Skill

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。

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。