Skills
收录 100,696 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
在终端或脚本中使用 ul cloud 命令行（ul cloud RESOURCE OPERATION key=value，PyPI 包 ultralytics-platform）操作 Ultralytics Platform 时使用——列出、创建、更新、克隆或移动项目、数据集和模型；查看数据集图像、统计信息、元数据、重复项和相似图像；启动并监控云端训练运行；逐图模型验证分析；下载权重；导出、部署、上传、回收站与恢复、存储集成，以及账户用量、存储和计费；以及构建 Agent（YOLO、LLM、门控和告警工作流）。关于 Platform Web 界面或本地 yolo 命令，参见 yolo；关于选择训练什么以及如何改进，参见 yolo-training 和 yolo-tuning。
把你在 MyFitnessPal 记录过的每一餐都导出来——按食物细分的 CSV、Agent 可用的趋势，以及本地 SQLite 存储。触发短语：`what did I eat this week`、`export my food diary`、`find every time I logged X`、`top foods driving my protein`、`am I hitting my calorie streak`、`use myfitnesspal`、`run myfitnesspal`。
如何使用 Prisma Composer（`@prisma/composer`）编写、测试并部署应用：用 `compute()` 和带类型的依赖声明服务，定义 RPC 契约，组合 Module，声明服务输入（将配置与密钥作为同一 schema，用 `input()` 读回），组合现成的 cron/storage/streams Module，用 `bucket()` 创建原生 S3 兼容的对象存储桶，查找扩展（名为 `prisma-composer-*` 的 npm 包），用 `mockService`/`bootstrapService` 测试，用 `prisma-composer dev` 在本地运行整个应用并用 `prisma-composer log` 跟踪其日志，用 `prisma-composer deploy`（stage、destroy）部署。适用于构建 Prisma App、连接服务依赖、添加 Postgres 数据库、添加定时任务 / blob 存储 / 事件流 / 原生 bucket、为已组合的服务编写测试、在本地运行应用、查看其日志，或部署/销毁环境时。触发词为 "prisma composer"、"@prisma/composer"、"prisma app"、"compute()"、"service.load()"、"module()"、"contract()"、"mockService"、"bootstrapService"、"prisma-composer dev"、"prisma-composer log"、"prisma-composer deploy"、"--stage"、"--fresh"、"--tail"、"prisma-composer destroy"、"prisma-composer-"、"bucket()"。
为 AI Agent 生成项目上下文和代码库文档。创建 `.agents/` 目录，包含项目概览和深度代码库分析(架构、约定、测试、集成、检查清单、工作流、检测到垂直切分时的功能、评审)。当开始一个项目的工作、接手现有代码库、为 Agent 生成项目文档、梳理代码库模式，或根据近期 git 变更增量刷新索引时使用。触发词："initialize .agents"、"setup project index"、"index project"、"map codebase"、"analyze codebase"、"project overview"、"codebase summary"、"onboarding to this repo"、"integrate feedback"、"sync knowledge"、"refresh codebase"、"sync codebase"、"patch index"。不适用于功能开发、Obsidian 会话笔记，或 prettier、eslint 之类的开发工具配置。
将代码项目转换为 Obsidian 知识库。当用户提到 obsidian、项目文档、知识库、分析项目、转换项目 时激活。 【激活后必须执行】： 1. 先完整阅读本 SKILL.md 文件 2. 理解 AI 写入规则（默认到 00_Inbox/AI/、追加式、统一 Schema） 3. 执行 STEP 0: 使用 AskUserQuestion 询问用户确认 4. 用户确认后才开始 STEP 1 项目扫描 5. 严格按 STEP 0 → 1 → 2 → 3 → 4 顺序执行 【禁止行为】： - 禁止不读 SKILL.md 就开始分析项目 - 禁止跳过 STEP 0 用户确认 - 禁止直接在 30_Resources 创建（先到 00_Inbox/AI/） - 禁止自作主张决定输出位置
适用于在 systemd MemoryMax 约束下长时间运行进程的内存安全 Python 脚本模式。涵盖分配器清理（mimalloc/glibc malloc_trim）、HTTP 响应生命周期、DataFrame 清理、线程本地连接复用以及周期性 GC 节奏。经过生产环境 GPU 工作站上 5 轮 OOM 优化的实战检验。每当编写或审查符合以下情况的 Python 脚本时，请主动使用此技能：在带 MemoryMax 的 systemd 下运行、在循环中处理数据（下载、ETL、回填）、使用 ThreadPoolExecutor 或反复发起 HTTP 请求。在诊断 Python 服务中的 OOM 终止、RSS 增长或 fd 耗尽时也可使用。触发词 - memory optimization、OOM prevention、RSS reduction、malloc_trim、systemd MemoryMax、memory leak、allocator purge、memory-safe script、RSS creep、fd exhaustion、SIGKILL status 9、MemoryHigh、glibc arena、mimalloc purge、requests memory leak、ThreadPoolExecutor cleanup。
通过 Langfuse MCP 服务读取客户的实时 Langfuse trace、session 和 score，与已知故障目录进行模式匹配，并撰写一份分为 Ratel 风格机会和与栈无关的易得成果的发现报告。用于扫描仪表盘、深入排查故障、审查最近的 session 或合作伙伴的 trace、审计其可观测性、查看 Agent 哪里做错了，或 `/ratel-langfuse-analyze`。写入 <repo>/.ratel/（累积）；MCP 不可用时快速失败，对干净数据诚实地跳过，绝不修改代码。是 /ratel-langfuse-integrate 的后续步骤，在 /ratel-observability-assessment 选定 Langfuse 后进入。
托管代码逆向网关。编排：识别运行时 → 反编译 → 去混淆 → 恶意场景转 [[re-malware]]。子技能：[[re-dotnet]] [[re-java]] [[re-script-deob]] [[re-wasm]] [[re-ai-triage]] → [[re-ai-model]] [[re-blockchain]] [[re-python]]、[[re-browser-ext]]、[[re-electron]]、[[re-javacard]]。触发词：.NET、dnSpy、ILSpy、Java、jar、字节码、PowerShell 混淆、VBA 宏、JS 去混淆、托管代码、managed code。
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。