Skill

支持教育者设计可测量、可评估的学习目标，覆盖从知识记忆到创造性应用的完整认知层次，同步匹配国际语言能力标准，并融入人机协同学习能力培养，确保目标具体明确、逐级递进且与实际教学评估紧密对齐。

为初创企业提供面向云原生的 AWS 架构设计服务，涵盖无服务器化、弹性伸缩、成本控制、安全合规与可观测性等核心维度，支持从 MVP 快速上线到全球化高可用架构的全周期演进，并输出可部署的基础设施代码、成本分析、安全评估及运维指南。

实现测试环境的全生命周期管理，包括按需创建符合生产环境规格的容器化或云上基础设施，自动校验开发与生产环境的一致性，虚拟化外部依赖服务，并通过自动启停、竞价实例等策略优化资源成本。

基于基因列表查询物种特异的蛋白互作网络，构建可可视化的PPI图谱并支持按功能分组着色，适用于多组学背景下蛋白质相互作用关系的快速探索与图形化展示。

面向企业级 UI/UX 设计的专业能力，覆盖设计系统构建、可访问性合规、组件架构设计、图标库集成与主题化方案，支持 WCAG 2.2 标准、DTCG 2025.10 设计令牌、React 19 和 Vue 3.5 组件开发，以及深色模式与多品牌定制化主题。

支持开发者将 Flutter 包或平台原生能力封装为 WebF 可调用的 JavaScript 模块，实现相机、传感器、支付、文件系统等原生功能在 Web 环境中的安全、类型化调用，适用于需扩展 WebF 原生能力但官方插件库缺失的场景。

执行主流云平台的深度安全评估，涵盖资源侦察、权限提升、敏感信息提取与持久化控制，通过自动化工具链实现对云架构的全面审计与风险识别。

将对话中的关键信息自动转化为结构化的知识文档，按类型分类并保存至指定位置，通过统一格式、添加元数据和双向链接确保内容可检索与持续维护，实现知识的沉淀与高效复用。

提供响应式网页界面的标准化构建方案，涵盖布局结构、卡片组件、导航系统与表单元素的统一设计规范，采用移动优先策略和语义化颜色变量确保跨设备兼容及深色模式适配，通过预设间距层级与断点规则实现视觉一致性。

提供 iOS 平台 Swift 并发编程的系统性支持，覆盖 async/await 实现、@MainActor 隔离、Sendable 安全性保障、数据竞争预防及 Swift 6 迁移等核心场景，尤其擅长诊断主线程阻塞导致的界面冻结问题。

提供对单细胞基因组学中带注释矩阵数据的统一管理，支持高效读写 h5ad 等格式、多批次数据整合、元数据关联及子集筛选，适用于大规模稀疏矩阵处理与跨模态数据分析，在内存优化模式下实现对超大数据集的快速访问与预处理。

支持复杂主题的网络调研与信息整合，通过规划研究框架、分派子任务并汇总多源数据生成结构化报告，适用于需跨领域资料收集与深度分析的场景。

针对 Rails 应用的性能瓶颈提供系统性诊断与优化能力，涵盖 N+1 查询识别与修复、数据库查询效率提升、内存使用控制、响应时长缩短及索引策略建议，适用于开发与测试阶段的自动化性能治理。

自动创建 GitLab 史诗级任务，支持企业级工作流中的项目管理、合规性与集成模式，适用于需结构化流程治理的复杂项目规划场景。

提供技能创建的标准化方法论，指导如何设计轻量、精准且可复用的模块化能力包，涵盖从需求分析、资源规划到结构实现与迭代优化的全流程，强调上下文精简与AI专用性。

执行 AWS云环境安全评估，涵盖权限提升、元数据窃取、S3 存储桶与 Lambda 函数利用，支持通过 SSRF 获取临时凭证，并实现对 EC2、IAM 及 SSM 的渗透测试操作，适用于红队在授权范围内进行云架构安全审计。

提供 GitHub Actions 工作流故障的系统化排查能力，通过查询运行状态、智能摘要失败日志、按需获取完整日志，辅助定位问题根源，并支持本地复现与修复验证。

实现大模型调用过程中的细粒度资源消耗追踪，涵盖 token 使用量、成本核算、按用户或智能体维度的用量分析，并支持自动生成月度账单、实时费用预警及多维度使用趋势统计，为计费、监控与性能优化提供数据基础。

自动分析代码仓库的提交记录，按语义化规范分类功能更新、缺陷修复与破坏性变更，生成结构化的版本日志文件，支持多语言输出、增量更新及自动化发布流程，便于团队维护项目变更记录。

提供 Kubernetes 集群的纵深防御能力，涵盖网络层隔离、Pod 安全分级管控、精细化 RBAC 权限策略、运行时安全上下文配置及策略即代码的准入控制，支撑多租户、合规审计与生产级安全加固场景。

构建高效测试自动化体系，遵循金字塔结构分配单元、集成与端到端测试比例，贯彻快速、隔离、可重复、自验证和及时性原则，结合页面对象等设计模式，并深度融入CI/CD流水线实现快速反馈，同时系统化识别、隔离与修复不稳定测试。

根据用户选择的多智能体协作模式，动态构建并启动对应的智能体集群架构，支持研究探索型的多视角并行分析、工程实施型的分层协同执行、迭代优化型的生成与批判循环，以及高可靠性验证型的多人共识决策。

通过命令行或网页方式检索指定仓库的 GitHub 问题，支持按关键词、标签、状态和负责人进行筛选，帮助快速定位错误根源、确认问题是否已知或查找社区提供的临时解决方案，适用于故障排查与开发协作。

通过缓存、批量处理和连接池优化 Replit API 性能，降低接口延迟并提升请求吞吐量，适用于高并发场景下的响应加速与资源高效利用。

自动从 Jira 拉取项目问题数据，按状态优先级分类分析，生成面向不同受众的结构化进度报告，并支持发布到 Confluence 空间，全程交互确认范围、周期、读者和发布位置。

为 Apollo.io 本地开发提供完整闭环支持，涵盖环境变量配置、带请求响应日志的开发客户端搭建、基于 MSW 的 API 模拟服务、自动化测试脚本及配额监控能力，确保团队在无真实 API 依赖下高效迭代与调试。

自动追踪代码变更并智能更新项目 README 文件，涵盖安装依赖、新增功能、使用示例、配置项、环境变量等内容，保持文档与实际代码同步，支持结构一致性维护、缺失章节补全及版本兼容性说明。

根据用户需求自动生成符合标准的 API 规范定义，支持快速构建与验证 rest 和 graphql 接口设计，适用于各类集成开发场景中的文档生成与配置管理。

根据用户需求与自动化模式，智能判断实施方法是否清晰，并据此选择交互式或全自动路径：若方法明确则直接分解任务；若模糊则通过多轮对话或AI链（深度思考→共识验证）进行澄清与增强，最终生成结构完整、符合标准的plan.md文件。

确保 Replit 项目中敏感信息的安全管理，涵盖 API 密钥的环境变量隔离、定期轮换机制、按环境最小化权限分配、Webhook 签名验证及完整审计日志记录，防范密钥泄露与越权访问风险。