Skill

提供对 MongoDB 数据库的只读查询能力，支持浏览数据库与集合、获取表结构、检索记录及分析索引信息，适用于需要从 MongoDB 中提取数据进行展示或分析的场景。通过连接字符串建立连接后，可按需调用相应接口完成数据访问。

对机器学习模型进行性能评估与分析，支持准确率、精确率、召回率及 F1 分数等指标的计算与对比，适用于模型验证、多模型比较及上线前测试等场景，帮助优化模型决策。

自动化管理测试环境的全生命周期，涵盖环境配置、测试执行、结果分析与报告生成，支持隔离式测试场景，确保测试数据和配置独立可控，适用于需要反复验证软件质量的开发与集成流程。

实现 CodeRabbit 集成中的敏感数据治理，涵盖 PII 识别与脱敏、分级分类存储、合规性数据保留与自动清理、GDPR/CCPA 数据主体请求响应（导出与删除），并确保审计日志完整可追溯。

提供异步 API 调用的自动化配置与集成支持，涵盖请求编排、错误重试、响应处理及生产级代码生成，适用于构建高可靠第三方服务对接流程。

生成并执行性能测试脚本，模拟不同负载场景以验证应用在高并发下的稳定性与响应能力，帮助识别系统瓶颈和极限承载点，适用于压力测试、峰值流量模拟及性能优化验证。

自动执行机器学习批量推理流水线的端到端构建与优化，涵盖模型部署、流水线编排、生产环境监控及性能调优，生成符合工业标准的可运行代码和配置方案。

自动处理 PySpark 数据转换任务，支持 ETL 流程设计、工作流编排及流式数据处理，提供符合行业规范的代码生成与最佳实践指导，适用于构建高效可靠的数据管道。

自动完成版本号更新、变更日志生成与依赖锁定，用于准备 mflux 项目的发布分支，确保代码变动被正确记录并维持构建一致性。

通过命令行交互方式绕过网络限制获取 Reddit 内容，适用于直接访问失败或被屏蔽的场景，利用独立会话执行查询并提取响应结果，支持对指定话题或链接的内容检索与抓取。

负责审查技术文档的事实准确性，核实工具功能描述、代码示例、格式规范及链接有效性，确保所有内容与系统实际行为一致，并以待办事项形式结构化呈现问题点供人工复核。

自动生成符合企业级工作流规范的验收标准，涵盖编写指导、最佳实践应用、生产就绪配置生成及合规性校验，适用于项目管理、治理与集成场景。

支持 Vast.ai 集成服务在生产环境的标准化部署与安全回滚，涵盖密钥管理、代码质量验证、基础设施配置、文档准备及渐进式发布全流程，确保上线过程可控、可观测且具备快速恢复能力。

能够对各类系统的访问控制机制进行全面审查，识别权限配置缺陷与潜在安全风险，适用于云环境 IAM 策略、网络 ACL 及应用权限的合规性检查与漏洞分析。

提供一种可扩展的链式处理机制，支持按需串联多个独立处理器，在请求流转过程中实现拦截、过滤或命令执行等多阶段逻辑，各环节可自主决定是否继续传递或提前终止流程。

自动完成机器学习数据集的训练集与测试集划分，支持按比例分割、分层采样及随机种子控制，生成符合 scikit learn 等主流框架规范的可执行代码，兼顾数据分布一致性与实验可复现性。

为 API 开发提供条件请求逻辑的自动化支持，涵盖 REST 和 GraphQL 场景下的请求头配置、缓存控制、ETag 验证及状态码处理，生成符合 OpenAPI 规范的可部署代码与配置方案。

坚持直面问题，对技术方案和代码质量给出毫不妥协的客观评价，敢于指出错误与缺陷，拒绝任何形式的敷衍或迎合，确保每次技术讨论都建立在真实、准确和可验证的基础之上。

负责协调产品与开发角色间的工作交接，自动处理代码评审反馈并生成完成报告，覆盖从任务分派、问题修复到成果同步的全流程协作场景。

自动化生成符合企业级规范的风险评估方案，涵盖流程设计、配置编写、合规性验证及最佳实践建议，适用于项目管理、治理与集成场景中的风险管控需求。

提供模型剪枝辅助的全流程支持，涵盖剪枝策略指导、生产级配置生成、代码实现及合规性验证，适用于机器学习模型部署中的轻量化与性能优化场景。

对指定网站的 HTTP 安全响应头进行深度检测，评估其防护能力并生成包含安全评级、量化得分及具体优化建议的诊断报告，帮助发现缺失或配置不当的关键安全机制。

自动提取和处理数据管道中的元数据，支持从各类数据源中识别、解析并结构化关键信息，生成符合工程规范的配置与代码，适用于ETL、流式处理及工作流编排等场景。

负责维护 IdeaVim 测试套件的健康度，重点审查被禁用测试的可启用性、规范 Neovim 排除标注的描述完整性，并提升测试内容的可读性与语义准确性，确保每次变更粒度单一、可追溯、易评审。

根据业务需求和基础设施自动生成灾备方案，提供涵盖多平台的生产级配置与部署代码，支持跨区域应用架构设计、数据复制及故障转移策略，确保满足恢复时间与点目标要求。

处理 PDF 文档的文本提取、表格识别、内容生成与文件合并拆分，支持自动化创建和填充表单，适用于大规模文档分析及数据采集场景。

在实施任何任务前进行前置可信度评估，通过排查重复实现、核验架构一致性、查阅官方文档、参考开源项目实例及定位根本原因五个维度综合打分，确保方案方向正确且具备高成功率，避免无效开发投入。

自动优化机器学习部署中的 GPU 资源分配与使用效率，通过智能分析负载需求实现资源调度、配置生成及性能调优，确保模型推理服务的稳定性与成本效益。

提供基因组区间数据的机器学习分析能力，支持从BED文件中提取区域嵌入、构建共识峰集、生成单细胞染romatin可及性特征，并实现跨模态检索与聚类，适用于无监督特征学习及多组学数据整合。

实现 Kling AI 全链路操作审计追踪，覆盖 API 调用、用户行为、安全事件及合规性日志生成，支持时间戳标记、防篡改校验与上下文元数据捕获，满足 SOC 2、GDPR 等监管审计要求。