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
在开发、设计、构建、部署、调试、迁移或排查 CloudBase（腾讯云开发、云开发、TCB、微信云开发）项目时使用此技能，涵盖 Web、微信小程序、小程序、uni-app、移动端（iOS、Android、Flutter、React Native）。覆盖 UI（页面、界面、表单、仪表盘、原型）；身份验证（登录、注册、OAuth、publishable key）；数据库（NoSQL 文档数据库、PostgreSQL/CloudBase PG、现有 MySQL、app.rdb()、queryPgDatabase/managePgDatabase、CRUD、安全规则）；云函数/cloud functions（serverless、scf_bootstrap）；CloudRun（云托管、Dockerfile）；云存储；内置 AI（内置大模型、AI 对话、流式处理、流式输出、图片生成、generateText、streamText、createModel、generateImage、TokenHub、Hunyuan、DeepSeek、GLM、Kimi、Token Credits 资源包、小程序成长计划）；第三方/自定义模型接入（第三方大模型接入、大模型调用、LLM API）；AI Agent（智能体、AG-UI、LangGraph）；运维排查（巡检、诊断、日志）；规范工作流（需求文档、技术方案、requirements、tasks.md）。不要用于非 CloudBase 项目、不使用 CloudBase 的纯前端项目，或不含 CloudBase 的自托管后端。
当用户希望更新、刷新或重新安装 CopilotKit Agent 的技能（即向该 Agent 讲解 CopilotKit 的 SKILL.md 文件）时使用。不适用于更新 CopilotKit 代码库或项目——它专门用于刷新该 Agent 已加载的技能/知识。触发词包括 "update copilotkit skills"、"update skills"、"refresh skills"、"skills are stale"、"skills are outdated"、"get latest skills"、"my copilotkit knowledge is wrong"、"copilotkit APIs changed"、"skills seem old"、"wrong API names"、"reinstall skills"、"skills not working right"、"update your copilotkit knowledge"。
凡是在 Pulumi 生态中创建、修改、检查或销毁云基础设施或 SaaS 配置的任务，都应使用本 skill，从一次性的 CLI 操作到完整的多资源项目皆然。一个典型项目会跨多个提供商（AWS 或 Azure 或 GCP、Kubernetes、Cloudflare、Auth0、Datadog、Vercel 等），而 Pulumi 用一套 CLI、一套状态模型和一层凭据来统一驱动它们。即使用户没有提到 Pulumi 也应触发；例如"部署这个应用"、"配置一个数据库"、"搭建一个 VPC"、"配置 Auth0"、"设置 Datadog 监控"、"下线 staging 环境"等说法都算。同样适用于把现有基础设施代码（Terraform、CloudFormation、CDK、Bicep、ARM）迁移、移植或转换到 Pulumi 的任务。对于通过云 SDK 读写数据的应用运行时代码不要触发；那是应用代码，而不是基础设施。
将 PostgreSQL 应用从 Prisma ORM 6 或 7 一步升级到 Prisma 8，同时保留现有 schema.prisma、数据库和数据。Prisma 6 或 7 的 Postgres 项目需要升级到 Prisma 8 时使用，包括部署到仅运行 Prisma 8 的 Prisma Compute 之前。触发词包括“upgrade prisma 6 to 8”“upgrade prisma 7 to 8”“upgrade to prisma 8 postgres”“prisma7Schema”“migrations/app”“move off @prisma/client”“Console says move to Prisma 8”
审查编排器，也是所有应用审查的统一入口。先分诊需要审查的内容，然后运行相应的领域：安全（OWASP、认证、响应头、供应链）、隐私（PII、追踪、同意、GDPR/CCPA）、合规（HIPAA、SOC 2、PCI-DSS、GDPR）、设计（响应式、可访问性、排版、i18n）、韧性（错误处理、降级、API 契约）、性能（Core Web Vitals、包体积、运行时）、SEO（元信息、结构化数据、可抓取性）以及 GEO（AI 引用就绪度、llms.txt、实体清晰度）。适用于上线前准备、事后事件规划，或任何"帮我审查应用的 X 方面"的需求。
创建 SageMaker 端点（实时、实时缩容至零或异步），默认启用自动扩缩容、CloudWatch 告警和标签。只要准备创建 SageMaker 端点、编写调用 `create_endpoint` 的部署代码，或在镜像 URI 和 IAM 角色确定后收尾部署，就应使用此技能。为实时端点提供 deploy.py，为通过推理组件缩容至零实例的实时端点提供 deploy_ic.py，为异步端点（同样可缩容至零）提供 deploy_async.py。这是 SageMaker 部署工作流的最后一步。绝不要在缺少这些默认配置的情况下生成裸的 `create_endpoint` 调用——没有自动扩缩容或告警的端点只是演示，不是部署。
为 SageMaker / AWS 相关工作搭建隔离的 Python 环境，配置正确的 Python 版本和最新的 boto3。只要 Python 代码将用于 SageMaker 部署、训练任务或任何 AWS 自动化，都应使用此技能——包括即将执行 `pip install`、即将调用 boto3、创建或激活 virtualenv，或用户要求“set up the environment”时。绝不使用系统 Python，也绝不向其中 `pip install`。始终保持隔离。该技能可避免最常见的失败模式：Python 版本错误、依赖冲突和 SDK 过期。
面向已埋点 ml_app 的端到端 Agent 可观测性流水线：分类生产 trace、定位失败根因、引导创建评估器，然后（可选）采样并发布数据集、生成并运行实验、分析结果。共六个带解说的阶段，每个阶段之间都有标准化的横幅提示和“继续”检查点。完全基于 agent-observability 子技能（`agent-observability-session-classify`、`agent-observability-trace-rca`、`agent-observability-eval-bootstrap`、`agent-observability-experiment-bootstrap`、`agent-observability-experiment-analyzer`）进行编排。当用户说“run the eval pipeline”、“go from traces to evals”、“bootstrap evals end to end”、“classify then RCA then bootstrap”、“build an eval set from scratch”、“onboard me to datasets and experiments”、“walk me through experiments”、“I have an ml_app, now what”、“Agent Observability onboarding”、“guided experiment setup”、“from traces to experiments”，或希望从生产数据经由评估器、数据集到实验获得确定性且带解说的完整体验时使用。可用 `--stop-after <phase>` 在评估器或数据集阶段提前中止以缩短流程，也可用 `--start-at <phase>` 从中途恢复。
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。