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
AWS OpenSearch(Elasticsearch)或 AWS Personalize 之前的缓存策略——搜索、推荐器、多推荐器页面、匿名与登录流量。涵盖 ROI 决策(TPS/minProvisionedTPS、Zipf、放大)、键设计(规范化、群组 vs 用户、解决方案版本固定、分桶)、个性化边界(匿名/登录划分、扇出合并)、策略(cache-aside、refresh-ahead、write-through、批量预计算、L1+L2)、TTL(波动性、软/硬、抖动、事件驱动失效)、防击穿(single-flight、XFetch、stale-while-revalidate、熔断)、可观测性(命中率、每千次成本、基数漂移、日志回放)、防御性缓存(负缓存、Bloom filter),以及分层组合(LRU、ElastiCache Redis、CloudFront、OpenSearch 请求/过滤器缓存)。触发条件:缓存命中率、Personalize 限流、击穿、single-flight、L1/L2、ElastiCache 容量规划。与 opensearch-function-scoring-algorithms 互补。
起草 Python 增强提案(PEP)——为 Python 语言特性、标准库变更、互操作性标准,或面向 Python 社区的信息/流程文档提出提案。涵盖全部三种 PEP 类型(Standards Track、Informational、Process):选择合适的类型、搭建有效的 reStructuredText pep-NNNN 文件、将每个必需章节填写到验收标准、检查文档头、以及走通赞助人/提交/指导委员会审查流程。触发条件:"write a PEP"、"draft a PEP"、"propose a Python feature"、"create a Python Enhancement Proposal"、"PEP template",或有人正在为 Python Discourse 或 python-dev 准备提案时。即使用户只说"PEP",或未提及 reStructuredText,也要使用它——文档头、章节和流程恰恰是 PEP 作者容易出错的地方。
Rerun Chunk Processing API(rerun.chunk)的核心机制——LazyChunkStream 管道、Chunk、lens(MutateLens/DeriveLens/Selector)、RrdReader、优化 RRD 的写入。在编写任何摄取/转换/预处理代码前阅读(转换 MCAP、从数据集构建 recording、预处理 .rrd、移植旧转换器):必须使用 reader+lens 管道,避免手工构建 chunks;reader/lens 可生成的数据禁止使用 Chunk.from_columns,禁止逐消息调用 rr.log,禁止手动组装 pa.array。特定数据源的知识位于导入器技能(rerun-mcap、rerun-urdf、rerun-parquet、rerun-mp4、rerun-lerobot);先阅读 rerun-data-model,以确定数据应转换成什么。
使用 revmux CLI 运行受监督的多 Agent 审查,报告或依据发现采取行动,并重新审查修复。支持分支、提交、路径、拉取的 pull request、可见叠加运行、审查-修复循环,以及带 grounding、thesis、antithesis 和 cost 面板的 issue 或 discussion 分诊。还会在 self 模式下分析已归档的轮次,以调优本地提示词,并回答关于 profiles、lenses、任务目录、输出、退出码和归档的问题。适用于用户提到 revmux、受监督审查、多 Agent 审查、用 revmux 审查、对分支/提交/PR 运行 revmux、显示审查、分诊 issue、这值得做吗、revmux self、调优 revmux,或询问 revmux 行为时。
对变更进行感知层面的端到端验证——判断它涉及的是 FRONTEND 层面(渲染出的 UI)还是 API/后端层面,然后用正确的方式验证。前端 → chrome-devtools MCP(打开受影响的页面、截图、确认其渲染、检查 console/network/accessibility)。API → 一个 Playwright 请求脚本,命中受影响的端点并断言状态码 + 响应结构。在实现变更后,或在 harness 的 Validate 步骤中使用,以确认它在运行中的应用里确实可用——而不只是单元测试通过。需要 chrome-devtools-mcp 插件(前端)和/或 Playwright(API);两者都由 kit 安装器配置好。
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。
