Skills
收录 97,501 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
在制作任何线框图、设计系统或高保真界面之前，调查产品领域中有文档记录的视觉和交互惯例时使用。工作包括整理 UI 模式词汇图；针对设计系统文档、ARIA Authoring Practices Guide、WCAG 成功标准、平台人机界面指南和欺骗性设计模式语料库，执行一个搜索角度；深入阅读一个惯例来源并形成记录；或综合下游设计技能所需的惯例登记表和报告。挖掘文档；实时网站截取仅作观察，绝不作为规范。产出经过 schema 验证的成果，其覆盖网格记录每条实际执行的查询，从而区分某领域没有文档记录的惯例与根本未执行的搜索。设计系统的 DTCG 令牌逐字保留，绝不混合。关键词：视觉先例、设计系统研究、UI 模式、交互惯例、无障碍标准、设计令牌、暗黑模式。
精通体素艺术的专家，深入了解 MagicaVoxel 工作流、调色板设计、动画技术、网格转换和游戏引擎优化。本技能汇集了专业体素艺术家、Teardown 开发者和 MagicaVoxel 社区的洞见——这些关于这一专门艺术形式的知识 Claude 通常并不具备。当提及“voxel, voxel art, magicavoxel, qubicle, voxel model, voxel animation, voxel game, blocky art, minecraft style, teardown style, voxel character, voxel environment, voxel optimization, voxel export, voxel to mesh, marching cubes, greedy meshing, voxel palette, destructible voxels, voxel, 3d, pixel-art, game-dev, magicavoxel, qubicle, animation, optimization, indie-games, retro, blocky”时使用。
使用 Outpost Bio 的开放微生物组基础模型时使用，包括 Waypoint 检查点（Waypoint-6m、Waypoint-45m、Waypoint-170m）、Atlas 预训练语料库、Compass 八项任务基准，或 `waypoint-bio` 包中的 `waypoint` CLI。涵盖微生物组样本嵌入、基于分类丰度数据微调、在 Compass 上评测检查点、使用分类丰度谱预训练 GPT-2 模型，以及将 MetaPhlAn、Kraken2、QIIME 2 或 MGnify 丰度表转换为 waypoint 格式。
Windows 应用开发（Windows AI Foundry）的 AI/ML 集成参考。涵盖 Windows AI APIs、LanguageModel、TextRecognizer、ImageScaler、ImageObjectExtractor、ImageObjectRemover、ImageDescriptionGenerator、SemanticSearch、ContentModeration、Phi Silica / Aion Instruct、LoRA、Windows ML、Windows ML Runtime API、ONNX Runtime、execution providers、WebGPU EP、Model Catalog、LearningModel、Foundry Local（CLI / REST API / SDK）、MCP サーバー、App Actions、IActionProvider、Agent Launchers、DirectML、IDMLDevice、operators、tensors、NPU。
WOLVERINE v6.0.0 — HYPE Patient-Conviction。保留六道门禁的 HYPE 单标的论点，行为转向更少但更强的入场，并采用多日 DSL 持有（移植 Bison v3.0.1 模式）。MIN_SCORE 10，每天最多 2 次入场，同一标的 4h 冷却，Phase 2 阶梯放宽至 T0 锁 0，使一个 +10% 的标的可以完全回撤而不锁定——这一结构性变化让赢家能进入 BIG 趋势，而不会在第一次棘轮时被砍。Producer 新增 recent-signals 竞态窗口去重，消除了 Bison 决策日志上的 ENGINE_FAILURE 重试噪声。按信心分层的杠杆（标准 3x / 顶点 5x）保留——HYPE 的波动还不值得采用 Bison 对 majors 层 7-10x 的仓位规模。
使用 PostHog Autoresearch 构建由 Agent 驱动的预测模型：提出“未来 N 天内谁会执行 X？”之类的问题，让 Agent 训练模型，然后每天为用户评分，将结果写入用户属性和 `autoresearch_prediction` 事件。用户想预测流失、活跃、回访、功能采用、转化或个人的任何事件或行为；从模板创建或验证模型；开始训练或立即评分；查看模型质量（留出集与实际 AUC、提升度、校准度、可能性分段、覆盖率）；通过建议引导训练；使用群组、功能标志、工作流或 SQL 根据预测采取行动；或诊断模型训练失败、给所有人相同评分或停止评分时使用。触发词包括：“autoresearch”、“predictive model”、“propensity score”、“churn prediction”、“likely to convert”、“who will do X”、“predicted_p_”、“autoresearch_prediction”、“realized AUC”、“champion model”。
WoW 正式服货币、拍卖行、Token、商店、贸易站、黑市、邮件和玩家交易 API 的完整参考。涵盖 C_CurrencyInfo（货币数据、追踪、背包）、拍卖行（完整的挂单/竞标/购买/出售/搜索/商品）、C_WowTokenPublic（WoW Token 市场）、AccountStore（游戏内商店）、CatalogShop、C_PerksProgram（贸易站——商贩标币）、BlackMarket（BMAH）、TradeInfo（玩家交易）、MailInfo（邮箱）及相关事件。在处理货币、拍卖行 UI、WoW Token、游戏内商店、贸易站、黑市、邮件或玩家间交易时使用。
通过 XVCL 为 Fastly VCL 扩展循环、函数、常量、宏、条件判断和 include —— XVCL 是一个 VCL 转译器，可将 .xvcl 文件编译为标准 VCL。适用于为 Fastly 编写 VCL、处理 .xvcl 文件、用循环生成重复的 VCL（多个后端、路由规则、请求头）、定义带返回值的可复用 VCL 函数、使用编译期常量代替魔法数字，或编写任何 Fastly VCL 配置。XVCL 语法不在训练数据中，因此必须使用本 skill。也适用于在本地编写和测试 VCL（用 `uvx xvcl` 编译，用 falco 测试）、减少 VCL 代码重复、把大型 VCL 拆分为模块化 include，或执行任何 Fastly 的 VCL 开发任务 —— 即使没有明确提到 XVCL。
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。