Skill

自动管理机器学习训练中的模型检查点，支持断点续训与版本控制，能够生成符合生产标准的代码配置并验证其规范性，适用于 PyTorch、TensorFlow 等主流框架的训练流程优化。

统筹15个智能体构成的分层网状协作体系，按安全、核心、集成三大领域并行推进v3版本开发，在严格遵循10项架构决策与14周时间线的前提下，动态管理任务依赖、跨域通信、负载均衡与进度追踪，确保各阶段目标高效达成。

自动处理前端开发中的图片优化任务，提供符合现代网页性能标准的完整解决方案，涵盖格式选择、压缩参数配置、响应式适配及构建流程集成，支持 React 和 Vue 等主流框架。

自动生成符合行业标准的威胁建模方案，提供从设计到验证的全流程支持，涵盖攻击面分析、威胁识别、缓解策略生成及合规性检查，适用于渗透测试、SOC2 和 GDPR 等安全场景。

实现多模态生理信号的同步处理与深度分析，支持心电、脑电、皮电、呼吸、肌电及眼电等信号的去噪、特征提取与功能评估，适用于心理生理学研究、自主神经系统评估及复杂动力学特征计算。

获取 Gemini 的最新回复内容，支持查看指定数量的历史对话记录，仅在用户明确要求时执行，输出结果保持原始格式，若无可用回复则提示“no reply available”。

自动构建机器学习流水线，通过自动化特征工程、模型选择与超参数调优实现端到端的分类与回归任务处理，包含数据验证、性能评估及结果文档化，适用于需要快速生成高效 ML 模型的场景。

针对已明确的问题或根本原因，立即启动多角度推理流程，生成多样化解决方案，全程由脚本自动编排执行，不进行前置探索或分析。

将音频文件转换为准确的文本内容，支持多种常见格式，自动处理标点与大小写，适用于会议记录、访谈整理等语音转写需求。

自动生成技术文档中的配置参考内容，支持系统或服务配置时的标准化文档生成，涵盖 API 文档、用户指南及架构说明，提供符合行业规范的配置输出与最佳实践建议。

在不改变程序行为的前提下，有针对性地插入调试日志，提升系统可观测性，聚焦于关键路径、外部调用、分支决策和错误上下文，确保日志简洁、安全、可读，并与现有日志规范保持一致。

自动检查 Claude Code 插件是否符合官方仓库规范，涵盖目录结构、JSON 模式、元数据格式、脚本权限、安全风险、市场目录一致性及文档完整性，支持一键修复常见问题并生成详细诊断报告。

自动检测医疗数据系统的安全合规性，扫描代码与配置中的隐私保护缺陷，生成风险报告并提供修复建议，适用于部署前审查或现有系统审计，确保符合 HIPAA 规范要求。

通过优化音频输入质量、会议环境、记录模板和处理流程，全面提升语音转文字的准确率与会议纪要质量，同时缩短处理延迟，支持持续反馈学习以适配专业术语和团队协作习惯。

专注于提升AI代理系统中上下文的利用效率，通过精炼高信息密度的输入来增强大模型推理质量，同时严格控制令牌消耗。涵盖上下文建模、衰减诊断、压缩与缓存策略、记忆架构设计、多代理协同机制及基于LLM的评估方法，适用于从单体代理调试到复杂管道开发的全周期工程实践。

生成安全的密码哈希，支持主流加密算法与盐值配置，确保用户凭证存储符合现代安全标准，适用于身份验证系统的开发与审计。

具备对应用缓存策略的深度分析与调优能力，涵盖缓存命中率提升、TTL 参数优化、键设计重构及失效机制改进，适用于 Redis 等主流缓存系统的性能瓶颈诊断与效能增强。

支持非关系型数据库的数据建模，根据应用需求设计高效的文档结构与表架构，优化查询模式并合理选择分片键，适用于 MongoDB 和 DynamoDB 等系统的架构设计与性能调优。

构建响应式应用，支持实时数据订阅、自动缓存共享、变更一致性保障、乐观更新以提升交互即时性，以及基于游标的分页与无限滚动加载能力。

自动构建符合行业规范的 Fastify 插件，涵盖初始化、路由定义、中间件集成及错误处理等完整流程，支持多种后端技术栈并生成可直接部署的生产级代码。

规范微服务间通信机制，统一通过 Feign 客户端调用标准化的 Service*Resource 接口，实现服务发现、负载均衡、熔断降级与链路追踪，确保模块边界清晰、可独立部署，并支持超时控制、重试及优雅降级。

安全执行数据库模式变更与系统迁移，支持跨库数据转换、历史数据回填及零停机部署，通过分阶段写入与读取切换保障数据一致性，并具备完整的回滚机制以应对异常情况，确保迁移过程可靠可逆。

根据用户需求从 LangGraph 官方文档中提取最新信息，通过索引定位相关指南、概念说明或 API 参考，并据此提供精准的实现建议与技术解答，确保回应内容准确且时效性强。

对 Asterisk 配置文件和日志进行深度校验，识别语法错误、安全风险、生成逻辑偏差及运行时异常，确保配置符合 MikoPBX 工作流规范与通信最佳实践，支撑故障排查、变更验证与系统稳定性保障。

对产品需求文档开展系统性健壮性审查，覆盖输入异常、状态冲突、用户误操作、错误恢复、数据兼容、安全边界及性能瓶颈等维度，识别潜在失效场景并提出可落地的补充条款或功能迭代建议，确保方案在真实复杂环境中稳定可靠。

自动生成和管理数据工作流的编排配置，支持 ETL 流程设计、任务调度定义及数据处理管道构建，适用于需要自动化生成可靠、可扩展的数据流水线场景。

通过抓取主流广告平台上的竞品广告素材，系统化分析其核心信息、目标人群、视觉风格与文案策略，识别高频痛点、有效话术及创意范式，为广告策划提供可验证的灵感来源与差异化切入点。

面向 Rust 区块链开发的全流程规范支持，涵盖代码格式（如内联字符串插值）、依赖与导入组织、溢出安全算术、可追溯错误处理、unsafe 代码安全注释及公共接口文档，确保代码确定性、安全性与长期可维护性。

实现 Sentry与 GitHub Actions、GitLab CI 等持续集成系统的深度对接，支持自动创建和发布版本、上传 source maps、关联代码提交、发送部署通知，确保错误堆栈可追溯、版本变更可追踪。

提供 JavaScript 和 TypeScript 应用的全栈测试能力，覆盖单元、集成及端到端场景，支持主流框架如 Jest 与 Vitest，结合 Testing Library 进行组件和用户交互验证，并内置模拟依赖、构造测试数据、快照比对及覆盖率分析等工程化实践。