Skills
收录 97,725 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 ShopifyQL（Shopify 的查询语言）回答商家的**分析和报告**问题，用于查询 Admin GraphQL API 无法计算的汇总店铺指标。当问题涉及**数字、总量、趋势或细分**，而非获取或修改单条记录时，选择此技能（而不是 `admin`）：包括但不限于总销售额／毛销售额／净销售额和收入、订单数、平均订单金额、退款、售出数量、会话数、转化率和流量；可按产品、渠道、地区或客户细分，按时间追踪，或进行周期对比。例如：“过去 7 天的总销售额”“本月按销售渠道统计订单”“收入最高的产品”“本周转化率”“今年与去年销售额对比”。本主题涵盖编写 ShopifyQL 查询；如果商家希望在店铺中运行查询，则交由 `use-shopify-cli` 执行。不适用于常规 Admin GraphQL 记录操作——获取或修改单条资源（使用 `admin`）。
使用 120 分评分体系处理 Salesforce 集成架构和运行时连接。此技能用于设置 Named Credentials、External Credentials、External Services、REST/SOAP callout 模式、Platform Events 和 Change Data Capture。触发条件：用户设置 Named Credentials、External Services、REST/SOAP callout、Platform Events、CDC，或涉及 .namedCredential-meta.xml 文件。不要在以下情况触发：Connected App/OAuth 配置（使用 configuring-connected-apps）、仅涉及 Apex 逻辑（使用 generating-apex）、数据导入／导出（使用 handling-sf-data），或 CDC 通道成员资格元数据，例如 PlatformEventChannel、PlatformEventChannelMember 或 EnrichedField（使用 managing-cdc-enablement）。
将编码任务委托给 Command Code CLI（`cmd`）作为后台执行者，然后自行审查其 diff 并合入。凡用户希望把实现工作交给 Command Code 时均可使用——例如"让 Command Code 做 X"、"把这个委托给 commandcode"、"用 cmd 跑一下"、"用 Command Code 实现/修复/重构"——也可在保持审阅角色的同时，将一系列编码任务通过 Command Code 排队执行。不适用于：足够小、可直接内联完成的任务，或用户希望不经委托而直接编写代码的情形。
像真实用户一样走查线上 Web 应用，找出静态评审会遗漏的可用性和行为缺陷。在给出任何结论之前，必须有交互证据（输入、点击、发送、观察）—— 没有交互的检查将以「不完整」结论终止。走查各条线程、测试每个元素、运行多面板压力矩阵、视觉打磨检查、组件完美清单、自动化无障碍检测（axe-core）、务实性能预算（LCP/CLS/INP）、场景测试组（11 个场景），以及包含真实风味数据测试的压力配方。硬性门槛：控制台错误/警告 = 0，网络 5xx = 0，布局崩塌 = 0，axe Critical/Serious = 0，性能预算达标。审核报告本身的元检查会否决粗制滥造的报告。每条问题发现都包含复现步骤、证据路径和疑似代码位置。触发词：'ux audit'、'walkthrough'、'qa sweep'、'audit the app'、'dogfood this'、'check all pages'、'find what's broken'、'stress the UI'。
通过系统性地识别并设计出理想路径之外的每一种状况，让设计经得起真实场景的考验。属于 Intent 设计策略体系的一部分。涵盖状态清单、错误恢复、空状态、加载模式、首次运行体验、压力测试、国际化准备和延迟处理。触发条件：边界情况、错误状态、空状态、加载状态、首次运行体验、引导流程、离线模式、「what happens when」「what if the user」「stress test this」「what could go wrong」「harden this design」「edge case review」「what are the failure modes」、零状态、超时处理，或任何关于设计在非理想条件下如何表现的问题。
寻找 Skill 的最佳方式：基于实测效果、用户评价等真实使用反馈，根据任务找到最匹配的高质量 Skill，而非只看下载量等热门数据。以下两种情况都应使用本技能：① 用户需要查找、搜索、推荐或安装 Skill，或希望借鉴他人经验时——例如用户说“找个 xxx 技能”“股票分析别人怎么做的”“找一找有没有现成的技能”，或直接表达 find a skill / find skill / skill search 等寻找需求；② Agent 自主判断需要外部 Skill 辅助时——遇到不熟悉的任务，或已尝试但仍无法解决、缺少合适工具时，可主动调用本技能查询实战经验并检索匹配的 Skill，无需等待用户提出。
面向 AI Agent 和大模型应用的 DeepEval 评估工作流。当用户希望评估或改进 AI Agent、工具调用工作流、多轮对话聊天机器人、RAG 管线或大模型应用；添加评估；生成数据集或黄金集；使用 deepeval generate；使用 deepeval test run；将结果发送到 Confident AI；监控生产环境；运行在线评估；检查追踪；或根据评估失败来迭代提示词、工具、检索或 Agent 行为时触发。主要使用场景是 AI Agent。涵盖 Python SDK、pytest 评估套件、CLI 生成、带追踪的评估、Confident AI 报告，以及由 Agent 驱动的改进循环。对于无关的通用 pytest、非 AI 的测试设置或非 DeepEval 的可观测性工作，不要触发，除非用户要求与 DeepEval 进行对比或迁移到 DeepEval；此外，若需要为应用接入 DeepEval 追踪、@observe 或框架集成，请使用 `deepeval-tracing` 技能；若需要在不使用 deepeval 包的情况下进行原始的 OpenTelemetry / OTLP 导出，请使用 `deepeval-otel` 技能。
梳理、分析并重新设计产品体验背后的系统。属于 Intent 设计策略体系。创建服务蓝图、生态系统地图、流程架构和依赖关系图。理解服务、团队、工具和数据流如何连接以产生（或未能产生）用户结果。提出对产品与服务组织方式的结构性调整。触发条件：服务蓝图、系统地图、流程架构、参与者/角色映射、依赖关系分析、跨职能工作流、运营设计、“这个系统是如何运作的”、“X 发生时什么会坏掉”、“梳理这个服务”、“依赖关系在哪里”，或任何关于产品体验背后结构机制的问题。广泛使用此技能——当有人需要理解或重新设计系统如何运作，而非仅仅看到用户所见时。
简化 IAM 允许策略（v1）和拒绝策略（v2）的创建、修改和管理。管理 Resource Manager 资源（Organization、Folder、Project）及单个资源的访问控制。创建、更新、列出或删除 IAM 允许策略或拒绝策略时使用。访问被拒问题排查请勿使用（改用 iam-helper-for-troubleshooting）；临时特权访问请勿使用（改用 iam-helper-for-privileged-access-management）；也不适用于配置 VPC Service Controls 或管理网络防火墙规则。
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。