Skill

自动化生成符合最佳实践的 React 自定义 Hook，提供从创建、配置到验证的全流程支持，适用于前端开发中需要快速构建可复用逻辑组件的场景。

自动化构建和配置 Spark 作业，涵盖 ETL 流程、数据转换、工作流编排及流式数据处理，生成符合生产标准的代码与配置，并提供最佳实践建议和合规性验证。

根据 Git 差异内容自动生成符合规范的提交信息，包括简明扼要的主题行（遵循 Conventional Commits 格式）和详实的描述段落，兼顾变更意图、决策依据及上下文关联。

根据项目需求生成并部署适用于生产环境的 Genkit 应用，支持构建 RAG 系统、多步骤工作流及工具调用，可发布至 Firebase Functions 或 Cloud Run，并集成 AI 监控能力。

验证代码变更是否符合就近作用域的编码规范，自动识别各文件所属的 AGENTS.md 规则范围，执行格式化修复、静态检查与单元测试，并报告违规项及修复结果，确保多模块项目中每个子模块都遵循其专属规范。

自动生成测试所需的固定数据环境，支持多种测试框架下的用例初始化与配置，能够快速搭建符合行业规范的测试夹具结构，适用于单元测试、集成测试及模拟对象管理等场景。

为 Clay 集成提供端到端可观测性能力，涵盖指标采集、分布式追踪、结构化日志与告警策略配置，支持对接 Prometheus、OpenTelemetry 和 Grafana，实现运行状态实时监控、性能瓶颈定位及异常自动预警。

实现服务网格的自动化配置，支持根据微服务架构需求生成 Istio 或 Linkerd 的生产级配置，涵盖安全通信、流量控制与可观测性功能，适用于 Kubernetes 环境下的精细化服务治理。

通过智能差异分析实现对快照测试的精准管理，能够识别代码变更中的预期改动与潜在回归，在用户界面更新后选择性同步快照，并保留发现异常的测试结果，适用于多种主流 JavaScript 测试框架下的自动化验证场景。

提供企业级招聘与人才搜索系统的架构设计能力，支持从轻量集成到高可用多租户场景的部署，通过缓存、队列和微服务分层实现可扩展的搜索与画像服务，适用于需要高性能人员检索及数据自动增强的复杂应用环境。

负责生成符合无障碍标准的网页界面组件与用户反馈表单，涵盖英雄区、交互式表单及联系模块等前端内容，严格遵循可访问性规范，确保视觉、键盘操作及屏幕阅读器兼容性，仅在用户明确要求时引入增强型视觉表现。

在现有 Web 应用中实现或扩展面向用户的交互流程，通过调用已有的后端 API 完成功能集成，严格遵循设计系统、路由规范与测试标准，确保组件类型安全、可访问且符合工程化质量要求。

提供类型安全的错误处理机制，通过模式匹配和标签化异常实现声明式错误捕获与恢复，支持对可预期失败进行重试、降级或转换，同时隔离底层实现细节，确保程序在面对网络波动、数据校验失败等场景时具备弹性与可观测性。

提供用户流失分析的自动化支持，涵盖数据查询、可视化、统计建模与业务洞察，自动生成符合行业规范的分析流程与代码实现，适用于需要系统化构建流失预警机制的数据处理场景。

在 OpenAI Agents Python 仓库中，对运行时代码、测试或构建测试逻辑的修改，必须经过格式化、静态检查、类型校验和全量测试四步验证，任一环节失败即中断流程并提示具体错误，确保代码变更符合质量门禁要求。

根据研究问题和数据特征智能匹配因果推断方法，支持在双重差分 DiD、中断时间序列 ITS 与合成控制 SC 之间做出适配选择，覆盖单单元与多单元、有无对照组、面板或时序数据等典型实证场景。

通过调用 Codecov API 获取 LinkML 项目的代码覆盖率数据，支持快速查看整体覆盖率、分析行级覆盖详情以及定位低覆盖文件，用于 PR 前审查、新代码测试补充和覆盖薄弱环节识别。

自动处理 Google Cloud Platform 中的 IAM 权限绑定配置，支持根据安全规范生成、验证并部署生产就绪的访问控制策略，涵盖 Compute、Storage、BigQuery、Vertex AI 等云服务。

基于代码变更内容智能生成符合规范的提交信息，自动识别功能新增、缺陷修复等类型并输出标准化格式的描述，辅助开发者快速完成高质量 Git 提交，提升团队协作与自动化流程效率。

将用户提供的内容自动转换为 AntV Infographic 专用语法，根据内容结构智能匹配模板类型，完成数据建模、主题设定与 DSL 编排，严格遵循缩进规范和代码块格式要求。

支持跨平台容器镜像仓库的全生命周期管理，涵盖创建、权限配置、安全策略实施及流水线集成，适用于 AWS ECR、Google GCR 和 Harbor 等主流服务，确保符合生产环境要求与最佳实践。

自动优化机器学习模型的超参数配置，支持网格搜索、随机搜索和贝叶斯优化三种策略，能根据数据特征与评估目标生成适配代码，执行调优并返回最优参数组合及性能指标，适用于提升模型准确率、召回率等关键表现。

自动监控机器学习预测服务的运行状态，提供配置生成、最佳实践建议与合规性验证，及时发现异常并优化生产环境中的模型推理性能。

直接执行 PostgreSQL 查询以支持测试、调试与性能分析，可在只读模式下安全检索数据或通过授权进行写入操作，适用于验证查询效率、比对执行计划及优化索引使用。

自动化管理证书的全生命周期操作，涵盖生成、部署、监控及更新等环节，确保安全合规性并支持企业级安全实践中的策略执行与标准验证。

通过 Git 钩子强制执行测试驱动开发流程，在无人值守状态下自动完成功能开发、代码修复与重构，确保每次提交前所有测试通过并达到预设质量标准，适用于夜间自动化编码场景。

支持跨平台容器镜像仓库的全生命周期管理，涵盖创建、权限配置、安全策略实施及自动化部署代码生成，适用于 AWS ECR、Google GCR 和 Harbor 等主流 registry，兼顾生产就绪性与最小权限原则。

实现 Kubernetes 网络策略与防火墙规则的自动化配置与优化，支持按需生成、调整和评估策略文件，确保集群内服务间通信的安全性与合规性，适用于生产环境的网络隔离与最小权限访问控制场景。

自动处理监控系统中的告警规则配置，支持对规则逻辑进行优化与验证，生成符合生产环境标准的配置方案，适用于 Kubernetes 及基础设施即代码等复杂场景下的告警管理需求。

根据用户需求生成结构化任务计划，通过多轮交互完善方案并保存为可追踪的待办清单，支持执行过程中的动态调整与进度同步，适用于需分步实施且包含反馈机制的复杂任务场景。