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
@copilotkit/runtime — 在任何 JS 服务上挂载原生支持 fetch 的 CopilotRuntime，配置中间件，选择 AgentRunner，实例化 BuiltInAgent（默认首选使用 TanStack AI 的 Factory Mode），或接入 12 种外部 Agent 框架中的任意一种（Mastra、LangGraph、CrewAI Crews/Flows、PydanticAI、ADK、LlamaIndex、Agno、AWS Strands、MS Agent Framework、AG2、A2A）；启用 Intelligence mode 以支持持久化会话线程和 websocket；通过 defineTool 注册服务端工具，并配置语音转录。使用基于 fetch 的 createCopilotRuntimeHandler 原语；不建议使用 Express/Hono 适配器。加载 references/ 下与你的任务相符的参考资料。
将编码任务委派给 Oh My Pi（`omp`）作为后台实现者，然后自行审查其 diff 并合入。当用户希望把实现工作委派给 Oh My Pi / omp 时使用 —— 例如「让 omp 实现 X」「把这个委派给 oh my pi」「用 omp 跑一下」「用 oh-my-pi 实现/修复/重构」—— 或者希望由 omp 批量执行编码任务队列而自己担任审查者时。不要用于：足够小可以顺手直接完成的任务、用户希望直接写代码而不委派的情形，或者用户指的是原有的 Pi CLI（`pi`）—— 那种情况请用 pi-delegate。
基于成熟的 SRE 实践，为 Google Cloud 上的 Cloud Run 资源（服务、作业和工作池）配置符合最佳实践且信号明确的告警策略。适用于分析、推荐、编写或部署 Terraform PromQL 告警策略，以监控 Cloud Run 错误率 (4xx/5xx)、请求延迟、容器实例饱和度（警告/严重）、容器 CPU/内存使用率与分配量、计费实例时长、作业执行状态以及工作池队列积压。不要用于 GKE 工作负载（请使用 gke-alert-configuration）或 Compute Engine 虚拟机。
对照当前最佳实践审查并搭建 Capacitor 应用（Capacitor 8.5 为稳定版，9 为 alpha，通过 `@next` 获取）。适用于 Capacitor 代码库审查、`capacitor.config.ts` 审计、新项目初始化、对齐 `@capacitor/core`/`cli`/`ios`/`android` 与各插件的主版本、插件模式（可用性检查、`checkPermissions`/`requestPermissions`、错误 `code` 处理、Web 回退），以及发布准备；也适用于出现 `"<Plugin>" plugin is not implemented on ios`、`Could not find the web assets directory`、`platform has not been added yet`、开发用的 `server.url` 被带到生产、`android/app/src/main/assets/public` 中的改动丢失、SPM 与 CocoaPods 的差异，或 AppDelegate/UIScene 偏移的情况。不适用于安全审计（capacitor-security）、性能（capacitor-performance）、测试（capacitor-testing）、崩溃排查（debugging-capacitor）、大版本升级（capacitor-app-upgrades）、SPM 迁移（cocoapods-to-spm）、UIScene 迁移（capacitor-uiscene-migration）或实时更新（capgo-live-updates）。
通过 Sent MCP 工具列出、查看、创建、更新和删除 Sender Profile，并通过 API 执行更完整的 Sender Profile 生命周期管理——按正确的继承、共享、计费和 WhatsApp 选项创建 Profile，推动 Profile 完成及其回调，按 Profile 管理 10DLC 活动，以及管理用户和角色。适用于调用 POST /v3/profiles、处理完成回调或状态不明确的 Profile、在继承资源与专用资源之间做选择、配置按租户的引导流程，或邀请用户并管理角色。
分布式追踪、Span、服务依赖和请求流分析。适用于调查 Span 级别细节、故障、性能瓶颈或追踪关联。触发词：“trace analysis”“slow requests”“failed spans”“service dependencies”“distributed trace”“span details”“HTTP status codes in traces”“database query spans”“messaging spans”“gRPC calls”“Lambda cold starts”“trace ID lookup”“exception analysis”“correlate logs and traces”“request attributes”。不用于解释已有查询、产品文档或配置问题、服务级 RED 指标（使用 dt-obs-services）、日志搜索（使用 dt-obs-logs）或问题分析（使用 dt-obs-problems）。
通过 ApexGuru SFAP Scan API 对 Salesforce Apex 项目运行 ApexGuru 性能扫描。将项目的 Apex 文件（任意目录结构）打包、提交、轮询至完成、解码 base64 报告，并按规则分组呈现性能反模式违规（循环中的 SOQL、循环中的 DML、Schema.getGlobalDescribe()、缺少 WHERE/LIMIT 的 SOQL、未使用的 SOQL 字段），附带严重级别、file:line 和修复建议，并明确标注为"仅静态分析"或"生产洞察"。当用户说"运行 ApexGuru""ApexGuru 扫描""检查 Apex 性能""查找 governor-limit / 性能反模式""循环中的 SOQL""扫描我的 Apex 性能"或"ApexGuru 性能洞察"时触发。不适用于常规静态分析或安全扫描（请使用 dx-code-analyzer-run）、不经扫描直接修复代码，或为组织进行 ApexGuru 初始配置。
使用 @mantine/form 构建表单。适用场景：（1）用 useForm 设置表单；（2）添加校验规则、schema 校验（zod、valibot、arktype）或异步校验；（3）处理嵌套对象或数组字段；（4）用 createFormContext 在组件间共享表单状态；（5）在受控与非受控模式之间选择；（6）在渲染期间用 form.useWatchValue 读取表单值；（7）使用独立的 useField hook；（8）任何涉及 useForm、getInputProps、onSubmit、insertListItem 或表单校验的任务。
使用 pydantic-ai-harness 的功能扩展 Pydantic AI Agent，包括 Coder 编码 Agent、在本地或沙盒工作区（Modal、E2B、Sprites、smolvm）中使用文件和 shell 工具、Code Mode、子 Agent 与规划、记忆与技能、上下文压缩、护栏与支出限制、网络研究与浏览器、托管 SaaS 集成、步骤持久化，以及在 Render Workflows 上运行后台 Agent。适用于用户提到 pydantic-ai-harness 或 pydantic_ai_harness、导入 Coder、CodeMode、FileSystem、Shell、SubAgents、Memory 或 ToolGuardrail 等 harness 功能，或需要能够编辑文件、运行命令或 Agent 编写的 Python、委派任务、记忆信息、管理长上下文、遵守限制，或将模型和工具操作作为链式 Render 任务运行的 Pydantic AI Agent。
基于 RED 指标（Rate、Errors、Duration）和面向 Java、.NET、Node.js、Python、PHP、Go 的运行时专属遥测的服务性能监控。适用于分析服务健康度、SLA 合规性或运行时问题。触发词：“service response time”“error rate”“throughput”“SLA compliance”“service mesh overhead”“JVM GC”“Java heap”“Node.js event loop”“.NET CLR”“Python threads”“PHP OPcache”“Go goroutines”“service performance”“p95 latency”“request failures”“database response time by name”。不用于解释已有查询、产品文档问题、基础设施指标（使用 dt-obs-hosts）、日志分析（使用 dt-obs-logs）或分布式追踪工作流（使用 dt-obs-tracing）。
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。