独的更新或审计命令。每当用户说 "onboard"、"onboard again"、"rerun onboard"、"update onboard"、"refresh context"、"set up context"、"scan this project"、"generate AGENTS.md"、"generate CLAUDE.md"、"map this codebase"、"audit features"、"what does this project do",或提出任何帮助 AI Agent 理解新代码库或现有代码库的请求时,都使用此技能。当用户开始在陌生仓库或存在过期 `.context/` 文件的现有仓库中工作时,也同样触发,此时结构化上下文生成会有帮助。
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。
