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。

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 25 / 34 页,共 999 条结果,本页区间为 721-750,当前标签为 商业与营销。
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。