Skills
收录 98,873 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
当用户需要理解、诊断或预防 Protheus 记录锁与死锁时使用——涵盖 RecLock/MsUnlock/SoftLock/LockByName 语义、BeginTran/EndTran 事务作用域、锁泄漏与死锁诊断（TopMemoStatus、MonitorActiveLocks、DBAccess monitor、SQL Server/PostgreSQL/Oracle 锁查询），以及预防模式（BEGIN SEQUENCE/RECOVER、锁顺序）。也触发于葡萄牙语表述，如 "registro travado"、"trava de registro"、"deadlock"、"erro de lock"、"travamento no Protheus"、"quem esta travando o registro" 或 "RecLock nao libera"。
带视觉样式预设的专业 Markdown 到微信公众号（公众号）发布工具。只要用户想执行以下操作就使用此技能：将文章发布到微信、创建公众号草稿、为微信排版博客文章或技术教程、为 Markdown 应用视觉样式，或说出类似「发布到微信」「推送到公众号」「微信文章」「publish to WeChat」「WeChat draft」「公众号推文」「wechat article」「微信公众号」的话。当用户要求将 Markdown 转换为适用于微信的带样式 HTML 文档时也触发，即使他们没有明确说「发布」。以下翻译/转载请求也触发：「全文翻译」「转载」「translate and publish」「repost」，或源文章为英文且用户想将其发布到微信时。以下情况也触发：「视频号」「短视频」「竖屏视频」「生成视频」「video」「short video」或「WeChat Channels」。此技能端到端处理凭证、图片上传、13 种样式预设（3 种核心 + 7 种扩展 + 无限自定义）、自动封面生成、全文翻译和草稿创建。
inference.sh 的 Python SDK —— 运行 AI 应用、构建 Agent 并集成所有模型。包名：inferencesh（pip install inferencesh）。支持同步/异步、流式传输、文件上传。可用模板或临时模式构建 Agent，并提供工具构建器 API、技能和人工审批。适用场景：Python 集成、AI 应用、Agent 开发、RAG 流水线、自动化。触发词：python sdk、inferencesh、pip install、python api、python client、async inference、python agent、tool builder python、programmatic ai、python integration、sdk python。
对抗式 Quarto 与 Beamer 一致性 QA。评审 Agent 将 Quarto HTML 渲染结果与 Beamer PDF 基准进行内容/视觉一致性比较；修复 Agent 应用修复；循环直至 APPROVED，或连续两轮未发现新问题（回退上限 5 轮）。当用户说 "qa the quarto"、"check parity"、"does the html match the pdf?"、"quarto matches beamer?"，或在 translate-to-quarto 运行之后使用。需要已渲染的 `.qmd` 和 `.pdf` 基准。
将量化分析或已有 JPG/PNG、HTML、PDF 发布为 Quant Buddy 可分享活页或实时看板，并支持创建、更新、复用、验收和公开链接交付。适用于个股画像、估值财务、指数异动、多因子筛选、商品日报、模板、分享壳及卡片等页面。当用户提供 QuantBuddy 活页 URL 并要求解读时也使用。显式调用 /quant-buddy-view、/qbv、qbv 或 QBV，且请求并非纯咨询、代码维护或文档解释时，默认按可分享活页任务处理。输入可唯一识别的 A 股名称、简称或代码，或简单要求单股综合分析（如“贵州茅台”“600519”“分析一下贵州茅台”）均默认请求个股快页；先通过 QBS 验证并回复完整个股分析，再同轮 new_asset_page，无需用户补说“生成页面”。WebAgent 宿主要求金融问题统一交付问答与活页时，一次性行情、涨跌幅、估值、概念解释和口语近况问题也在 QBS 首答后交接本技能。无此宿主约定时一次性问题由 QBS 回答；复盘、监控、画图、回测、K线等操作仍默认有活页意图。明确不要网页或只回复文字时不建页。
在开源 Ray（锁定 2.57）上运行 LLM 工作负载——用 ray.serve.llm（基于 vLLM 的 LLMConfig + build_openai_app）做 OpenAI 兼容的服务，用 ray.data.llm（build_processor）做批量推理。纠正模型产出的过时默认写法——已归档的 ray-llm 仓库及其 YAML 配置、在普通 Serve deployment 里手写 vLLM 引擎、已被移除的 build_llm_processor 名称、已废弃的布尔 stage 标志、顶层 LLMServer/LLMRouter 导入、自由形式的加速器字符串、每个 LoRA 适配器一个 deployment 的设计——改用 2.57 的惯用写法（stage 配置、用 placement_group_config 替代手写 PG、deployment_config 自动扩缩容、动态 LoRA 多路复用、prefix-cache-affinity 路由、完整的 OpenAI 端点面）。在编写、评审或在 Ray 上生产化 LLM 服务或批量推理时使用。经典机器学习的 Ray（Train/Tune/Data/Serve/集群）见同系列的 ray skill。
只要是在创建外联内容——冷邮件、LinkedIn 消息、跟进或分步序列——针对某家公司、某个联系人、某个列表或某个信号，就使用本技能。即使用户没有说 "outreach" 也要使用：任何撰写给潜在客户或客户的信息、联系或触达对方的请求都经由此处。涵盖选择切入点、匹配组织语气、选择序列形态，以及将所有内容暂存以待审批。触发措辞："reach out to"、"draft outreach"、"email this company"、"message this prospect"、"follow up with"、"build a sequence"、"contact these visitors"。也用于战略性的外联问题（"how should our cold emails sound"、"what cadence should we run"）——此时输出的是基于组织已保存语气的观点，而不是序列。
以交互方式为代码仓库的发布做准备——LICENSE、NOTICE、AUTHORSHIP、README 各部分、包元数据、.gitignore、社区文档（CONTRIBUTING/CODE_OF_CONDUCT/SECURITY/CHANGELOG）、.github 模板（issues/PR/CI/dependabot）、推广用的“作者的其他作品”区块，以及视情况而定的 EU/德国法律合规（CRA、AI Act、GDPR、Impressum、产品责任）。包含一个专门的署名向导，以符合司法辖区的法律表述记录人工决策、判断、方向和艺术指导。适用于为新仓库做发布准备、补充缺失的法律/元信息/社区文件、为 AI 辅助的工作撰写 AUTHORSHIP 记录，或询问“为 GitHub/开源准备这个仓库”时。
像资深学者同事那样头脑风暴并压力测试研究想法。进行多轮对话，澄清种子问题（或从冷启动生成一个），以对话方式探究它，跨已发表和在工作论文来源发起并行的深度文献扫描，对问题展开对抗式批评，生成 2–3 个替代框架，评估可行性（在可用时委派给 find-data 技能），并将研究简报写入工作目录。当用户要求头脑风暴一个研究想法、压力测试一个研究问题、研讨一个项目、形成新的论文想法、评估问题的新颖性、评估一个想法是否值得推进、优化研究方向，或检查一个想法是否达到顶刊门槛时触发。也在诸如 "brainstorm with me"、"is this novel"、"has anyone done this"、"what should I work on"、"help me think through this idea"、"workshop this question"、"stress-test this"、"poke holes in this"、"new research idea"、"research project idea" 等表述时触发，或当用户描述一个半成形的想法并寻求反馈时触发。适用于任何领域，但针对实证经济学及相邻社会科学进行调优。
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。