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
获取任何库、框架、SDK、命令行工具或云服务的最新文档和代码示例。用户询问特定库时务必使用,即使是 React、Next.js、Prisma、Express、Tailwind、Django 或 Spring Boot 等广为人知的库,因为训练数据可能未反映近期的 API 变更或版本更新。以下情况始终使用:API 语法问题、配置选项、版本迁移问题、提及库名称的“如何操作”问题、涉及库特定行为的调试、设置说明和命令行工具用法。即使你认为自己知道答案,也要使用。不要依赖训练数据获取 API 细节、签名或配置选项——这些内容经常过时。查询库文档时优先使用此工具,而不是网页搜索。
在 Google Antigravity 2.0(IDE/命令行)格式与其他 Agentic AI Provider 格式(Cursor、Windsurf、Claude Code、GitHub Copilot、Roo Code)之间迁移 skills、agents 和 rules,以及反向迁移。当被要求将 Agent 自定义配置、规则或 skills 迁移/转换到 Antigravity 或从 Antigravity 迁出时使用。
将截图、Figma 画板、模型图、设计图片和在线公开网站转换为高保真、响应式、无障碍且可用于生产的前端代码。适用于用户要求“重建这个网站”“将这张图片转成代码”“精确还原此页面”“克隆此设计”“实现这个 Figma 设计”“让页面适配响应式”“修复视觉差异”“创建 Awwwards 级别的网站”,或将视觉参考转换为 React、Next.js、Vue、Svelte、HTML/CSS 或现有项目所用技术栈的情况。支持精确重建、从零开始的艺术指导、字体识别与选择、混合式扩展、受控变体、由 imagegen 驱动的素材、响应式推断、交互与动效、视觉差异验证,以及可交付就绪度证明。
在目标 BlueField DPU 上使用 DOCA Rivermax(doca_rmax)接收流,以实现 IP 上的精准时序媒体传输(SMPTE ST 2110 视频/音频、市场数据、科学数据流);DOCA Rivermax 应用只能在该设备上运行,且需先安装 Rivermax 库和许可证。获取这些内容属于 doca-setup / doca-public-knowledge-map 的范畴。即使未提及 Rivermax,遇到“ST 2110 接收端没有收到帧”“媒体接收器出现亚微秒级抖动”“doca_rmax_init 返回 NOT_SUPPORTED”“流启动后没有接收事件”或“媒体接收器许可证检查失败”等情况,也应触发此技能。涵盖 doca_rmax_in_stream 会话、SDK 和许可证前置条件检查、doca_rmax_get_*_supported 能力查询、与 doca-eth 队列及 doca-flow 流量导向的配合,以及 Rivermax 调用返回的 DOCA_ERROR_*。对于底层队列编程(doca-eth)、流量导向规则(doca-flow)、PTP/时钟同步(doca-firefly)或尽力而为的数据包 I/O,应拒绝并转交相应技能。
在安装了 DOCA 的主机上使用 doca_telemetry_utils 命令行工具:发现诊断计数器架构,将计数器名称转换为二进制 Data ID 并反向转换,以及在提交 DOCA Telemetry 导出器配置前检查设备是否支持相应计数器。当遥测计数器在导出器和收集器之间消失时使用此技能,例如“我的导出器在发送,但收集器什么也没收到”“这个指标在下游静默丢失”“这个 BlueField 暴露了哪些计数器”“把这个 0x... 转回计数器名称”“这里的 node / pcie_index / depth 是什么意思”或“此设备支持这个计数器吗”,即使没有提到该工具。将导出器或收集器代码转交给 doca-telemetry-exporter / doca-telemetry,将 DTS 部署转交给 doca-dts,将 DOCA 安装或修复转交给 doca-setup。
使用 PHPUnit 和 Drupal Test Traits(DTT)对 Drupal 进行测试驱动开发。适用于编写或修复测试、判断什么值得测试、在修复前复现 bug、选择引导级别(Unit 与 Kernel 与 ExistingSite/functional)、测试权限门禁、添加 Playwright 可视化验证,或调试静默运行零断言的测试。涵盖 bug 修复的 RED-first 纪律、值得测试的标准、引导成本权衡、负面测试、匿名 403 权限陷阱、DTT 注意事项,以及使 Drupal 测试空洞通过的 PHPUnit 版本锁定。
通过命令行对 Fabric Eventhouse 和 KQL Database 执行 KQL 管理命令(表管理、数据摄取、策略、函数、物化视图)。当用户想要:1. 创建或更改 KQL 表、列或函数 2. 将数据摄取到 Eventhouse(内联、从存储、流式)3. 配置保留、缓存或分区策略 4. 创建或管理物化视图和更新策略 5. 管理摄取管道的数据映射 6. 通过脚本部署 KQL 架构 触发词:"create kql table"、"kql ingestion"、"ingest into eventhouse"、"kql function"、"materialized view"、"kql retention policy"、"eventhouse schema"、"kql authoring"、"create eventhouse table"、"kql mapping"
检查 RevOS BigQuery lakehouse:列出数据集和表,探查表结构与列类型,预览样本行,评估数据分层(bronze/silver/gold),并检查数据完整性和空值率。这是 create-dbt-transformations 和 create-cubes 的必需配套技能——在生成 dbt 模型或 cube 定义之前加载,以探查仓库的列和类型。适用于以下请求:探索 lakehouse、列出 BigQuery 表、检查表结构、预览数据、检查原始源表、评估数据质量、检查空值率、了解可用数据,或执行 BigQuery 结构探查。
飞书视频会议与妙记:按时间、参会人或关键词检索历史会议,查询进行中的会议,获取会议纪要、智能纪要、AI 摘要/待办/章节与逐字稿,查询录制并下载妙记音视频和逐字稿,搜索妙记与申请妙记权限,操作会议机器人入会/离会并查询会议事件。用户提到会议纪要、妙记、minute token、逐字稿、录制、会议机器人或 meeting_id 时使用。不用于:创建日程、找共同空闲时间和预订会议室(feishu-cli-work);从零撰写会议纪要等飞书文档(feishu-cli-docs);未封装接口的 schema/raw API(feishu-cli-platform)。
在构建 ERPNext/Frappe API 集成(v14/v15/v16)时使用,包括 REST API、RPC API、身份验证、Webhook 和速率限制。涵盖外部 API 调用、端点设计、token/OAuth2/会话身份验证。关键词:API integration, REST endpoint, webhook, token authentication, how to connect, external API, send data to another system, API not working, 401 error, OAuth, frappe.call, external connection, rate limiting。
在实现 Frappe/ERPNext 权限系统时使用。涵盖 v14/v15/v16 的角色、用户权限、权限级别、数据脱敏和权限 hook。防止常见的访问控制错误和安全问题。关键词:permissions, roles, user permissions, perm levels, data masking,, restrict records, who can see what, department access, row-level, user cannot see document, access denied. access control, security, has_permission.
设计和实现智能游戏 AI 系统的专家,涵盖行为树、有限状态机、GOAP、效用 AI、寻路、转向行为和感知系统。专长于创建可信赖、高性能的 NPC 行为,以提升玩家体验。当提到 "game AI, NPC behavior, behavior tree, state machine for game, enemy AI, pathfinding, A* algorithm, navmesh, steering behavior, GOAP, utility AI, AI perception, combat AI, companion AI, boss AI, crowd simulation, flocking, game-ai, behavior-trees, pathfinding, npc, state-machines, goap, utility-ai, steering, perception" 时使用。
在使用 R 的 ggplot2 包时使用,尤其是 ggplot2 4.0+ 特性。涵盖 S7 迁移(@ 属性访问)、以 ink/paper/accent 为主题的默认设置、element_geom()、from_theme()、主题快捷方式(theme_sub_*)、调色板主题、带字典/属性的标签、离散标度改进(palette、continuous.limits、minor_breaks、sec.axis)、位置美学(nudge_x/nudge_y、order)、facet_wrap 的 dir/space/layout、箱线图/小提琴图/标签样式、stat_manual()、stat_connect()、坐标反转。
用 Go 构建命令行工具:flag 处理、子命令、stdin/stdout 规范、退出码、信号处理,以及何时 Cobra/Viper 比标准库更值得用。适用场景:"build a CLI"、"add a subcommand"、"parse flags"、"exit codes"、"handle Ctrl+C"、"cobra command"、"read from stdin"、"CLI UX"。不适用:HTTP API(go-api-design)、项目脚手架(go-project-layout)、服务配置(go-architecture-review)。
正确使用 Go 内置数据结构:切片(nil 与空切片、append 语义、别名、预分配)、映射(comma-ok、集合、迭代顺序)、数组及其选择。适用于“切片还是数组”“nil 切片”“空切片”“预分配”“映射迭代”“在 Go 中使用集合”“切片别名”“append 陷阱”“复制切片”“sync.Map 还是互斥锁”等情况。不适用于:跨 goroutine 共享的结构(go-concurrency-review)、分配分析(go-performance-review)、泛型容器(go-design-patterns)。
通过 hcloud 命令行管理华为云 ModelArts 训练作业及相关资源的全生命周期操作。覆盖 8 个功能域共 52 个 API 接口:训练作业管理、算法管理、训练作业标签、训练实验、训练作业事件、模型导入、自动搜索(超参调优)以及训练镜像保存。所有写操作在执行前都需要用户确认。触发词包括:"ModelArts training"、"训练作业"、"模型训练"、"创建训练作业"、"查询训练作业"、"停止训练作业"、"删除训练作业"、"算法管理"、"超参配置"、"training job"、"training management"、"create training"、"ModelArts 训练"、"训练实验"、"自动搜索"、"超参调优"。
设计能在不同文化、语境和尺寸下被瞬间理解的图标。图标设计融合符号学、认知心理学与视觉工艺,创造出用户无需思考即可理解的符号。优秀的图标以最佳方式隐形——它们传达含义如此自然,用户从不停下来解读。此技能涵盖图标网格系统、视觉对齐、描边一致性、隐喻选择、跨尺寸可缩放性、SVG 优化以及图标集一致性。最优秀的图标设计师明白,图标是一种视觉语言——每个图标必须说同一种方言,同时承载自身独特的含义。在提到 "icon、iconography、symbol、glyph、icon set、icon library、pictogram、svg icon、icon grid、icon pack、feather icons、lucide、phosphor、heroicons、icon system、icon style、icons、iconography、svg、symbols、glyphs、pictograms、ui-icons、icon-set、visual-design、design-system" 时使用。
起草、分析、评分并改进 IELTS Academic 或 General Training 写作 Task 2 作文(至少 250 词)。当用户分享一道 Task 2 题目、想要一篇范文、需要针对自己作文的分数反馈,或询问作文结构、论证展开、论点写作或 Task 2 常见错误时,使用本技能。涵盖所有 Task 2 题型:观点/同意-不同意、讨论双方观点、优点-缺点、问题-解决方案、两部分问题。当用户询问 Task 2 词汇、改写或如何避免常见错误时也可使用。在写作总分中,Task 2 的权重高于 Task 1。
在 RunComfy 上为任意静态图像制作动画——此技能是一个智能路由器,可根据用户意图在 RunComfy 目录中匹配合适的图生视频模型。一般动画选择 HappyHorse 1.0 I2V(Arena 排名第 1、原生音频、身份保持);自定义旁白口型同步选择带有 `audio_url` 的 Wan 2.7;基于图像、参考视频和参考音频进行多模态动画制作则选择 Seedance 2.0 Pro。整合每个模型文档中记录的提示词模式,让调用方无需在错误模型上反复尝试,也能获得更出色的输出。通过本地 RunComfy CLI 调用 `runcomfy run <vendor>/<model>/image-to-video`(或对应的端点变体)。在出现“image to video”“image-to-video”“i2v”“animate image”“make this move”等表达,或明确要求将静态图像转换为视频时触发
通过 inference.sh CLI 使用 Real-ESRGAN、Thera、Topaz、FLUX Upscaler 放大并增强图像。模型:Real-ESRGAN、Thera(任意尺寸)、FLUX Dev Upscaler、Topaz Image Upscaler。用于:增强低分辨率图像、放大 AI 艺术图、修复老照片、提升分辨率。触发词:upscale image、image upscaler、enhance image、increase resolution、real esrgan、ai upscale、super resolution、image enhancement、upscaling、enlarge image、higher resolution、4k upscale、hd upscale。
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。
