根据数据特征自动选择合适的图表类型,生成条形图、折线图、散点图等可视化结果,帮助用户直观理解数据分布与趋势,适用于数据分析探索及报告展示场景。

Skill
收录可复用的技能工作流,帮助你按场景快速找到方法。
当前显示第 247 / 273 页,共 8169 条结果,本页区间为 7381-7410。
提供 API 开发中 bearer token 验证环节的自动化支持,涵盖验证逻辑设计、配置生成、代码实现及合规性检查,遵循行业标准并输出可直接投入生产的验证方案。
自动生成企业级路线图规划方案,支持项目管理、合规治理与集成模式的标准化实施,提供符合行业规范的分步指导与生产就绪型配置输出,适用于复杂工作流的自动化设计与优化。
提供 Plain 框架各功能模块的详细文档查询能力,支持按需获取 models、templates、assets、tailwind 等核心包的 API 说明与使用细节,便于开发者快速掌握特定功能的技术规范和集成方式。
建立可量化的服务可靠性标准,通过定义关键性能指标与目标阈值来衡量系统可用性与延迟表现,结合错误预算机制驱动运维决策,实现稳定性与迭代速度的动态平衡,并支持基于多窗口告警策略的自动化监控。
提供软件测试全流程能力,覆盖单元、集成与端到端三层测试的设计规范、执行策略及问题排查方法,强调行为验证、合理分层 mocking、失败调试技巧与顽固性问题治理,支撑高质量可维护测试体系构建。
快速诊断并响应 Supabase 服务异常,通过集群监控与日志分析定位故障源,区分平台侧与内部问题,执行对应恢复操作,同步事件进展至相关方,并留存处置记录用于后续复盘。
提供快速验证 Customer.io 集成能力,通过识别用户并触发事件完成端到端测试,适用于 SDK 初始配置检查、基础功能学习及消息链路调试场景。
具备设计并实施混沌工程实验的能力,通过可控注入故障、模拟延迟与资源耗尽等场景,验证系统韧性及熔断、重试等恢复机制的有效性,支持在 Kubernetes、AWS 等环境中开展可靠性评估。
提供基于 iPlug2OOS 模板快速生成全新插件项目的能力,自动完成目录复制、基础配置项初始化及 Git 提交准备,支持后续直接在 Xcode 中打开构建,适用于音频插件开发的起始阶段。
通过统一的行为规范与模型适配策略,实现对多智能体系统的持续引导,确保工具调用一致性、任务协同有序性及测试流程严谨性,适用于复杂环境下的自动化决策与协作维护。
根据已暂存的代码变更自动生成符合规范的提交信息,自动识别修改类型、影响范围及破坏性变更,并输出结构化日志,适用于标准化版本控制与自动化发布流程。
根据数据特征和分析目标自动推荐最合适的图表类型,提供可视化方案设计、配置生成及行业最佳实践指导,支持从数据探索到业务洞察的全流程图表决策。
自动完成分布式训练环境的初始化配置,涵盖多节点通信设置、框架适配(如 PyTorch 和 TensorFlow)、资源调度参数生成及配置校验,输出可直接部署的生产级代码与最佳实践建议。
根据指定路径读取结构化任务计划文件,逐项执行待办任务并实时更新执行状态,确保所有任务从待处理经进行中最终标记为完成,通过循环检查与状态同步保障流程完整闭环。
提供对 OpenAI 和 Anthropic 实际 API 通信的完整捕获能力,包括请求与响应(含 streaming text/event-stream),自动生成可直接粘贴到 SwiftAgent 单元测试中的 Swift 格式回放数据,用于精准验证适配器行为、结构化输出及工具调用逻辑。
自动执行数据分析中的相关性分析任务,支持对数据模式、统计关系及业务指标的深度审查与优化,适用于需要识别变量关联、验证数据假设或生成可复用分析逻辑的场景。
自动构建符合生产标准的 Kubernetes 部署配置,涵盖 YAML 编写、最佳实践校验与基础设施即代码集成,支持从基础部署到高级编排的全流程自动化生成。
根据数据库结构自动生成实体类与对象关系映射代码,支持多语言环境下的模型创建与配置初始化,结合最佳实践完成架构设计、测试验证及文档输出,适用于快速搭建数据访问层并确保生产部署的稳定性与可维护性。
支持 Makefile 及相关子模块的开发与维护,提供语法校验、目标检查和干运行验证能力,确保依赖关系正确与变量定义规范,适用于自动化构建流程的持续集成场景。
构建多级数据库缓存体系,综合运用分布式缓存、内存缓存与 CDN 分层策略,降低数据库负载、缩短查询延迟、支撑水平扩展,适配缓存穿透、写穿透与读穿透等典型场景。
通过图像识别技术比对技术文档的图文内容,验证其文本准确性、技术细节正确性及图表与说明的一致性,自动检测并分类文档中的错误与不一致之处,生成结构化审查报告,确保知识传递的精确可靠。
构建具备自学习能力的智能体,通过经验积累识别行为模式、动态优化任务策略,并支持跨领域知识迁移与元认知升级,适用于需要长期演进和适应复杂环境的自主系统。
协调多智能体协作完成代码库迁移或重写,严格遵循测试驱动开发流程,全程不接触源码内容,仅通过路径传递上下文,驱动各专业代理依次完成需求建模、测试编写、风险预演、分阶段规划、渐进式构建及最终行为一致性验证。
自动识别和诊断测试代码中的不稳定行为,帮助开发者定位导致测试结果随机失败的环境依赖、时序问题或状态残留等根源,并提供修复建议与可落地的稳定性增强方案。
自动化执行 mflux 仓库的 Pull Request 创建全流程,包括代码差异检查、快速验证、本地提交、远程推送及 PR 发起,严格遵循项目约定并优先使用内置命令,操作前需获得明确授权。
针对小于一百行代码的轻量级 Pull Request,提供快速代码审查服务,重点检查代码风格、命名规范、明显拼写错误、基础逻辑缺陷等常见质量问题,输出简洁的问题摘要。
根据配置自动重建软件开发工具包,适用于接口定义或工作流变更后的代码生成场景,支持指定目标语言与数据源,通过命令行驱动实现持续集成环境下的自动化更新。
自动执行 PCI DSS 合规性验证任务,覆盖标准条款解读、配置检查、安全策略对齐及合规报告生成,支持在渗透测试、企业安全架构和多法规框架(如 SOC2、GDPR)协同场景下开展深度验证。
在项目执行前系统性识别潜在失败点,通过模拟事后复盘场景,结合快速与深度两种分析模式,对计划、代码或设计进行结构化风险扫描,严格验证每一项风险并分类为老虎、纸老虎或大象,最终推动用户决策并落实缓解措施。