Skills
收录 101,174 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
基础设计上下文技能。确立品牌识别、色彩体系、字体排印、设计风格与受众偏好,并保存到 .agents/design-context.md 供其他所有设计技能复用。触发短语:"set up design context"、"define brand style"、"style guide setup"、"initialize design"、"set brand colors"、"use our brand"。要构建完整 token 体系与组件请用 design-system;要生成调色板请用 color-palette;要创建 logo 与识别系统请用 brand-identity。
使用 Bright Data 的 Discover API 执行大规模网页搜索,按意图排序并按 AI 相关性评分,而非关键词 SERP。触发发现任务并获取排序结果(链接、标题、描述、relevance_score),也可选择获取解析后的页面内容。适用于语义或意图搜索、查找符合特定目标的主题页面、基于网页内容为 LLM 检索,或按相关性而非原始关键词排名筛选结果。涵盖 REST API(POST/GET /discover)、CLI(`bdata discover`)和 Python/JS SDK(`client.discover`),包括 standard/zeroRanking/deep/fast 模式。这是 `live-research` 和 `rag-pipeline` 的基础技能。关键词 SERP 请使用 `search`;结构化平台数据请使用 `data-feeds`。
用于本地开发和测试的模拟 GitHub REST API。用户需要在本地与 GitHub API 端点交互、测试 GitHub 集成、模拟仓库/问题/PR、设置 GitHub OAuth 流程、配置 GitHub Apps、测试 Webhook,或在不调用真实 GitHub API 的情况下处理 actions/checks 时使用。触发词包括“GitHub API”“emulate GitHub”“mock GitHub”“test GitHub OAuth”“GitHub App JWT”“local GitHub”,以及任何需要本地 GitHub API 的任务。
检测 Go 中的性能反模式并应用优化技术。涵盖内存分配、基准测试和 benchstat、pprof 和跟踪、GC 和 GOMEMLIMIT 调优、PGO,以及 HTTP 客户端复用。适用于检查性能、查找慢代码、减少内存分配、性能分析或审查热点路径。触发示例:“check performance”“find slow code”“reduce allocations”“benchmark this”“profile”“optimize Go code”。不适用于:并发正确性(go-concurrency-review)或通用风格规范(go-coding-standards)。
将用户的作品发布到 Huawei Cloud University Operations Platform(华为云高校运营平台/作品陈列馆)。每当用户希望在该平台的作品陈列馆或活动中发布、提交或上传项目/作品时使用此 skill,包括“把作品发布上去”“投稿到陈列馆”“传作品到平台”“提交作品/项目”“报名发布作品”等随意说法,以及“publish to work gallery”“submit to an activity”“upload work to the platform”等正式说法。不要用于一般开发问题、仅向 GitCode 推送 git,或没有发布意图的平台浏览。触发词包括:“把作品发布上去”“投稿到陈列馆”“传作品到平台”“提交作品/项目”“报名发布作品”“publish to work gallery”“submit to an activity”“upload work to the platform”。
当用户希望将心理学原理、心智模型或行为科学应用于营销时使用。用户提到“psychology”“mental models”“cognitive bias”“persuasion”“behavioral science”“why people buy”“decision-making”“consumer behavior”“anchoring”“social proof”“scarcity”“loss aversion”“framing”或“nudge”时也使用。在营销语境中,任何希望了解或利用人们思考和决策方式的情况都使用此技能。
引导启动、配置、扩展和运行 ObjectStack 运行时。涵盖项目设置(`defineStack`、驱动程序、脚手架)、声明平台能力(`requires:`——哪些服务插件会启动)、插件和服务开发(PluginContext、DI、`kernel:ready` 等内核钩子),以及运维(CLI 命令、迁移、部署、通过 LiteKernel 使用测试框架)。当用户编写 `objectstack.config.ts`、构建插件或驱动程序、启用平台能力、挂载 Hono HTTP 层、运行 `os` CLI 命令或规划部署时使用。不要用于数据模式设计(参见 objectstack-data)或查询模式(参见 objectstack-query);数据生命周期钩子(beforeInsert / afterUpdate)属于 objectstack-data,这里仅涵盖内核/服务级事件
Evil Twin / KARMA / Mana 接入点方法论——使用 hostapd-mana / wifiphisher / airgeddon 构建流氓 AP、KARMA 通用探测响应、Mana 选择性探测响应、强制门户钓鱼、通过 deauth 强制客户端接入攻击者 AP、通过 PNL 泄露分析破解 MAC 随机化、关联后 MITM(DNS、ARP、透明代理)、门户/Web/SMB 凭证捕获,以及规避检测战术。用于强制客户端设备接入攻击者控制的 AP、拦截其流量、收集凭证,或通过强制门户投递载荷。
LoRaWAN 与 sub-GHz(433 / 868 / 915 MHz)攻击方法论——LoRaWAN ABP/OTAA 入网攻击、网络/会话密钥复用、帧计数器重放、针对 TTN/Helium 类网络的下行注入、sub-GHz 协议重放(KeeLoq 车库门、固定码遥控器、TPMS 欺骗、智能插座遥测)、HackRF / RTL-SDR / Flipper Zero 工作流、使用 Inspectrum / Universal Radio Hacker 进行信号分析,以及专有数据包格式的重构。用于 LoRaWAN 部署(智慧城市、资产追踪、工业遥测),或任何使用未授权 433/868/915 MHz 频段的无线设备(车库门开启器、门铃、IoT 传感器、遥控设备)。
根据用户的工作负载和分析目标,建议应传递给 `rocprof-sys-run --preset=<name>` 或 `rocprof-sys-sample --preset=<name>` 的 rocprofiler-systems 运行时分析预设(balanced、trace-gpu、trace-hpc、sys-trace、workload-trace 等),并返回可直接运行的命令。适用于用户询问“应该使用哪个预设”、描述工作负载(GPU 内核、MPI、OpenMP、AI/ML 训练、生产环境概览)并寻求分析指导,或调用 `rocprof-sys-run`/`rocprof-sys-sample` 但未选择预设时。不要用于配置或编译 rocprofiler-systems 本身的 CMake 构建预设(`cmake --preset debug|release|ci`);那属于构建配置,而非分析运行。
回答有关 rocprofiler-systems 配置选项及其用法的问题,例如“我的系统有哪些硬件计数器可用”“可以跟踪哪些 ROCm API”“哪些设置控制采样/输出”“如何持久化配置”,并将问题映射到适当的 `rocprof-sys-avail` 或 `rocprof-sys-run --help=<topic>` 命令。适用于用户希望发现或探索 ROCPROFSYS_* 设置、Timemory 组件、硬件计数器、ROCm API 跟踪域或 GPU 指标,而非应用它们的情况。不要用于为工作负载选择初始 `--preset`(应使用 `choosing-a-profiling-preset`)。
指导使用 `rocprof-sys-instrument` 进行插桩:选择运行时插桩或二进制重写(`-o`),通过正则选项包含或排除函数和模块,使用 dry run(`--simulate`、`--dump-info`、`--print-*`)预览插桩内容,调整粒度(`--min-instructions`、`--min-address-range`、`--instrument-loops`),重写库,并诊断函数为何未出现在跟踪中或数量过多。适用于用户询问 rocprof-sys-instrument、二进制重写、共享库插桩、函数或模块包含/排除正则、dry run,或函数与模块的区别。不要用于选择 `--preset`(使用 `choosing-a-profiling-preset`)、列出设置、计数器或 ROCm 域(使用 `discovering-profiling-options`),或附加到正在运行的进程(另一个工具 `rocprof-sys-attach`)。
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。
