Skill

系统性执行开发计划或需求任务，涵盖 Git 分支管理、任务进度跟踪、质量验证与提交流程，确保每一步按规范落实并通过测试，适用于落地技术方案、实现需求文档或处理 Beads 类型工单。

自动执行性能测试中的百分位数分析任务，支持对负载测试、压力测试及性能监控数据的分布特征进行解析与评估，生成符合行业规范的配置方案和实践建议。

自动化构建和执行性能压测任务，支持模拟不同负载场景以验证系统稳定性、识别响应延迟与吞吐瓶颈，生成可执行的测试脚本及量化分析报告，适用于上线前验收与迭代优化。

收集 Clay 运行环境的版本信息、SDK 配置、脱敏日志及网络连通性状态，生成加密压缩诊断包，用于故障排查与技术支持协作，确保敏感数据如密钥和 PII 被自动屏蔽。

通过AI编码工具实现功能开发，支持从零构建或基于现有代码迭代。提供全流程指导，涵盖工具选择、需求拆解、提示词设计及反馈优化，帮助非技术使用者高效推进产品开发，确保输出符合预期规格并在合理轮次内收敛。

自动生成信息图大纲，支持从结构设计到内容布局的全流程构建，适用于图表、流程图及可视化文档的标准化产出，可结合主流绘图工具实现高效视觉表达。

自动规划和构建负载测试场景，涵盖压力测试、基准测试与性能监控等环节，提供符合行业规范的分步指导、可直接部署的配置代码及输出校验能力。

支持在指定仓库中创建和编辑 Slidev 演示文稿，遵循特定工作流进行草稿撰写、内容修改与视觉优化，确保符合项目规范，适用于逐步构建、组件应用及动画增强等场景。

支持 Canvas 安卓应用在真机或模拟器上的全流程部署，涵盖设备连接检测、多版本应用安装、指定设备定向部署、启动验证、日志过滤、数据清理及卸载等操作，适用于安卓开发调试与快速迭代场景。

提供网页性能诊断与优化能力，涵盖加载速度、交互响应和视觉稳定性三大核心指标的测量分析，支持从开发到生产全链路的瓶颈识别、代码包审查及运行时资源监控，并基于实测数据指导压缩、懒加载、代码分割等高效优化实践。

具备从数据中挖掘变量间数量关系的能力，能自动构建并验证线性、多项式等回归模型，输出预测结果与R平方、均方根误差等评估指标，适用于价格预测、趋势分析及因果关系推断等场景。

通过系统化分析内容时效性与性能表现，识别需更新的陈旧内容并制定全面刷新策略，涵盖信息补充、数据升级、结构优化及搜索引擎可见性增强，有效恢复流失流量并提升在搜索结果中的竞争力。

自动处理 Google Cloud Platform 中 Memorystore 服务的配置任务，涵盖从初始化设置、最佳实践应用到生产级配置生成与合规性验证的全流程，支持 Compute、Storage、BigQuery、Vertex AI 等 GCP 服务协同配置。

生成标准化的 issue 规范文档，以日期为前缀命名并保存为 Markdown 文件，内容需明确描述任务目标与精简可行的实施步骤，必要时主动向用户澄清模糊或缺失的关键信息。

根据机器学习训练需求，自动生成并优化数据预处理、模型构建与调参流程，支持端到端的 pipeline 设计与代码生成，适用于结构化数据的自动化建模任务。

提供 React 与 Next.js 应用的性能优化指导，涵盖消除水阻、减小打包体积、服务端与客户端渲染优化等关键领域，通过结构化规则帮助开发人员编写高效、可维护的前端代码，适用于代码编写、审查及重构场景。

聚合来自应用、系统、数据库及服务的性能指标，建立统一监控视图，支持集中化存储与分析，便于快速定位问题并配置可视化看板和阈值告警，适用于多源监控数据整合场景。

协调复杂的测试流程，根据代码变更智能筛选受影响的测试用例，并行执行独立任务以缩短整体运行时间，同时管理单元、集成与端到端测试间的依赖关系，适用于高效回归测试及持续集成场景。

实现 API 契约的全链路验证，通过消费者驱动测试确保服务提供方与调用方行为一致，并基于 OpenAPI 规范校验接口定义、响应格式及请求结构，自动识别不兼容变更，支撑可靠的服务集成与演进。

自动生成和管理代码仓库中的问题任务，支持项目协作与流程规范化，适用于企业级工作流中的合规审查、权限控制及跨系统集成场景。

提供 React 和 Next.js 应用的全链路性能优化能力，覆盖服务端数据获取、客户端渲染、状态管理、包体积控制及 JavaScript 执行效率等关键环节，支持在开发、审查与重构阶段自动识别并应用高优先级优化模式。

提供即时的提示词优化服务，根据用户需求自动执行多阶段优化流程，涵盖单提示精调、多提示协同设计、从零构建及问题诊断修复等场景，全程由专用脚本驱动，无需人工预分析。

自动识别并验证跨站请求伪造防护机制的有效性，提供符合行业标准的配置建议、代码实现及合规性检查，覆盖令牌生成、传输与校验全流程，适用于Web应用安全加固场景。

基于 Braintrust 追踪数据，对 Claude Code 会话进行深度复盘分析，识别工具调用模式、代理行为特征、技能使用频率及潜在循环问题，支持按会话、时间范围或统计维度生成洞察报告，辅助优化工作流与提升开发效率。

面向 Pebble 代码库的深度代码审查能力，专注识别资源泄漏、并发竞争、迭代器误用、断言失效及规范合规性问题，覆盖 PR、diff 和变更集，确保数据一致性、内存安全与生产级健壮性。

设计并规范 REST 与 GraphQL 接口，涵盖资源划分、端点结构、请求响应格式及错误处理机制，支持版本管理、身份验证与速率限制，提供标准化文档输出，确保接口安全性和可维护性。

自动生成符合行业规范的版本更新日志，支持从代码变更中提取关键信息、按语义化版本规则组织内容、生成结构清晰的 Markdown 格式文档，并内置校验机制确保格式与内容质量。

支持以规格说明书为核心驱动的全流程功能开发，覆盖需求调研、规范编写、技术设计、任务拆解到自主执行的完整闭环，适用于需要严格遵循文档化流程的新功能构建场景。

提供机器学习模型可解释性分析能力，支持自动化生成数据预处理、模型训练及超参数优化的标准化流程，集成实验跟踪与验证机制，适用于需要透明化模型决策过程的开发场景。

自动完成机器 learning 模型的端到端训练与评估，涵盖数据特征分析、任务类型识别、算法选型、交叉验证训练、性能指标生成及模型持久化，适用于从原始数据到可部署模型的全流程自动化需求。