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
设计桌面游戏——从核心机制到制造,从原型制作到 Kickstarter。当提及"board game、tabletop、card game、worker placement、deck building、area control、playtesting、rulebook、kickstarter game、game balance、asymmetric factions、euro game、ameritrash、party game、dice game、prototype、game publisher、crowdfunding game、board-games、tabletop、game-design、mechanics、playtesting、kickstarter、manufacturing、rulebook、components、balance、player-interaction"时使用。
当用户已有浏览器自动化,并希望解除拦截或在云端运行时使用:Playwright、Puppeteer、Selenium 或其他驱动程序;在本地被拦截、检测或限速的无头脚本;或需要可供自主点击操作的环境的计算机使用型 AI。用户提及 CDP、connectOverCDP、browserWSEndpoint、远程 WebDriver、WebSocket 浏览器端点或 Browser API 时也使用。不用于替用户构建爬虫(使用 scrape)、获取单个页面的 Markdown、HTML 或截图(使用 fetch),或搜索请求(使用 search)。
在 ChatGPT 或 Claude 内渲染的交互式 UI —— OpenAI Apps SDK 应用、MCP Apps(@modelcontextprotocol/ext-apps 标准)或 MCP-UI 组件,并配有 Next.js/React 服务端。涵盖 MCP 工具与资源架构、window.openai / ui-bridge 数据流、widget 状态、沙箱/CSP 安全、显示模式、视觉设计以及目录提交。在构建、审查或设计此类应用时触发 —— 即使用户只说 "chat app"、"ChatGPT widget"、"Claude app"、"render UI in chat"、"window.openai"、"createUIResource"、"outputTemplate" 或 "MCP app UI" 而未指明具体 SDK。
对特定 GitHub 代码库进行按需模式提取,给定一个聚焦的查询——"how does shadcn/ui implement the design system"、"how does opencode use effect-ts"、"how does base-ui handle composition"——当尚不存在预蒸馏的静态规则包时。提炼通用的模式提取步骤——在 grep 之前先对查询分类(component / composition / state / effect / error / build / routing),先 grep 再读整个文件,把 tests 和 examples/ 视为权威意图,沿 imports 向外追踪公开接口,沿 usages 向内追踪变体,过滤样板 / 遗留 / 测试脚手架以凸显关键代码,并把发现记录到 /knowledge/libraries/ 以便复用。是静态 code-atlas 技能(opencode-ts、openai-codex-rust-patterns、nextjs-ppr-patterns)的动态轻量同类。在 "show me how <library> implements X"、"find the <pattern> in <repo>"、"distill <library>" 以及临时性的 /distill-<library> 风格调用时触发。
将视觉设计决策建立在认知心理学原理之上——感知、注意、记忆、格式塔分组和视觉编码层级——解释某些设计为何有效。涵盖界面、数据可视化、教育内容和演示。当用户提到 cognitive load、visual hierarchy、working memory、preattentive processing、Gestalt principles、encoding hierarchy 或 cognitive design pyramid 时调用。设计评估请使用 `design-evaluation-audit`。谬误防范请使用 `cognitive-fallacies-guard`。数据叙事请使用 `visual-storytelling-design`。
为不符合标准管理工具包的高风险边缘情况提供情境应对手册 —— 为不恰当的团队行为、工程师说你上司坏话、在他人处境艰难时将其辞退、管理者离职的愧疚感,以及处理裁员(针对离开者和留下者)生成分步指导。当用户说 "don't know how to handle this"、"someone said something inappropriate"、"engineer said something offensive"、"developer talks badly about my manager"、"letting someone go when their situation is hard"、"I feel guilty about leaving my job" 或 "handling a layoff" 时使用。不要用于标准的绩效不佳管理(使用 performance-reviews)或给出直接反馈(使用 feedback)。
用于推荐服务(AWS Personalize、Databricks Model Serving、内部微服务)以及由 OpenSearch 支撑的搜索/信息流端点的 Django 后端模式。涵盖扇出编排(asyncio.gather、截止时间传播、部分结果、异步客户端复用)、外部服务保护(超时、熔断器、带抖动的重试、隔离舱、限流)、OpenSearch 查询模式(search_after、_source 过滤、function_score、别名、路由、bool.filter)、结果融合(分数归一化、MMR、去重、冷启动)、Redis 缓存(防击穿、按模型版本区分的键、两级缓存、负缓存)、韧性(部分响应信封、出错时返回旧数据、优雅降级)、异步(sync_to_async、异步 ORM、uvicorn、contextvars、断连取消)以及 DRF 响应结构(游标分页、ETag、限流)。适用于构建、审查或重构此类 Django 后端时。即使没有明确的“规模”提示也会触发。包含 5 个脚手架模板。
当用户已有 DPDK 应用,并正在就地添加 DOCA 能力——最常见的是 DOCA Flow 硬件转向——而不以 DOCA 原生形式重写数据平面时,使用本技能:将 DPDK 端口 id 绑定到 `doca_dev`(`doca_dpdk_port_probe` / `doca_dpdk_port_as_dev`)、转换 `rte_mbuf` ↔ `doca_buf`、查询 `doca_dpdk_cap_is_rep_port_supported`,或调试桥接调用返回的 `DOCA_ERROR_*`。即使没有提到 "DOCA DPDK Bridge" 也应触发:"how do I add DOCA Flow to my DPDK app"、"make a DPDK port visible to DOCA"、"the bridge loads but every operation returns errors"、"pkg-config --exists doca-dpdk-bridge fails" 或 "DOCA_ERROR_NOT_FOUND on port registration"。全新 DOCA 原生数据包 I/O(doca-eth)、流规则编程(doca-flow)、DOCA 或 DPDK 安装(doca-setup)或 RDMA 数据搬移(doca-rdma)请转向别处。
库文档查询方法论——API 行为、特定版本的变化、惯用用法,或生产环境为何与文档不一致——与具体库无关。提炼跨库通用的导航动作:先对问题分类再搜索(changelog vs API reference vs 惯用法 vs 已知 bug),抓取 HTML 前先查看 llms.txt,阅读参考页面前先锁定用户版本,针对 "X 是否变更" 类问题先读 changelog,把 examples/ 目录视为惯用法的权威,当文档与实际情况不符时回退到 GitHub issues / status page / Discord。各库的具体地形作为轻量参考数据存放在共享的 /knowledge/libraries/ 图中,与 code-distill 的章节并列。触发词:"在 <library> 文档的哪里"、"在 <library> 里查这个"、"<library> 是否改了 X"、"文档说 X 但代码做 Y",以及任何下一步是查阅某库官方文档的提示词。
适用于用户想要“为每个人填好这封信”“邮件合并”“为这个列表生成信件”“把这封填好的信变成模板”,或交来一个模板加一个列表的场景。从数据表批量填充一个母版模板——Word(.docx)信件/表单或 Excel(.xlsx)表单——每行生成一个填充好的文件(邮件合并);或反其道而行:从一份已填充的示例文档中提取可复用的标记化 .docx 模板与数据表骨架,确认映射后填充。读取母版,提出标记化版本(可变部分变为 {{tokens}}),确认映射,然后为每一数据行重新生成一个输出,并完整保留母版的布局。数据为 .xlsx 或 .csv(每行对应一个输出);输出为每条记录一个命名文件。绝不虚构:没有数据的标记是可见的提示,绝不是静默的空白。完全本地运行,只生成文件——不发送、不发布、不签名。本轮提取仅支持 .docx(不支持 .xlsx)。不能替代手工撰写的单封信件。
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。
