Skill

支持多智能体并发协作的自学习版本控制，通过记录操作轨迹与结果反馈实现模式识别和智能建议，利用量子抗性加密保障安全，在无锁环境下完成高效协同与持续优化。

为敏捷开发中的需求定义与规格编写提供系统化支持，涵盖用户故事拆解、验收标准制定、测试配置说明及范围边界明确等核心环节，生成符合工程实践的结构化规格文档。

构建覆盖数据接入、清洗校验、特征工程、模型训练与调优、多维度验证、渐进式部署及线上监控的全周期机器学习流水线，支持在不同云环境和编排框架下实现可复现、可追踪、可回滚的 MLOps 实践。

协助开发者构建 Datasette 插件，实现自定义 SQL 函数注册、URL 路由扩展、表格单元格渲染优化及模板变量注入，支持通过钩子机制集成认证系统与权限控制，并提供对数据库查询、静态资源与响应输出的灵活管理，适用于数据展示增强与功能拓展场景。

实现大语言模型的高效压缩与加速推理，支持在不重新训练的前提下通过权重剪枝、激活感知剪枝及二阶优化等策略达成50%稀疏度，兼顾精度损失可控与硬件适配性，适用于边缘部署和高吞吐服务场景。

生成交互式、可嵌入网页的动态图表，支持缩放、平移、悬停提示及动画效果，适用于仪表盘、探索性数据分析和演示场景，提供多种图表类型与样式模板，并能导出为静态图像或独立HTML文件。

提供结构化、分阶段的软件开发计划能力，涵盖需求澄清、代码库探索、架构设计、任务拆解、文档生成与用户审批全流程，特别强化迁移重构场景下的功能映射与完整性校验，确保计划可执行、可追溯且符合工程规范。

面向 Claude Code 插件的自动化质量审查系统，覆盖安全漏洞检测、最佳实践验证、CLAUDE.md 规范符合性检查、市场目录合规性、Git 工程规范、MCP 插件专项评估及性能与可访问性分析，输出结构化审计报告并支持关键问题自动修复。

实现多智能体并行协同的轻量级编排机制，通过状态文件异步记录各任务完成情况，避免上下文膨胀；支持批量确认与分目录详式输出两种模式，配合后台静默执行、追加写入和目录隔离等设计，确保高并发任务调度的可靠性与可观测性。

根据指定模型对训练数据集进行精确的令牌计数，并结合训练轮次与每百万令牌单价，自动计算出微调任务的预估成本，适用于多格式文本输入及多种主流大语言模型的成本评估。

提供跨文档的语义检索能力，支持对技术文档、API 参考和代码示例进行混合策略搜索；同时实现项目与任务的层级化管理、网站自动爬取、多格式文档上传及版本控制，构建统一的知识索引与协作工作流。

构建端到端自动化机器学习流程，覆盖数据质量检查、特征工程、模型自动选型与超参优化、性能评估及可部署代码生成，适用于需控制计算预算并产出标准化训练成果的场景。

通过分析用户原始请求中的模糊表述、信息缺失或结构混乱等问题，提供更清晰、具体且可执行的优化版本；支持直接分析生成改进建议，或启动交互式问答引导用户逐步明确技术栈、功能需求、样式偏好等关键要素，从而将含混意图转化为高质量指令。

通过语法和正则约束确保大语言模型输出符合预定义结构，实现对 JSON、XML 或代码等格式的精确生成，避免无效结果，并支持多步骤工作流编排与本地模型集成。

实现图像与自然语言之间的语义对齐，支持无需训练的图像分类、图文匹配及跨模态检索，适用于内容审核、语义搜索等场景，可结合向量数据库进行大规模图像索引与查询。

自动生成符合规范的 GraphQL 变更操作代码，涵盖字段定义、参数配置与结构验证，支持从需求描述到可执行脚本的一站式构建，适用于 API 设计与集成开发场景。

收集 Retell AI 相关的运行环境、SDK 版本、脱敏日志及配置信息，生成诊断压缩包用于问题排查与技术支持，确保敏感数据被过滤的同时提供完整上下文以定位故障。

自动构建用户行为漏斗分析流程，支持从原始数据提取、转化路径定义、阶段指标计算到可视化呈现的完整链路，适用于产品运营和业务增长场景中的转化率深度归因需求。

构建可扩展的无服务器应用，支持通过容器化服务与事件驱动函数处理 Web 请求、消息队列及存储事件，优化冷启动延迟并确保高并发场景下的稳定性能。

自动构建和配置数据透视表，支持对结构化数据进行多维度汇总、分组与统计分析，适用于业务报表生成、数据探索及商业智能场景。

构建面向业务分析的语义数据模型，支持定义维度、度量、多表关联及 YAML 配置管理，将原始数据表转化为可解释、可复用、AI 友好的分析模型。

在运行时为大语言模型提供可编程的安全防护，能够识别越狱攻击、检测输入输出中的毒性内容与事实错误，并过滤敏感信息，确保生成式应用在生产环境中的安全性与合规性。

将对话中的关键信息自动转化为结构化的知识文档，按类型分类并保存至指定位置，通过统一格式、添加元数据和双向链接确保内容可检索与持续维护，实现知识的沉淀与高效复用。

提供对单细胞基因组学中带注释矩阵数据的统一管理，支持高效读写 h5ad 等格式、多批次数据整合、元数据关联及子集筛选，适用于大规模稀疏矩阵处理与跨模态数据分析，在内存优化模式下实现对超大数据集的快速访问与预处理。

实现大模型调用过程中的细粒度资源消耗追踪，涵盖 token 使用量、成本核算、按用户或智能体维度的用量分析，并支持自动生成月度账单、实时费用预警及多维度使用趋势统计，为计费、监控与性能优化提供数据基础。

根据用户选择的多智能体协作模式，动态构建并启动对应的智能体集群架构，支持研究探索型的多视角并行分析、工程实施型的分层协同执行、迭代优化型的生成与批判循环，以及高可靠性验证型的多人共识决策。

实现 Lindy AI 智能体的端到端自动化部署，支持生产与预发布环境的差异化配置、代理配置同步、版本回滚及多平台发布（如 Vercel、Docker），并集成构建验证与 Slack 通知。

具备多模态文本内容深度解析能力，可对社交媒体、视频描述、商品评论等各类文本进行情感倾向判断、主题挖掘、关键词提取及传播规律识别，支持中英文等多语言，并融合传统统计方法与大模型语义理解生成可落地的优化建议。

将非结构化文本可靠地转化为强类型、可验证的结构化数据，支持自动重试失败解析、嵌套对象与枚举约束、实时流式输出及多模型适配，确保数据提取过程具备类型安全、错误反馈闭环和生产级鲁棒性。

根据文本描述生成高质量视频，支持自定义时长、分辨率与画面比例，适用于创意内容制作与提示词技术学习，输出包含视频链接、缩略图及元数据。