Skills
收录 96,770 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。
测试与质量
对 GrowthBook 功能开关草稿修订版请求或提交审批审查。当用户说 “request review for this draft”、“approve this change”、“reject this draft”、“request changes on revision X”、“I want to review flag Y's pending draft”、“submit my approval”、“mark this as needing changes”、“who needs to approve this” 或 “check the review status” 时使用。要创建和编辑草稿,请使用相关的 flag-* 写入技能。要发布已批准的草稿或解决合并冲突,请使用 flag-publish。要列出所有开关的待处理草稿,请使用 flag-revisions。
自动化 GitHub 仓库配置:12 个经生产验证的 GitHub Actions 工作流模板(React/Vite、Node 矩阵测试、Python、Cloudflare Workers 部署、基础 CI)、4 个 YAML issue 与 pull request 模板、Dependabot 配置、CodeQL 安全扫描、分支保护以及 CODEOWNERS。可避免工作流 YAML 语法与缩进、action 版本固定、runner 版本、issue 模板结构、Dependabot PR 数量限制以及 CodeQL 权限(如 security-events: write)方面 18 个已有记录的常见错误。适用场景:引导新仓库、添加 CI/CD 流水线、创建 issue 或 PR 模板、启用 Dependabot 或 CodeQL 扫描、从 GitHub Actions 部署到 Cloudflare Workers,或修复 GitHub Actions 工作流 YAML 语法错误。
GraphQL schema 设计与评审。使用场景:设计新的 GraphQL schema 变更(类型、变更操作、查询、连接、枚举、错误)、评审 schema 差异、规划 schema 演进,或审计可空性与命名。触发词:'graphql schema design'、'design a mutation'、'design a query'、'design a type'、'new type'、'new mutation'、'review schema'、'review schema diff'、'schema review'、'schema evolution'、'audit the schema'、'/graphql-schema-design'。
Light 科研主线 stage 6:将冻结的 question/estimand、experiment matrix、pre-registration 和 data lineage 落实为最小可运行、测试先行、无泄漏、可复现且可交接给 result-analysis 的实验代码。用于实现或复现训练/预处理/评测;设计 gold/property/metamorphic 测试;控制 Python/NumPy/框架/CUDA/DataLoader 的随机性;审查 train/test 或 CV fit 穿越;记录 config/code/environment/input hashes、stdout/stderr、raw metrics、patient/entity predictions 和 failure artifacts;以及运行 stage-6 checkpoint。数据泄漏或不可复现属于严重问题;静态扫描和使用相同 seed 运行两次,都不能证明跨硬件绝对复现。
适用于大规模生产环境中管理提示词:提示词版本管理、对提示词运行 A/B 测试、构建提示词注册表、防止提示词回归,或为生产级 AI 功能搭建评估流水线。触发词:'manage prompts in production'、'prompt versioning'、'prompt regression'、'prompt A/B test'、'prompt registry'、'eval pipeline'。不适用于撰写或改进单个提示词(用 senior-prompt-engineer)。不适用于 RAG 流水线设计(用 rag-architect)。不适用于降低大模型成本(用 llm-cost-optimizer)。
在不改变功能的前提下改进可运行代码的结构:抽取重复、拆分复杂函数、删除死代码、替换魔法数字、修正误导性命名,并使其现代化为符合语言习惯的写法——每一步都对照测试验证。从构建文件检测技术栈,并借助项目自身的 linter(detekt/ktlint、dart analyze、SwiftLint、cargo clippy、clang-tidy)。适用于有人说“重构一下这个”“清理一下这个”“这个函数太长了”“这里有很多复制粘贴”“删掉死代码”“简化一下”“让它更符合语言习惯”“降低复杂度”,或匈牙利语“refaktoráld ezt”“tisztítsd meg ezt a kódot”“túl bonyolult ez a függvény”“sok itt a duplikáció”时。这是 code-analyzer 的检测所对应的应用方:那个技能在项目中找出问题,这个技能负责改动。不用于修复 bug 或崩溃(那是 error-debugging),也不用于编写重构所需的测试(那是 test-generation)。
在验收已完成的用户研究先行成果物之前对其进行评判——包括研究词汇表、单个角度的搜索输出、提取容器,或证据登记册与报告。这是验收关卡,而非撰写。以单一来源的标准进行评判:记录下来的零结果可与无法访问的来源区分开;论断不超出其方法所能测量的范围;记录的事实与来源一致;可迁移性带有可权衡的理由,且绝不并入确定性之中;数字是来源自身的;同一容器中的发现确实彼此不同;人群与平台描述的是研究本身而非项目;汇聚是跨独立来源的;确定性从不取平均;缺失以搜索结果的方式表述。认可单薄但诚实的结果,仅在存在指明且未记录的缺口时要求修改。只输出 VERDICT: approve|revise 以及可执行的发现。
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。
