Skills
收录 101,174 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。
全部
编写可移植的上游 Kubernetes NetworkPolicy YAML —— default-deny-all、DNS egress、命名空间和 Pod 选择器规则 —— 可在任意符合规范的 CNI（如 Calico 或 Cilium）上运行。适用于分段必须保持 CNI 可移植、引入默认拒绝姿态，或在不依赖厂商 CRD 的情况下限制 Pod 与命名空间之间的东西向流量。关键词：NetworkPolicy、default deny、podSelector、namespaceSelector、ingress、egress、CNI portable。不要用于 Calico 专有资源 —— 请使用 implementing-kubernetes-network-policy-with-calico。
将 Arcjet Guard 集成到 Cloudflare Think——把 beforeToolCall 委托给 guardHooks，使 DENY 能够替换或阻止工具，并通过 cloudflareThinkContext 读取调用方拥有的 id。当被要求向 @cloudflare/think、Cloudflare Agents Think 添加 Arcjet、对这些工具进行速率限制、筛查入站消息，或阻止提示词注入/PII 时使用。这是 Cloudflare Think，不是 Vercel AI SDK，也不是 needsApproval HITL。
此技能用于监控长时间运行的后台任务（ffmpeg/媒体编码、qmd 或其他 embedding/vector-DB 运行、批处理 Agent/LLM 管道，或真实浏览器/agent-browser 守护进程），直到任务完成或卡住，然后给出结论（已完成、需要关注或受阻）以及确切的下一条命令，避免手动轮询数十次。触发词包括“看护这个任务”“盯着它直到完成”“编码/嵌入/批处理结束时提醒我”“这个后台进程是不是卡住了”“监控这个 ffmpeg/qmd 运行”，或任何要求等待长时间运行的进程并在完成或挂起时告知的请求。
在用户自己的负载上微调 Kev 决策模型（开放的 Jev 风格 System One 模型），并以校准后的概率提供服务。它会访谈用户，在其代码库中查找现有的 Jev/TypeSafe 问题或带标签数据，生成足够的合成训练数据以衡量增益，在 Modal 上训练并校准，对照已发布的检查点打分，部署一个与 TypeSafe 兼容的端点，并拆除所有内容。当有人希望在自己的领域（路由、分诊、审核、分类、评分）上回答 noul/choice/score 问题，希望为自动化阈值获得校准的置信度，提及 Jev、TypeSafe、System One 或 Kev，或要求微调、评估、部署或清理 Kev 时使用。
在 mmontes11/knowledge-base 的 `projects/` 部分添加新的跟踪项目（或新类别），或在维护过程中更新现有项目。创建固定的一组标准文档（README、api-reference、releases、features，以及可选的 architecture），根据上游内容填写并注明出处，更新 frontmatter，在 Tracked projects 表中登记项目，并推送到 main。用户希望在知识库中添加、跟踪或更新项目时使用，例如“将 <repo> 添加到知识库”“开始跟踪 <project>”“更新 <project> 条目”“维护 <project>”“添加新类别 <x>”——即使用户只提到了上游仓库。
回答有关 mmontes11/knowledge-base 内容的问题：包括被跟踪的项目（项目用途、API 范围、最新版本、功能、架构）、`books/` 中的书籍，或 `foundation/` 中的基础主题。先读取根 README 的索引表找到相应文件夹，再阅读相关文件。用户询问知识库可能收录的内容，并希望答案以知识库为依据而非一般知识时使用，例如“<project> 是做什么的”“<project> 的最新版本是什么”“<project> 的 API 如何运作”“知识库跟踪了哪些项目”“知识库对 <topic> 有何说明”“总结 <book> 第 N 章”。
使用 Lapian Notes / 拉片笔记（github.com/bkingfilm/lapian-notes）——一个本地优先的 React/Vite 工具，把一部影片变成可编辑的逐镜头研究笔记：本地抽帧、AI 辅助结构分析（自带 AI，无需 API key）、故事线泳道时间轴、结构树和观众情绪曲线。当用户询问 Lapian Notes、「拉片笔记」、「拉片」（逐镜头影片分析）工具、克隆/运行该仓库（npm run dev、run.bat/run.command）、AI 分析包（ZIP）往返工作流，或向 lapian-notes 提交 PR 时使用。不适用于通用视频剪辑（那请用 `opencut`）或与该代码库无关的通用影片分析理论。
抓取基于 Google 搜索的 AI 概览（AI Overview / AI Mode），针对关键词返回主搜索结果中的 AI 概览要点。适用于利用最新网页信息开展深度调研、技术问答、长尾选品分析和海外消费者偏好分析。仅支持单轮对话；如需追问，须由 Agent 总结上下文后发起新请求。当用户提到 Google AI、AI Overview、AI Mode、谷歌 AI 概览、谷歌 AI 搜索、海外深度调研、长尾选品调研、消费者偏好分析、网页要点总结、Google AI search、AI Overview、AI Mode、deep research 或 consumer preference analysis 等场景时触发此技能。即使用户未明确提到“Google AI”，只要需求是“用谷歌搜索并通过 AI 总结网页要点”，也应触发此技能。
使用 Meta 的 LlamaGuard（7B v1、8B v2 和 v3）将 LLM 提示词和响应分类为安全或不安全，涵盖六个类别：暴力与仇恨、色情内容、枪支和非法武器、受管制物质、自杀与自残，以及犯罪计划。支持 HuggingFace Transformers 和 vLLM 推理、FastAPI 审核端点、Sagemaker 部署及 NeMo Guardrails 集成。适用于在调用 LLM 前过滤用户提示词、展示前审核模型输出、提供可自托管的审核 API，或通过 vLLM 或量化降低审核模型的延迟和 GPU 内存占用。也可用于调整阈值以减少误报。若需更简单的托管方案，请改用 OpenAI Moderation API。
让网站、文档、博客或落地页更适合 Agent，使 ChatGPT、Perplexity、Claude Code 和 Cursor 等 LLM 与 AI Agent 能够发现并读取内容。适用于涉及 llms.txt、llms-full.txt、提供页面的 .md/Markdown 版本、Accept text/markdown 内容协商、Link rel="alternate" 标头、面向 AI 机器人的 robots.txt 规则和 Content-Signal、供 AI 读取的简洁服务端渲染 HTML、通过服务器日志衡量 AI 流量、针对 AI Agent 优化网站、GEO（生成式引擎优化）、AEO、AI 搜索优化、AI 可读或 Agent 可发现的网站、让内容被 ChatGPT 或 Perplexity 的回答引用，或 AI 工具获取到空 React 根节点而非页面内容等请求。也用于反驳已被证伪的做法：ai.txt、AI 元标签、隐藏的 HTML 注释或“for AI”提示、AI 开关按钮、User-Agent 嗅探，以及为 LLM 添加 JSON-LD。不要用于传统 Google SEO、sitemap.xml、面向搜索引擎的 schema.org 富媒体摘要、WCAG／无障碍审计或 CSP／安全标头。
使用 pcbComponent、形状、布尔运算、馈电和多层堆叠构建非目录几何结构的自定义 PCB 结构。触发条件：用户要求构建、修改或定制 pcbComponent——添加/删除形状、编辑多边形、放置馈电、添加金属层、开槽，或创建非目录 RF 结构。也适用于修改现有目录设计组件的几何结构（例如添加焊盘、删除元素、编辑顶点）。编写 pcbComponent 代码之前调用——layer/shape/feed API 并不直观。跳过：设计滤波器/耦合器/传输线等目录组件（使用对应的 matlab-design-pcb-* 技能）、仅定义材料/堆叠（使用 matlab-manage-pcb-material）、EM 分析（使用 matlab-analyze-em）、导入 PCB 文件（使用 matlab-read-pcb-layout）。
分析传感器配置并在 MATLAB Navigation Toolbox 中创建惯性融合滤波器。管理滤波器选择（imufilter、ahrsfilter、complementaryFilter、insfilterMARG、insfilterAsync、insfilterNonholonomic、insfilterErrorState、insEKF、insCF）、构建、调参与融合循环。在融合 IMU/AHRS/INS/GPS+IMU 数据、估计姿态或位姿，或选择滤波器时使用。请勿用于纯视觉 SLAM、Simulink 融合或 IMU 仿真。
当用户提出 "Menu宽度为0"、"Menu宽度问题"、"Menu显示异常"、"Menu子窗口问题"、"Menu layout异常"、"recreate subwindow"、"快速打开Menu问题"、"Menu闪退"、"Menu位置错误"、"子窗口recreate"、"Menu崩溃"、"Menu打印recreate"、"点击无响应"、"点击菜单关闭"、"菜单位置左上角"、"菜单方向不对"、"菜单避让坑"、"宽度高度为0"，或提到任何 Menu 组件问题时，应使用本技能，例如 Menu 宽度为 0、Menu 显示问题、Menu 子窗口问题、Menu 布局异常、定位错误、崩溃、点击响应问题、菜单立即关闭、位置不正确、方向问题、安全区域问题或宽高为 0 的问题。针对 Menu 组件问题提供系统化的调试指导，包括宽度问题、子窗口重建、布局异常、定位错误、崩溃分析、点击问题、菜单位置以及尺寸问题，并自动生成日志增强补丁。
使用本技能可将 Mockito（Android 领域占主导地位的 mocking 框架，androidx 自身也只使用它）接入 JVM 单元测试套件。涵盖 `org.mockito:mockito-core:5.x` 以及 `org.mockito.kotlin:mockito-kotlin:5.x` Kotlin DSL —— `mock<T>()`、`whenever`、`argumentCaptor<T>()`、`any()` / `anyOrNull()` / `eq()`、`MockitoJUnit.rule()` 与 `MockitoAnnotations.openMocks(this)` 两种生命周期的取舍、用于 Kotlin final 类的 inline mock-maker（`mock-maker-inline` 插件文件）、针对 instrumented 场景下 final 类 mock 的 `@SdkSuppress(minSdkVersion = 28)`，以及通过 `runBlocking` 进行 suspend 打桩的变通手段。当用户提到 `whenever`、`Cannot mock final class`、`InvalidUseOfMatchersException`、`@Mock null`、`MockitoJUnitRunner`、`argumentCaptor`、`mock-maker-inline`，或询问如何用 mockito-kotlin 进行 mock 时使用。
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。