Skills
收录 101,323 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
以幻灯片设计规范 slide-rules.md 为核心，制作达到经营会议质量的幻灯片。每个阶段通过 scripts/rules.py 调取所需章节，使用经规范验证的组件（new_deck.py --list 列出的 20 种）进行组装，并通过 check_deck.py、check_layout.mjs 的机械检查，确保 FAIL 为 0。仅当用户提供现有 PowerPoint 并要求以 PPTX 格式制作插入页面时，才直接基于该资料的母版构建（slide-rules §8.7）。触发示例：“制作咨询级幻灯片”“制作符合规范的演示文稿”“按相同格式为这个 pptx 添加页面”。
即将批准设计文档（规范、计划、设计文档、RFC 或 ADR）且希望在签署前进行对抗性审查、找出遗漏时使用。检查常见遗漏类别（引导与所有权、命名准确性、规模、隐藏假设、与已发布代码的一致性、幂等性/失败、安全性、必要性、完整性），并对计划进行专项审查（任务粒度、依赖 DAG、相对于规范的覆盖情况、退出标准的可测试性）。根据代码库验证声明（文件:行号，不编造）；返回发现及“可批准/存在阻塞项”的结论。仅审查，不编辑也不批准——由人工决定，作者负责修复。适用于通用设计文档、RFC、独立 ADR、规范和计划；不适用于 doc-library 的 technical-design、architecture-doc 及其关联 ADR、data-model 或 api-spec 工件（这些各自使用专门的 reviewing-* 对应技能）。关键词：设计审查、规范/计划/RFC/ADR 审查、差距分析。
用户想调用只读 doca_caps 命令行工具，查询 DOCA 在此主机上检测到的内容时使用：列出 DOCA 设备和 PCIe 地址、列出 representor 设备、查询当前操作系统可用的 DOCA 库、检查每个设备和库的功能、将输出限定到特定 PCIe 地址，或捕获无副作用的功能快照用于调试或安装冒烟测试。即使用户未明确提及“doca_caps”或“功能打印工具”，也应触发；常见隐含说法包括“DOCA 在这台机器上实际检测到了什么”“DOCA 能看到我的 BlueField PF 吗”“我的 RHEL 主机上能用 Flow 吗”“枚举 pf0 的 VF representor”“doca_caps：找不到命令”或“RDMA 输出为空，是工具坏了吗”。DOCA 安装（由 doca-setup 负责，切勿指导安装步骤）、库内部功能矩阵（Flow pipe 创建、RDMA verbs 功能）、流式遥测 / DTS 或修改随附二进制文件的问题，应拒绝并转交其他技能
无需源代码树即可查找权威 NVIDIA DOCA 信息时使用此技能：某个库/服务/工具的 docs.nvidia.com 页面、已安装的 DOCA 库及其版本、磁盘或 GitHub 上的示例、/opt/mellanox/doca 下的路径，或返回 404/已重命名的文档 URL。只有当对话中已提及 DOCA、BlueField、ConnectX 或 /opt/mellanox 时，才因隐含表述触发。若上下文中没有这些内容，不要因一般性的“安装了哪个版本”或“示例在哪里”问题而触发。对于动手编程、环境准备、API 教程或硬件/固件修改，应拒绝并转交其他技能；这些分别由 doca-programming-guide、doca-setup、各库技能和 doca-hardware-safety 负责。
为一个 MCP 工具构建起点分类体系——用户在使用该工具之前试图完成什么——并将其发布为 PostHog notebook。从每次会话的开场工具调用重建其目标，然后将这些目标聚类为具名类别，并给出规模、占比和维度构成。适用于用户提问“人们为什么使用这个工具？”、“用户实际上想做什么？”、“是什么问题让人们来到这里？”、“这些会话从哪里开始？”、“按目标细分 <tool> 的使用情况”，或想要 Clio 风格的 MCP 使用分类体系时。与 exploring-mcp-intent-clusters 互补，后者按每次调用对 Agent 做了什么进行分组，而不是会话为何开始。运行此技能的 Agent 自行撰写目标标签，逐会话阅读语料查询输出——随附的脚本涵盖机械性维度，但会明显损失目标的高度，因此不要把该字段交给它们。
将工作负载从 Google Cloud Platform 迁移到 AWS，包括来自任何云提供商的 AI 和 Agentic 工作负载。触发词：从 GCP 迁移、GCP 到 AWS、离开 Google Cloud、将 Terraform 迁移到 AWS、将 Cloud SQL 迁移到 RDS、将 GKE 迁移到 EKS、将 Cloud Run 迁移到 Fargate、将 App Engine 迁移到 Elastic Beanstalk、Google Cloud 迁移、从 OpenAI 迁移到 Bedrock、离开 OpenAI、从 ChatGPT API 切换到 AWS、从 Gemini 迁移到 Bedrock、将 LangChain 迁移到 Bedrock、将 LangGraph 迁移到 AWS、将 Agentic 工作负载迁移到 AWS、将 AI 工作负载迁移到 AWS、将我的 AI 应用迁移到 AWS。运行 6 阶段流程：从 Terraform 文件、应用代码或账单导出中发现 GCP 资源，澄清迁移需求、设计 AWS 架构、估算成本、生成迁移工件并收集可选反馈。必须先完成澄清，才能进行设计、估算或生成。还提供 AI 提供商迁移指导（例如从 OpenAI 迁移到 Amazon Bedrock），根据所需模态、延迟/质量目标、上下文窗口和成本限制，选择最匹配的 Bedrock 模型系列。模型映射以兼容性为指导，并非一对一等同；切换前请验证提示词、工具调用行为和评估指标。不要用于：迁移 Azure 到 AWS（参见 azure-to-aws）、迁移本地部署到 AWS、从 AWS 反向迁移到 GCP、没有迁移意图的一般 AWS 架构建议、GCP 到 GCP 的重构，或不涉及迁出 GCP 的多云部署。
通过 ScrapeGraph AI 进行 AI 驱动的网页抓取、数据提取、搜索和爬取的 CLI 工具。当用户需要抓取网站、从 URL 提取结构化数据、将页面转换为 markdown、爬取多页网站、搜索网络信息、自动执行浏览器交互（登录、点击、填写表单）、获取原始 HTML、发现站点地图或生成 JSON 架构时使用。适用于以下任务：（1）从网站提取数据；（2）网页抓取或爬取；（3）将网页转换为 markdown；（4）通过 AI 搜索网页并提取信息；（5）浏览器自动化；（6）生成抓取用的输出架构。CLI 为 just-scrape（npm 包 just-scrape）。
使用 curl 直接检查 robots.txt、llms.txt 和 llms-full.txt，审计任意域名的 AI 就绪情况；随后依据结构化检查清单为每个文件评分，并提供包含通过/警告/失败结果及可执行修复建议的格式化报告。当用户提供域名或 URL，想了解 llms.txt 或 llms-full.txt 是否可用、可发现或结构规范时，使用此技能。触发语句包括“检查……的 llms.txt”“这个网站有 llms.txt 吗”“查找 llms.txt”“检查此 URL 的 llms”“审计 llms.txt”“llms-full.txt 可用吗”；也适用于用户提供域名或文档 URL 并要求检查 AI 就绪情况，以及验证文档网站的 GEO/AEO 就绪情况。
使用 One CLI（`one`）通过 API 与第三方平台交互，例如 Gmail、Slack、Stripe、Notion 等。One 负责身份验证、构建请求并执行。以下情况触发：- 与任何第三方平台或外部服务交互（如“发送电子邮件”“创建 Shopify 订单”“查找 HubSpot 联系人”“发布到 Slack”）- 列出已连接的平台或检查可用平台 - 查找任务所需的操作（如“如何发送 Slack 消息”“Gmail 能做什么”）- 通过已连接的平台执行 API 调用 - 设置平台间由 webhook 驱动的自动化（如“收到 Stripe 付款时通知 Slack”）- 构建跨平台串联操作的多步骤工作流（如“获取 Stripe 客户并逐一发送电子邮件”）- 任何涉及第三方 API、集成或已连接应用的事项，即使没有提到“One”也适用。以下情况不要触发：- 设置 One 或安装 MCP（使用 `one init`）- 添加新连接（使用 `one add <platform>`）- 配置访问控制（使用 `one config`）
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。