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
在主机配置、守护进程设置、镜像和运行时配置上运行 Docker Bench for Security 这一开源 CIS Docker Benchmark 审计脚本,然后解读通过/失败/警告输出并修复常见故障。在审计 Docker 主机的 CIS 合规性、安排周期性容器评估,或在变更后验证运行时加固控制时使用。关键词:docker-bench-security、CIS Docker Benchmark、审计脚本、通过 失败 警告、主机配置、修复。不适用于应用守护进程加固本身——请使用 hardening-docker-daemon-configuration。
将长篇播客转录稿拉取为带发言人标注的 markdown——优先使用 cookie,覆盖四大付费……触发短语:`pull this podcast transcript`、`get the transcript from this URL`、`summarize this Dwarkesh episode`、`what did Senra say about`、`bundle these episodes for me`、`grep my podcast cache`、`use podcast-goat`、`run podcast-goat`。
从共享的 Punk 风格库生成本地化封面图片和可复用图像提示词,适用于文章、小红书笔记、微信公众号推文、X 帖子、Instagram、Facebook、LinkedIn、YouTube、TikTok、Pinterest、Snapchat、Reddit、Threads、Bluesky、Medium、选题草稿,以及封面、社交封面图、海报提示词、基于风格模板的图像提示词或从长文本生成图像的需求。使用此技能分析源内容,将不支持的宽高比解析为最接近的可用生成比例,选择本地化视觉风格,保存最终提示词,并在有图像生成工具可用时生成图像。
在 Python 中使用 Pydantic v2 定义、校验、序列化或配置数据时使用——包括 BaseModel、Field 约束、字段/模型校验器、model_dump 序列化、pydantic-settings、TypeAdapter、枚举、Literal 与可辨别联合——或在修复仍使用 v1 时代写法(class Config、.dict()/.json()、@validator)的代码时使用。产出正确、地道、符合当前版本的 Pydantic v2 代码。关键词:pydantic、BaseModel、ConfigDict、model_validate、validator、settings。
将任意研究论文(URL / arXiv ID / DOI / PDF / 粘贴文本)渲染为视觉化的多格式阅读体验——包含思维导图、方法流程图、关键发现信息图、对比表格、相关工作时间线,以及与技术内容并行的通俗英文解读。通过斜杠命令(`/read-research-paper`、`/read-paper`、`/explain-paper`、`/visualize-paper`)以及自然语言请求(如 "read this research paper [URL]"、"explain this paper [URL]"、"make this paper visual [URL]")激活。每篇获取的论文都会本地缓存,重复提问可即时响应。内置经典论文语料库,用于离线回退。将引用复用交给 `research-paper`,将相关工作扩展交给 `get-research-paper`。运行时中立。
在评审/评判一份已完成的用户流程文档时使用,以判断下游的线框阶段能否枚举出每一个屏幕,以及每条路径是否完整、可走通、有韧性、可访问且合理——这是一道验收关卡,而非撰写。用户流程文档即导航/交互图:入口 + 信息架构框架、顺畅路径、分支、错误/恢复 + 边界状态、韧性、流程级可访问性、经过的屏幕。按单一来源的标准来评判:目标映射到流程(无孤儿)、入口与出口已定义、分支可收敛、无死胡同、状态(含加载 + 成功)已覆盖、不可逆操作有防护、每条路径都可用键盘/辅助技术完成、流程在客观上合理、标注已同步、屏幕可枚举;修订时还会做增量范围的评审。只输出 `VERDICT: approve|revise` 并附可执行的发现。对达到标准的文档予以通过(不会对单薄的文档误判为需修订),仅在存在明确缺口时要求修订。不用于撰写,不用于线框图,不用于 PRD。
使用、迁移和审查 lombok-macros 派生宏,用于生成 Rust 的 getter、可变 getter、setter、构造函数、Debug 以及基于 Debug 的 Display 实现。当用户明确提到 lombok-macros 或 Java Lombok、希望移除重复的访问器或构造函数方法、配置生成的可见性或转换、从 Debug 中隐藏字段,或审查生成的 API 时使用。优先使用 DTO 和数据载体;拒绝绕过领域不变量、暴露可变内部状态、在访问 Option 或 Result 时 panic,或把 Debug 变成公开展示契约的生成逻辑。
官方 ScraperAPI 命令行工具(`sapi`,以 `scraperapi-cli` 分发)的产品使用参考。只要用户想从终端或 shell 脚本抓取数据、运行异步作业、获取结构化数据、管理抓取、查看账户额度,或驱动 DataPipeline 项目——凡是比编写 SDK 代码更方便用一行命令完成的地方,都使用此技能。触发于:“从终端抓取这个 URL”、“用 sapi 获取 X”、“ScraperAPI CLI”、“从 bash 使用 ScraperAPI”、“sapi scrape”、“sapi cost”、“sapi jobs”、“sapi structured amazon”、“把 ScraperAPI 管道接到 jq”、“抓取 Y 的 shell 一行命令”、“从 Makefile / cron / CI 抓取”、“从命令行查看我的 ScraperAPI 额度”、“从文件批量提交 10000 个 URL”。涵盖安装、认证解析顺序、每个顶层命令(`scrape`、`cost`、`jobs`、`structured`、`crawler`、`pipeline`、`account`、`config`、`init`)、JSON / 管道行为、预检成本检查,以及常见 shell 用法示例。注意:会将用户提供的查询、URL 和内容传输给 ScraperAPI。
ScraperAPI Crawler 的产品使用参考——通过自动跟踪链接抓取整个站点或某个板块。当用户需要事先不知道 URL 就从站点的大量页面提取数据时查阅。在用户询问以下内容时使用:"用 ScraperAPI 抓取整个网站"、"抓取某个域名的所有页面"、"跟踪链接并抓取每个页面"、"如何使用 ScraperAPI 的 crawler API"、"抓取网站地图"、"从站点的每个产品页面提取数据"、"ScraperAPI crawler 任务 API"。涵盖任务创建、URL 正则模式、depth 与 budget、单页抓取参数、状态轮询、webhook、调度和额度消耗。当用户正在构建全站抓取器并询问该用哪个 ScraperAPI 产品时也调用。注意:会将用户提供的查询、URL 和内容传输给 ScraperAPI。
为 AI 软件工厂设计与运行规格驱动开发(SDD)流水线——以结构化规格为输入,由 AI Agent 生成代码,并通过质量门在各阶段强制保证正确性:SPECIFY → DECOMPOSE → IMPLEMENT → VERIFY → DELIVER。适用于构建或完善任何 AI 编码工具(Claude Code、Cursor、Hermes Agent、Devin、OpenHands、droid)都能遵循的规格驱动流水线,或需要规格质量门、阶段门裁决、NFR 编码或格式转换时。不适用于目标明确的单个小改动(先用 bmad 分类)、围绕流水线的意图契约、自治门控与失败路由的控制面协议(bmad),或尚未验证的问题(product-discovery)。
提供有引用、只读的 Splunk Enterprise 管理指导,涵盖常规本地用户、角色、能力、配置优先级、服务归属、维护就绪度以及安全的非变更式验证。适用于管理员需要理解文档记载的 Enterprise 行为、对比所提供的源文件、btool 或运行时观测、确认角色责任人,或在安全变更前判断还缺少哪些证据时。身份提供商认证、知识对象治理、索引/存储、应用生命周期、集群运维、升级/安全、健康/诊断、平台事件、许可/容量以及部署服务器或转发器集群相关工作交由各自负责的 skill。
使用 Graham(NCAV/净净/防御型投资者)和 Buffett(经济护城河/ROE/FCF)方法进行价值投资分析。涵盖单只股票诊断以及针对 Graham 烟蒂股和 Buffett 优质复利股标准的批量筛选。评分前进行跨报表核对。数据优先来自股票命令行,其次 MCP,仅在确实存在缺口时使用 WebSearch。触发词:"格雷厄姆"、"巴菲特"、"捡烟蒂"、"烟蒂股"、"NCAV"、"净流动资产"、"护城河"、"价值投资"、"安全边际"、"深度价值"、"撿煙蒂"、"煙蒂股"、"淨流動資產"、"護城河"、"安全邊際"、"Graham"、"Buffett"、"cigar butt"、"net-net"、"NCAV screen"、"moat"、"value investing"、"margin of safety"、"deep value"、"quality compounder"、"價值投資"、"深度價值"、"防御型投资者"、"防禦型投資者"
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。
