Skills
收录 101,174 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
火山引擎函数服务：当用户想把本地前端、Node.js、Python、静态站点或 API 服务部署上线，基于模板创建 serverless 应用，把已有项目接入 veFaaS，查看线上访问地址，配置生产环境变量、构建命令、启动命令或端口，发布、回滚、调用和调试线上函数，查看日志、实例状态或资源配置，拉取/推送云端函数代码，创建和管理沙箱实例，排查部署失败、鉴权失败、框架检测错误、网关缺失等问题，需要直接调用 veFaaS OpenAPI 完成高级操作，或初期上手 veFaaS、想了解 veFaaS 概念/能力/选型/计费、在终端查阅官方文档、接入 veFaaS SDK 或 OpenAPI 进行代码开发时使用。
根据任何内容或想法创建精美、自包含的 HTML 可视化。用于：幻灯片、演示文稿、信息图、仪表盘、流程图、图表、时间线、对比表、数据可视化、落地页、单页文档、组织架构图、思维导图、流程流、看板、报告摘要，或任何帮助人们更快理解信息的视觉呈现。当请求如 "visualize this"、"make a deck"、"create a slide"、"build an infographic"、"show me a dashboard"、"make this visual"，或任何以可视化 HTML 格式呈现信息的请求时触发。
在实现和验证完成后，生成 Phase-2 Walkthrough 产物（walkthrough.md）。内容包含变更摘要、验证步骤（命令 + 单元测试 + 自动化浏览器测试结果）、可视化证据（直接嵌入文件的屏幕截图/录屏）以及审查关卡（用于 Git 暂存检查的最终 diff + PR 描述），让你在合并前了解有哪些变更以及哪些已证实可用。默认保存到 tasks/walkthrough-[feature].md。触发词：/walkthrough、walkthrough、Phase 2 walkthrough、生成 walkthrough、生成走查文档、write the walkthrough。
对 wiki 做健康检查：扫描所有页面，查找失效的 wikilink、孤立页面、过期的索引条目、缺失的连接、破折号违规、孤立资源以及 Schema 错误。产出带日期的 lint 报告。当用户说 /wiki-lint、提到失效链接、死 wikilink、孤立页面、“我的 wiki 哪里坏了”、“我的链接还能用吗”、“哪些页面没有任何连接”，或要求做 wiki 健康检查时，始终使用此技能。当用户发现某个链接无法解析、怀疑索引已过期，或询问 wiki 状况是否良好时也使用——即使他们没有说 “lint”。绝不自动修复任何内容；只报告。当不确定是否在要求 wiki 健康检查时，使用此技能。需要文件系统读取权限以及对 archive/ 的写入权限。
Yandex KIT 电商 API（kit.yandex.ru 店铺搭建器）核心指南：认证、基础 URL、速率限制、错误约定、分页，以及离线规范搜索/校验脚本。当任务涉及 Yandex KIT API 且没有明确契合的领域技能（商品目录、订单、促销、店铺、webhook）时使用，或当你需要认证、限制或错误处理基础知识时使用。俄语触发词包括：«что умеет API Яндекс КИТ»、«найди операцию в API»、«какой лимит запросов»、«почему ошибка LIMIT_EXCEEDED»、«как авторизоваться в Ките»。
通过 redis-iris 将现有 Agent 使用的 MCP 服务接入一个 Redis Iris Context Gateway，使 Agent 只需使用一个 Agent 密钥连接一个 MCP 端点，而无需分别配置每个服务及其密钥。先询问 Gateway 部署在 Redis Cloud 还是自行管理，然后提出五个问题（Agent 当前使用哪些 MCP 服务及密钥、能看到多少工具、哪些只读工具可以缓存、哪些工具会返回大量结果、所用框架是否原生支持 MCP）。如果自行管理，则通过终端运行 `iris context-gateway` 配置 Gateway 和 Upstream，并设置缓存和压缩策略；在 Redis Cloud 中由开发者在控制台创建。随后在任何框架中将 Agent 指向 Gateway，并使用 `tools list` 和 `tools call` 进行验证。当 Agent 逐个配置多个 MCP 服务、每个服务都需要单独的密钥、提示词中加载了过多工具架构，或用户询问 Context Gateway、单一 MCP 端点、工具缓存或结果句柄时使用。
通过 redis-iris 为现有 AI Agent 添加 Redis Iris Lens 跟踪，让 Agent 的每一轮在 Lens UI 中对应一条跟踪，记录其 LLM 调用、令牌、工具调用、记忆和文档检索，以及哪些内容进入了提示词。识别 Agent 的运行方式（LangGraph 或 ADK attach、workflows.turn、其他框架或普通循环），安装 redis-iris[llm-tracing]，调用 lens.init(agent_id=...)，并在 Iris 尚未打开轮次时为每轮开启一个 lens.turn()；同时处理与现有 OpenTelemetry 配置或应用中已有的 LLM 插桩共存的情况。用户要求为 Agent 添加 Lens、跟踪、可观测性或逐轮跟踪，或询问为何缺少 Lens 跟踪时使用。
审查 adk-python 工作区中未提交的更改，并以按优先级排序的问题报告形式，报告正确性、设计、公共 API 稳定性、测试、示例和文档方面的缺口，仅在用户要求时才修复。当用户要求审查本地更改、希望在发起 pull request 前进行自我审查、询问某个更改是否破坏公共 API 或是否需要测试、示例或文档，或询问当前 diff 有什么问题时使用。公共 API、核心架构（Runner、Workflow、BaseNode）、新功能和重大重构的更改必须使用此技能。不要用于单个风格细节（使用 adk-style）、诊断运行时失败的测试或行为异常的 Agent（使用 adk-debug），或撰写 commit 信息或 PR 描述（使用 adk-git）。
用户希望对 Algolia 索引或账户执行操作时使用此技能，例如删除记录、复制或迁移索引、备份数据、导入或导出记录、管理 API 密钥、编辑同义词、配置规则、修改 facets 等设置、清空索引，或在 CI/CD 流水线中自动化操作 Algolia。关键信号是用户想要操作其 Algolia 数据或配置（服务器端 / 后端 / 管理操作），无论是否提到“CLI”或“命令行”。如果用户指定了某个 Algolia 索引，并希望修改、移动、查询或管理它，请使用此技能。不要用于前端搜索 UI（InstantSearch、React 组件、自动补全控件）、Algolia 控制面板 GUI 问题，或比较 Algolia 与其他服务商。
阿里云 OpenAPI 故障排查 skill。当用户需要使用 Request ID、错误码或错误信息诊断 API 调用失败时使用——通过阿里云 CLI `openapiexplorer` 插件命令。触发词："RequestId 排查"、"Request ID 诊断"、"错误码解决方案"、"API 调用失败"、"get-request-log"、"get-own-request-log"、"get-error-code-solutions"、"OpenAPI 故障排查"、"API troubleshoot"、"diagnose OpenAPI"、"diagnose OpenAPI error codes"、"diagnose OpenAPI error messages"、"Diagnose OpenAPI API call failures using Request ID"。
依据 ICH Q2(R2)/Q14、ICH M10、USP 1220/1225/1226、CLSI EP 或 ISO/IEC 17025，使用 Python 脚本（plan_validation、check_response、check_accuracy_precision、check_detection_limits、check_bioanalytical_run、compare_methods）规划和评估分析方法的验证、确认及转移。涵盖方案、线性、准确度与精密度、DL/QL、M10 运行检查、TOST 等效性、Deming 和 Passing-Bablok。适用于设计预先规定验收标准的验证方案、评估线性度、精密度或检测限数据、检查 ICH M10 生物分析运行或 ISR，以及比较或转移实验室间的方法。不会判定某方法是否已验证；不提供 USP、CLSI、ISO 的标准文本。
让 Web 动画不超出帧预算——仅为合成阶段的属性制作动画，页面繁忙时避免在主线程上运行动态效果，并找出动画丢帧的原因。涵盖布局／绘制／合成流程、更低成本的属性替换、CSS 与 WAAPI 与 requestAnimationFrame 的比较、Motion 的硬件加速路径、React 每帧重新渲染、继承的 CSS 变量重新计算、模糊效果开销，以及 `will-change` 在何时真正有用。动画卡顿、不流畅、停顿或丢帧时；选择动画属性时；出于性能考虑决定使用 CSS 还是 JS 动画时；或考虑使用 `will-change` 或 GPU 图层时使用。选择缓动、时长或是否需要动画，请使用 animate；整体审查动效，请使用 review-animations。
对 Agent-Native Research Artifact 目录执行 ARA Seal Level 2 语义认知审查，读取 PAPER.md、logic/claims.md、logic/experiments.md 和 trace/exploration_tree.yaml。对六个维度（证据相关性、可证伪性、范围校准、论证连贯性、探索完整性、方法严谨性）按 1 至 5 分评分，并生成按严重程度排序、评级从 Strong Accept 到 Reject 的 level2_report.json。Level 1 结构验证通过后，ARA 需要在发布前获得评审时使用。检查主张是否有引用实验支持、审查证伪标准或范围过度主张，或判断探索树是否记录了真实的死胡同时使用。不用于结构或引用验证，后者属于 Level 1。
使用 Arbor 论文中的假设树优化（HTR），针对目标和评估器自主改进实际产物（代码、训练方案、Agent 框架、数据管道、提示词）。当有人希望通过多次实验迭代优化内容且避免过拟合时使用，例如“提高模型的评测分数”“改进这个 Agent/框架”“调整这个管道”“在此基准上超越基线”“搜索多种方法并保留最佳方案”“进行 MLE-bench / Kaggle 风格的优化”，或任何长期任务，目标是“改进产物而非死记开发集”。即使用户没有提到“Arbor”或“假设树”，但描述了反复进行实验和评估、分支探索相互竞争的想法，或担心开发集与测试集之间存在差距，也应触发此技能。由 Claude 自身担任协调器，在隔离的 git worktree 中运行子 Agent 执行器；独立的 `arbor` CLI 工具请参阅 references/arbor-upstream.md。
使用本技能对现有的 Jetpack Compose UI 测试文件或测试套件进行端到端审查。依次执行六个审计阶段（setup 正确性、finder 规范、断言强度、action 正确性、时间/空闲正确性、调试输出），并将每个发现路由到修复它的精确同类技能。产出一份按优先级排序的问题清单——不会修改代码。当用户询问 "review my Compose tests"、"audit this test class"、"is this test flaky"、"why is this test slow on CI"、"which Compose tests should I rewrite"，或粘贴 `*Test.kt` 文件并请求反馈时使用。
使用 AWS Lambda durable functions 构建具有弹性、长时间运行、多步骤的应用，具备自动状态持久化、重试逻辑和面向长时间运行执行的编排。涵盖关键的 replay 模型、步骤操作、等待/回调模式、采用 saga 模式的错误处理，以及使用 LocalDurableTestRunner 进行测试。触发短语如：lambda durable functions、工作流编排、状态机、重试/检查点模式、长时间运行的有状态 Lambda 函数、saga 模式、human-in-the-loop 回调以及可靠的无服务器应用。
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。