Skill

对接 GitHub Pull Request与 Azure DevOps CI/CD 系统，自动获取构建流水线的完整状态信息，包括各阶段执行情况、失败作业定位、编译错误及测试失败详情，支撑快速诊断 PR 集成问题。

自动处理审计跟踪相关任务，支持企业级工作流中的合规性检查、治理流程与项目管理，提供符合行业标准的配置生成、代码输出及实践建议，适用于需要自动化审计支持的集成场景。

自动处理文档合并任务，支持多种格式文件的集成与结构化整合，提供符合业务流程规范的配置生成、代码实现及合规性验证，适用于企业级自动化场景中的合同汇总、报告生成等需求。

面向医疗器械全生命周期的风险管理专家，依据ISO 14971标准开展系统性风险分析、评估与控制，覆盖从设计开发、生产到上市后监测的各阶段，支持风险可接受性判定、剩余风险验证及风险管理文件持续维护，确保临床安全与合规要求。

通过整合搜索引擎和网站分析数据，识别内容特征与流量、点击、排名等指标间的因果关系，辅助定位影响搜索表现的关键因素，支持制定可验证的优化策略并评估改进效果。

从直流最优潮流解中提取节点边际电价，利用功率平衡约束的对偶值计算各节点每兆瓦时的供电边际成本，并支持备用容量边际价格求解、阻塞线路识别及输电约束松弛的反事实影响分析。

自动生成符合行业规范的发票配置与代码，提供从模板设计、字段填充到格式校验的端到端支持，适用于企业级业务流程中的开票自动化需求。

生成高质量视觉内容，涵盖插画、图表、技术图解与信息可视化，支持个性化风格定制。所有图像先输出至下载目录供预览，确保符合编辑级设计规范，经确认后方可迁移至项目路径并生成适配版本。

自动生成符合企业级规范的 OKR 跟踪系统，支持项目管理、合规性与治理流程的集成，提供开箱即用的配置方案及最佳实践指导，适用于复杂组织环境下的工作流自动化。

自动维护 marketplace 插件目录系统，支持向 marketplace.extended.json 添加或更新插件元数据、执行双目录同步生成 marketplace.json、校验字段完整性与路径有效性，并确保分类、版本、作者等核心信息合规，同时管理精选插件排序与发布前的自动化验证。

通过监控使用量、实施配额限制、优化 AI 调用方式、引入缓存机制与批量处理策略，有效降低 Gamma API 的调用成本，在保障功能正常运行的同时实现预算控制与资源合理分配。

整合多源性能指标并集中管理，支持统一监控与分析，通过设计指标体系、配置采集工具及建立可视化看板与告警机制，实现对应用、系统及服务性能的全面观测，适用于需跨平台聚合监控数据的场景。

支持以用户数据和访谈为基础构建多维度研究型人物画像，覆盖行为模式识别、心理特征提取、典型场景生成及设计建议输出，并结合样本规模提供可信度评估，助力精准的用户洞察与体验决策。

对计划进行严格审查，确保需求明确无歧义、验收标准具体可验证、文件引用真实存在、实施步骤详尽可行、风险预判及应对措施完备，并依据清晰标准给出批准、修订或拒绝的结论。

聚焦技术调研核心需求，通过代码级搜索与实时网络检索相结合的方式，定位真实项目中的库、API 和设计模式应用实例，生成结构化研究报告并自动归档至指定目录，强调实证优先、生产环境验证和时效性保障。

通过命令行实现 macOS/iOS 原生应用性能分析，支持直接录制和解析 Instruments 性能数据文件，提取调用栈并定位耗时热点，适用于无需打开图形界面的自动化性能诊断与优化场景。

自动从 Git 提交历史中提取关键变更，按功能、优化、修复等维度智能归类，将技术性提交转化为面向用户的清晰更新说明，并生成符合品牌调性的结构化发布日志，显著缩短人工编写耗时。

聚合来自应用、系统、数据库及外部服务的性能指标，实现集中化监控与分析，支持统一的指标分类设计、采集工具选型、可视化看板及告警配置，适用于构建可观察性体系。

提供端到端的回归建模与预测能力，支持线性回归、决策树和随机森林等多种算法，自动完成数据清洗、特征工程、模型训练调优、性能评估及可视化分析，适用于房价预测、销量预估等连续数值预测任务，并全面兼容中文数据与输出。

提供 Granola 会议笔记与外部应用的自动化连接能力，支持将新生成或更新的会议记录、待办事项实时同步至 Notion、Linear、Slack、HubSpot 等平台，并可结合 OpenAI 生成跟进邮件、Gmail 创建草稿，实现端到端会议后自动化工作流。

自动执行 Teams通知集成任务，支持根据业务流程需求配置和发送 Webhook 消息，生成符合规范的可部署代码与配置方案，并提供实施指导和标准合规性验证。

自动化完成机器学习特征工程全流程，包括从原始数据中构造新特征、筛选关键变量、对数值型特征进行缩放归一化、对类别型特征实施编码转换，并评估各特征对模型性能的实际贡献。

自动分析前端项目打包体积，定位冗余依赖与资源瓶颈，提供优化策略与配置建议，提升应用加载性能与用户体验。

专注于诊断和修复持续集成与持续交付流程中的故障，能够分析构建错误、测试失败及流水线异常，依据日志定位根本原因，并在确保不破坏测试完整性的前提下实施安全修正，适用于自动化运维与质量保障场景。

提供机器学习模型的全面性能评估能力，支持准确率、精确率、召回率、F1 分数等多维度指标分析，适用于模型验证、横向对比及上线前质量把关等场景。

聚焦 Rust 所有权与生命周期问题的诊断与设计决策，帮助开发者从编译错误（如值被移动、借用不充分、生命周期不足等）出发，反思数据的语义角色（实体 / 值对象 / 临时量）、所有权意图及作用域合理性，引导其在语言机制与领域建模之间建立正确映射，而非仅做表面修复。

自动生成架构图相关视觉内容，支持根据需求提供标准化设计指导与实现方案，适用于图表、可视化文档及演示材料的构建场景，确保输出符合行业规范。

通过深度理解产品价值与目标客户特征，精准识别匹配度高的潜在企业客户，结合行业、规模、技术栈、融资阶段等多维度筛选并排序，提供包含决策者信息、定制化触达策略及话术建议的完整获客方案。

面向学生数据库的批量分析与筛选能力，支持按学科成绩自动评级并生成统计报告，识别重名学生，依据推荐信等级或托福分数阈值快速筛选符合条件的学生名单，所有操作基于结构化数据文件进行。

自动化处理从本地代码修改到远程拉取请求的完整流程，包括按规范创建特性分支、生成语义化提交、推送分支至远程仓库，并依据变更复杂度智能生成结构化 PR 描述，最终完成 PR 创建与浏览器预览。