trace-to-training-data
将评估追踪和生产日志转换为模型训练数据(SFT 示例或偏好对)。
构建、配置和评估 AI、模型与智能体工作流。
第 31 页 · 共 1230 个 Skill
将评估追踪和生产日志转换为模型训练数据(SFT 示例或偏好对)。
检查 MCP 服务器配置中的安全漏洞,如硬编码密钥和 shell 注入。
生成 Terragrunt 配置文件,包括 root.hcl 和多环境布局。
自动选择合适的分析方法(Gemba Walk、价值流或浪费分析)。
用 A3 格式单页文档系统分析问题和制定行动计划。
系统修复业务逻辑变更后所有失败的测试。
创建或审查 Blazor 组件,处理参数、生命周期和代码隔离。
根据任务复杂度启动智能子代理,自动选择合适的模型。
启动两阶段评估,先生成评分标准再执行审判。
指导你如何创建扩展 Claude 能力的有效技能。
帮你设计 Go 接口、创建可测试的抽象边界。
一次性生成 6 个不同方向的创意建议,其中 3 个高概率、3 个多样性。
帮你创建或更新 Codex skill,提供精准的指令和参考资源。
通过树状思考方式系统探索解决方案,评估并选择最佳路径。
用清晰的解释、图表和步骤来讲解复杂代码。
通过浏览器自动化操控网页,支持点击、输入和提取信息。
创建格式化的 git 提交,遵循规范的消息格式。
创建规则文件来约束 AI 行为,减少重复错误。
用知识图谱导航代码库结构和理解代码关系。
用 TDD 方法创建有效的 AI 技能。
构建检索增强生成系统,优化向量搜索。
并行启动两个审查代理进行全面检查。
帮你用 Zod 验证数据并推断 TypeScript 类型。
帮你按照官方指南开发 AI 技能。
帮你构建 Kafka 消息队列和事件流系统。
帮你用 PDCA 循环进行持续改进。
帮你实现 AI 对话中的长期记忆功能。
帮你将代码库变更同步到知识库。
帮你用鱼骨图分析问题根因。
帮你用 Twilio 发送短信和打电话。