Skill

提供数据库全生命周期管理能力，涵盖结构设计、版本化迁移、SQL 查询优化及 ORM 映射，支持在清洁环境验证迁移完整性、自动创建索引与约束、执行安全回滚，并确保模式变更符合数据一致性与性能要求。

根据用户提供的链接自动识别内容类型并提取文本，生成可执行的学习与实践计划，将视频、文章或PDF中的信息转化为分阶段的行动方案，完成从知识获取到落地实施的闭环。

根据接口性能需求自动配置缓存策略，优化数据访问效率，支持多种协议下的缓存规则生成与验证，适用于构建高响应性的集成服务。

提供基于 PyTorch 的高层训练框架，自动处理分布式训练、混合精度和设备管理，通过模块化回调与标准化流程实现从单卡到超算的无缝扩展，适用于需要简洁代码与工业级稳定性的深度学习项目。

统一管理各类智能体的全生命周期，涵盖临时智能体的动态创建与自动清理、自定义智能体的手动定义与注册、已有智能体的升级推广，以及基于命名空间的精准调度与冲突规避，支撑复杂工作流中智能体的灵活编排与长期复用。

提供机器学习模型的可解释性分析能力，支持对各类模型进行特征重要性量化、预测归因分解及偏差检测，生成多种可视化图表辅助理解模型决策逻辑，适用于模型调试、公平性评估、特征工程优化及可解释AI系统构建等场景。

利用多模态大模型对UI界面进行深度分析，支持从可用性、无障碍标准、设计系统一致性到实现与设计稿比对等多种审查场景，提供结构化评估框架和分级问题反馈。

提供电子表格的全流程处理能力，涵盖新建、编辑、公式计算、格式设置、数据分析与可视化，支持多种格式文件，确保公式零错误、模板风格严格一致，并按金融建模规范进行颜色标注、数字格式化及假设管理。

配置并管理 Lindy AI 的事件回调服务，实现对外部系统的实时通知与响应，支持运行状态追踪、自动化流程触发及异常告警，确保安全可靠的异步通信。

提供地理空间矢量数据的全流程处理能力，涵盖多种格式的读写、坐标系管理、几何运算、空间分析、可视化及数据库集成，支持缓冲区分析、空间连接、叠加分析、边界融合、地图绘制等专业地理信息任务。

通过截图理解网页界面并执行自动化操作，支持在浏览器中完成搜索、表单填写、链接点击等交互任务，具备安全确认机制以防范高风险操作，适用于需要视觉感知能力的端到端网页自动化场景。

建立基于 Notion 的推文效果追踪系统，通过记录发布内容、互动数据及用户反馈，自动捕获推文截图与视频帧，量化分析不同钩子和话题的表现差异，支持定期复盘以提炼有效模式，实现低成本的内容优化闭环。

实现 Exa 集成中的敏感数据治理，涵盖 PII 识别与脱敏、分级分类存储、自动化数据清理、GDPR/CCPA 合规响应（含用户数据导出与删除），并确保审计留痕与最小化采集原则落地。

自动处理 CSV 文件的解析、转换与生成任务，支持业务流程中的数据清洗、格式校验及批量操作，适用于工作流自动化、邮件集成与电子表格管理等场景，确保输出符合行业规范。

指导软件系统的设计决策，涵盖架构模式、设计原则与领域驱动设计，支持可维护、可扩展和高弹性的系统构建，适用于技术选型、结构规划及演进式开发。

提供创建和管理 Claude Code 斜杠命令的完整方法论，支持通过 `/command-name` 语法复用结构化提示，涵盖 YAML 前置元数据定义、XML 标签化内容组织、动态上下文注入、参数化逻辑处理及工具调用约束机制。

实现端到端数据集版本更新，涵盖从解析输入、清理工作区、执行ETL更新、创建PR，到依次运行快照、草原、花园及图表步骤的全流程，并在每个关键环节自动暂停等待人工确认，确保变更可追溯、可审计、可回滚。

根据任务需求自动构建和配置神经网络模型，支持卷积、循环、Transformer 等结构的定义与参数设置，适用于图像分类、文本生成等场景下的模型设计与优化。

提供大语言模型高效微调的一站式解决方案，支持无代码 WebUI 操作、百种以上开源模型适配、多精度量化 LoRA 微调及多模态扩展能力，覆盖从入门配置到高级训练的全流程技术指导。

提供机器学习模型评估指标的自动化支持，涵盖从指标选择、代码实现到结果验证的完整流程，适用于训练过程中的性能分析与优化，能够生成符合行业标准的配置和推荐方案。

提供跨集群的分布式训练编排能力，支持 PyTorch、TensorFlow 和 HuggingFace 模型从单机扩展至数千节点，内置超参调优、容错恢复与弹性扩缩容，适用于大规模模型训练和分布式超参搜索场景。

支持构建跨厂商的多智能体协同系统，实现智能体间的任务分发、动态路由与工作流编排，适用于需要融合不同大模型能力完成复杂目标的场景。

诊断并解决 Groq 集成中的常见错误，涵盖认证失败、请求超限与网络超时等问题，通过日志分析、配置验证和参数调整实现快速修复，适用于 API 调用异常时的故障排查场景。

在多轮对话与多 Agent 协作中，实现对指令、项目状态和长上下文的结构化管理，通过外化文档明确区分规则与事实，支持冲突检测、渐进式信息呈现、可审计决策记录及跨阶段任务交接，保障复杂项目中行为的一致性与可追溯性。

实现 LangChain 应用的自动化集成与测试流程，支持代码检查、单元测试、集成测试及部署的全流程 CI/CD 配置，通过 GitHub Actions 进行多阶段流水线管理，并结合代码覆盖率和预提交钩子确保代码质量。

提供科学数据可视化能力，支持创建线图、散点图、柱状图、热力图、3D 图形及多子图布局，可精细定制样式与标注，并导出高分辨率 PNG、PDF、SVG 等格式，满足科研绘图与出版需求。

遵循 DHH 和 37signals 的 Rails 实践，强调极简主义与领域建模优先，用数据库记录表达状态、控制器严格遵循 REST 资源化设计、模型承担核心业务逻辑与授权判断，偏好 Turbo / Stimulus 和原生 CSS，回避过度抽象与第三方库，以可读性、可维护性和快速验证为最高准则。

提供构建神经符号型大语言模型应用的完整框架，支持结构化输入输出定义、模块化计算单元编排、条件分支与并行流程控制、基于奖励的提示优化训练，以及检索增强、工具调用和知识库集成等高级能力。

提供对 Claude Flow 群体智能系统的全方位性能诊断能力，涵盖通信、计算、内存和网络四类瓶颈的自动识别，支持实时监控、历史趋势分析、多格式报告生成，并基于量化指标给出可落地的优化建议，适用于持续提升群体协作效率的工程化场景。

支持通过自动化模式或视觉评估方式实现系统的自我迭代优化。前者用于程序化测试后端逻辑与协作流程，提供结构化日志和实时状态追踪；后者结合录屏与视觉分析工具，对终端界面的布局、色彩及交互体验进行质量评估，确保信息呈现清晰且用户体验良好。