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
管理 Fabric Variable Library 项,包括 definitions、libraryVariables 和 valueSets 覆盖。涵盖哪些使用方可以引用变量以及使用何种语法——pipelines、通过 notebookutils variableLibrary 的 notebooks、Dataflow Gen2、Copy Jobs、shortcuts、UDFs 和 Plan items——每个工作区或部署阶段的活跃值集,以及用于 CI/CD 的 Git 序列化。
你是"中介哥",一位专业且值得信赖的买房参谋,客户可以叫你中介哥。你擅长站在客户的角度全程参与买房决策流程。你的核心能力是帮助客户梳理和挖掘真实买房需求,细致记录画像、偏好与限制,善于通过专业提问发现他们未曾意识到的重要因素并主动提出中立建议。你能够检索多渠道的房产信息、横向比较不同房源优劣,从预算、学区、通勤到未来家庭规划等多维度量身推荐最合适的楼盘或小区。针对客户涉及买房、看房、找房、政策咨询、购房流程、市场动态等房产相关话题时,你会主动介入,结合丰富实操经验,提供系统性、实用且诚恳的建议,避免生搬硬套模板和单一信息罗列,注重教育客户理解房产选择背后的逻辑,助力客户做出理性的置业决策。
视觉设计智能与 UI 美学。集成:chrome-devtools、ai-multimodal、media-processing。能力:设计分析、视觉层级、色彩理论、排版、微交互、动画、设计系统、无障碍。动作:分析、设计、创建、捕获、评估、实现 UI 美学。关键词:Dribbble、Behance、Mobbin、设计灵感、视觉层级、调色板、排版、间距、动画、微交互、设计系统、样式指南、无障碍、WCAG、对比度、黄金比例、留白、视觉节奏。使用场景:构建精美的 UI、分析设计灵感、实现视觉层级、添加动画/微交互、创建设计系统、评估美学质量、捕获设计截图。
使用文本转语音、音乐和音频编辑创建 AI 驱动的播客。工具:Kokoro TTS、DIA TTS、Chatterbox、AI 音乐生成、媒体合并。能力:多语音对话、背景音乐、片头/片尾、完整单集。用于:播客制作、有声书、语音内容、音频简报。触发词:podcast、ai podcast、text to speech podcast、audio content、voice over、ai audiobook、multi voice、conversation ai、notebooklm alternative、audio generation、podcast automation、ai narrator、voice content、audio newsletter、podcast maker
当用户想为 AI 搜索引擎优化内容、被大模型引用,或出现在 AI 生成的回答中时使用。当用户提到 “AI SEO”“AEO”“GEO”“LLMO”“答案引擎优化”“生成式引擎优化”“大模型优化”“AI Overviews”“为 ChatGPT 优化”“为 Perplexity 优化”“AI 引用”“AI 可见性”“零点击搜索”“如何出现在 AI 回答中”“大模型提及”或“为 Claude/Gemini 优化”时也使用。只要有人希望其内容被 AI 助手和 AI 搜索引擎引用或展示,就使用本技能。关于传统技术和页面 SEO 审计,参见 seo-audit。关于结构化数据实现,参见 schema。
端到端调研并验证一个 Amazon 产品机会,并评估其所在细分市场是否可胜出。评估需求、竞争、利润潜力、进入壁垒、评论墙、差异化空间和季节性,并给出带理由的 go/no-go 结论。适用于用户要求调研产品、寻找可售卖的产品、验证产品想法、评估机会、评估细分市场、寻找有利可图的细分市场、判断某品类是否值得进入,或比较细分市场时。触发短语:"product research"、"find a product to sell"、"validate this product"、"is this a good product"、"product opportunity"、"should I sell this"、"niche finder"、"evaluate this niche"、"is this niche worth it"、"good niche"、"low competition niche"、"should I enter"。零工具即可运行,用户描述产品及其可观察到的信息。
当直接调用 Atlassian Cloud REST API 时使用——Confluence Cloud v2(页面、空间、搜索)或 Jira Cloud v3(议题、JQL 搜索、评论)——以编程方式执行操作,包括创建 Confluence 页面等写入操作。使用 curl 调用 REST(不用 SDK,不用 pip),通过 Cloud 邮箱 + API token 认证。借助随附的 OpenAPI 规范,通过端点索引 + $ref 解析器构造 800 多个端点中的任意一个,并明确处理各 API 的模式(基础 URL、分页、错误、速率限制)以及 ADF / storage 富文本格式。使用调用方注入的凭据(base_url、email,以及按变量名解析的 token)——本项不提供也不解析凭据;token 值仅由 curl 读取,绝不打印。
对一份已保存的 skore 报告进行只读审计:`audit/NN_<stem>.py`(jupytext percent),与 `experiments/` 和 `journal/` 一一对应。不要执行它。只运行一次 `materialize.py`。绝不要调用 `skore.evaluate` 或 `project.put`。触发条件:某次已完成的运行需要审计,用户要求审计、展示或重新审计某个实验,一次重跑覆盖了同一个 `put()` key,或用户想要一次过往实验的叙述性说明而没有 `journal/ideas/` 文件。停止条件:`status.setup.pending` 非空(加载 `setup-ml-project`),或没有已批准的设计、没有报告、没有 agent feature:进行说明并把用户引导到 setup、`evaluate-ml-pipeline` 或 `model-ml-pipeline`。原始数据探索或为未来实验寻找数据源时也停止。使用方法:确认 journal、experiment、smoke 和 report;从 `templates/audit.py` 放置文件;把 `templates/materialize.py` 复制到 scratch;执行一次;推导出 G-AUDIT-FINDING;然后进入继续或关闭的门禁。用 `api get` 解析 skore 符号。
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。
