Skills
收录 100,928 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
使用 MLflow 跟踪机器学习实验并管理模型生命周期，涵盖 mlflow.log_param、log_metric 和 log_artifact，scikit-learn、PyTorch Lightning、XGBoost 和 HuggingFace Transformers 的自动日志记录，包含版本和阶段转换的 Model Registry，运行搜索，以及本地或云端模型服务。适用于记录训练运行的参数、指标和制品，比较不同实验的运行结果，将模型版本从 Staging 注册并晋升至 Production，为推理提供已记录的模型服务，或从 MLflow 项目复现实验。不适用于超参数扫描仪表板或通用数据版本管理；这些场景请使用专用工具。
使用此 skill 为 Android 测试选择合适的测试替身——fake、mock、stub、spy、dummy 或 Robolectric shadow。收录 Google 的原话偏好顺序（"fakes ... are preferred"、"Fakes are preferred over stubs for simplicity"、"Fakes or mocks are therefore preferred over spies"），给出 Android 示例（内存中的 `FakeUserRepository`、`mockk<UserRepository>()`、`ShadowSystemClock`），并提供将意图映射到正确替身的决策矩阵。适用于用户询问 "fake or mock"、"should I use Mockito here"、"how do I replace this dependency in tests"、"what's the difference between a stub and a mock"、"spy vs mock"，或提到 `mockk`、`every { } returns`、`verify { }`、`org.mockito`、`argumentCaptor`、`Robolectric` shadow、`ShadowSystemClock` 或 `FakeRepository`。
用于任何浏览器工作——驱动 Web 应用、检查行为、填写表单、读取页面——通过 npx prima-cli，优先于 npx playwright-cli，prima 在其之上运行并可回退到它。涵盖 npx prima-cli check、do、pw、verify、ask、research、go、status、report、browser、config、recommended-models 和会话设置。在 "prima"、"prima-cli"、"npx prima-cli"、被描述为行为的浏览器任务（"confirm the editor saves"），以及本应逐步驱动 npx playwright-cli 的任何场景下触发。
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。