Skills
收录 99,719 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
通过追踪指标来发现相关基础设施、跟踪行为者和活动、丰富并补充 IOC 背景信息、遵循归因规范与分析置信度,并整理与使用者决策相关的情报成品,从而生成网络威胁情报。涵盖情报生命周期、Diamond Model 和 Pyramid of Pain、STIX/MISP/OpenCTI 存储、TLP 共享,以及通过 passive DNS、crt.sh、Shodan、Censys、GreyNoise 和 VirusTotal 进行被动信息补充。适用于从域名、IP、哈希或证书追踪相关基础设施,跟踪威胁行为者或活动,丰富原始指标,撰写完整情报报告,评估外部报告对本组织的相关性,或针对与你相关的对手构建威胁模型
从代码库逆向分析当前分析埋点的状态。扫描 SDK 调用、身份管理与埋点模式,产出一份事实性清单——而非建议。输出 .telemetry/current-state.yaml 和带时间戳的审计报告。当用户想知道当前埋了什么、审计现有分析、在设计新方案前先记录埋点现状,或提出 "what analytics do we have"、"what events are tracked"、"scan for tracking"、"tracking inventory" 时使用。
当用户需要了解 TOTVS Protheus ERP 业务流程、模块工作流或跨模块集成时使用——涵盖 Compras(COM)、Estoque(EST)、Faturamento(FAT)、Financeiro(FIN)、Contabilidade(CTB)、Fiscal(FIS)、PCP 和 Manutencao de Ativos(MNT),包括其主要例程(如 MATA110、MATA460)、表/字段和业务规则。也会因葡萄牙语表述触发,如 "processo de negocio"、"modulo de compras/estoque/faturamento/financeiro/fiscal/contabilidade/pcp/manutencao"、"como funciona o ciclo de compras",或关于模块间集成的问题。
面向系统可靠性的 Python 模式 —— 后台任务与任务队列(Celery、async)、韧性恢复(重试、退避、超时、通过 tenacity 实现熔断器)以及可观测性(通过 structlog 实现结构化日志、指标、分布式追踪、黄金信号)。适用于构建异步 worker、任务入队、处理瞬时网络/IO 故障、为生产环境插桩 Python 服务、设计重试策略、配置日志或追踪,或上述系统可靠性关注点的任意组合。不适用于语言惯用法或类型规范(使用 `writing-python`),也不适用于项目搭建和依赖管理(使用 `uv`)。
为数据准备编写、补全或扩展 Qlik Sense 加载脚本(.qvs)。主要用例是为 Qlik Predict 的机器学习实验准备扁平数据集——特征工程、处理训练/测试划分,以及输出 QVD 文件。也涵盖一般的 Qlik 加载脚本编写:根据起始代码、注释或提示词补全脚本。只要用户提到 Qlik 加载脚本、.qvs 文件、Qlik 数据加载、QVD 输出、为 Qlik Predict 做数据准备,或请求帮助编写或修复 Qlik 脚本语法,就使用此技能。当用户提供 Qlik 加载脚本并要求修改、扩展、特征工程或数据转换时,也应触发。即使用户只是粘贴 Qlik 脚本代码并就此提问,也使用此技能。
根据对重复性或迭代性工作的平实英文描述,生成经 ralphify 认可的 ralph 目录(RALPH.md + 可选脚本)。当用户说 "ralphify"、"create a ralph"、"ralph wiggum"、"autonomous loop"、"/ralphify"、引用 Geoffrey Huntley 的 Ralph Wiggum 方法,或要求用 ralphify 包装迭代性工作时(test-until-green、refactor-until-done、lint-until-clean、coverage-until-90、burn-down-todos、resolve-review-comments),请使用此技能。即使用户未明确提及 ralphify 但描述了开放式循环("keep fixing tests until they pass"、"port files one by one until the directory is done")也要触发。不要为一次性任务触发——ralph 是为受益于针对停止条件运行 N 次的工作而存在的。
通过 MCP 发布用户自己的 gbrain,以便其他设备、桌面应用和云端 Agent 访问。`gbrain mcp expose` 会安装并登录 Tailscale,在 tailnet 上发布正在运行的 `gbrain serve --http`(默认为 HTTPS,且仅限 tailnet;只有客户端位于供应商云端时才使用 Funnel),将服务作为用户服务持续运行,并返回 MCP URL。然后为每个使用方注册一个遵循最小权限原则的客户端,为其选择原生 OAuth/PKCE 或专用机器交接方式,并在目标运行环境中验证连接。
按置信度评分对 PR 审查评论进行分类并采取行动——修复高分项,对低分项提出反驳,对边界项进行询问。同时处理行内审查线程(锚定到 diff 行)和 PR 级审查正文评论(随审查提交的总结,例如 Age 表格或 Copilot 概览)。首先检查 PR 的构建与合并状态,并在处理评论前修复这些问题。当用户说 "respond to PR comments"、"handle review feedback"、"address PR reviews"、"fix the build"、"fix CI"、"fix merge conflicts",或对某个 PR 编号调用 /respond 时使用。当用户提到某个具体 PR 并想处理审查者建议时也触发——无论是 Copilot、人类还是 bot。此技能发布的每条回复都以 "agent on behalf of;" 署名行结尾,以便审查者能分辨该评论来自代表人类的 Agent,而非人类本人。不要用于生成新的审查——那是 /copilot-review 的职责。
设计并管理客户忠诚度计划——积分、等级、奖励、推荐、VIP 计划、品牌社区、留存机制。涵盖 Brevo Loyalty、Smile.io、LoyaltyLion、Yotpo、Stamp.me、Skeepers Brand Communities 及自建计划的策略、结构与实施。适用于以下情况:复购率低、忠诚度会员未兑换奖励、不确定哪个忠诚度平台合适、等级结构无法激励升级、品牌社区不活跃,或无法证明计划 ROI。不适用于有佣金支出的联盟/推荐计划(请用 /sales-affiliate-program)、面向忠诚度会员的邮件营销(请用 /sales-email-marketing)、结账优化(请用 /sales-checkout),或 Skeepers 专属配置(请用 /sales-skeepers)。如需 Brevo 专属帮助,请用 /sales-brevo。
当用户想分析供应链场景、进行风险分析、评估假设情景或制定应急预案时使用。用户提到"scenario analysis"、"what-if planning"、"risk scenarios"、"contingency planning"、"monte carlo simulation"、"sensitivity analysis"、"stress testing" 或 "disruption planning" 时也使用。关于需求不确定性,见 demand-forecasting。关于 S&OP 场景集成,见 sales-operations-planning。
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。
