Skill

提供多种预设模板的图文可视化能力，支持快速生成包含关键指标、时间线、流程步骤、产品路线图、对比分析、SWOT、四象限矩阵、组织结构、饼图柱状图及词云等轻量级信息图，适用于需在 4–8 个要素内传递清晰视觉信息的场景。

通过交互式引导帮助用户发现可用的工作流、工具与智能体，根据目标任务自动推荐相应的协作流程与资源，实现对代码探索、缺陷修复、功能开发等场景的智能化支持。

根据数据特征与分析目标自动推荐最合适的图表类型，提供可视化方案设计、代码生成及行业最佳实践指导，覆盖从数据探索到业务洞察的完整分析流程。

在 Kubernetes 上构建基于 Apache Kafka 的事件驱动系统，支持高可靠的消息传递、事务性处理与精确一次语义，结合 Strimzi 运营商实现集群自动化管理，利用 Schema Registry 保障事件模式演进，适用于微服务间解耦通信与实时数据流处理场景。

自动构建和配置 TensorFlow SavedModel 格式模型，支持从训练完成的模型生成可直接部署的生产级模型包，涵盖序列化、签名定义、版本管理及兼容性验证等关键环节。

专注于构建可复用的领域专家级技能，通过自动挖掘官方文档、技术生态与最佳实践等真实信源，结合用户具体场景需求，生成具备零样本执行能力的生产级技能包，涵盖创建、优化与领域适配全流程。

自动解析与优化 gc 日志，提供性能测试中的内存管理洞察，支持对日志模式的智能识别与调优建议，适用于负载测试、压力测试等场景下的性能分析与问题诊断。

通过分析近期编程对话记录，识别技术强项与待提升领域，结合 HackerNews 精选高质量学习资源，生成结构化成长报告并自动推送至 Slack 私信，帮助开发者基于真实工作数据持续优化技能路径。

自动构建符合生产要求的 TorchServe 服务配置，涵盖模型加载、API 端点定义、并发策略及日志监控等核心参数，支持按需校验与优化，适配主流机器学习部署流程。

面向CSV数据集提供端到端分析能力，自动识别缺失值模式并基于数据类型与分布特征选择最优填充策略，同时生成包含趋势图、分布直方图、相关性热力图及交互式散点矩阵的可视化仪表盘，支持探索性数据分析全流程。

能够根据标注数据自动构建、优化并评估分类模型，涵盖数据验证、特征处理、算法选择与超参调优等环节，输出准确率、精确率、召回率等多维性能指标，适用于邮件过滤、客户流失预测等各类监督学习任务。

面向药物研发与临床研究场景，生成符合监管要求的循证医学决策支持文档，涵盖生物标志物分层的患者队列分析和基于GRADE分级的治疗推荐报告，整合生存统计、疗效对比、分子亚型分类及可视化决策路径图，输出可直接用于新药申报、临床指南制定和医学策略规划的LaTeX/PDF出版级文件。

处理设备端机器学习与语音识别任务，支持模型格式转换、压缩优化及实时语音转文字功能，适用于大型语言模型部署、状态管理与高效推理场景。

面向医疗健康领域的端到端人工智能建模平台，支持从真实世界临床数据（如电子病历、生理信号、医学影像）中构建预测模型，覆盖疾病预后判断、用药推荐、医学编码转换、模型可解释性分析及临床部署验证等全链条任务。

建立统一的记忆管理机制，确保在关键决策点主动检索上下文以避免重复错误，并在完成重要任务或形成有效结论时持久化结构化摘要。通过精准查询与规范存储实现跨会话的认知连续性，将记忆深度融入推理过程而非作为附加步骤。

将模糊的用户意图转化为结构清晰、可直接执行的技术指令，基于会话记忆智能识别任务类型、技术栈和关键约束，动态生成包含目标、步骤及必要上下文的增强型提示，适用于需要精准工程化表达的开发协作场景。

提供对多个 PostgreSQL 数据库的安全只读访问能力，支持根据数据库描述自动匹配目标库，执行 SELECT 查询、表结构探索及数据检索，全程禁止写操作并内置查询验证、超时控制与结果限制等多重防护机制。

自动化构建基于 Flask 的机器学习模型 API 服务，涵盖从代码生成、配置编写到生产环境适配的全流程，支持快速部署和集成，适用于需要将训练好的模型封装为可调用接口的场景。

提供一种基于项目目录的插件配置机制，通过 .claude/plugin-name.local.md 文件存储 YAML 格式的结构化设置与 Markdown 格式的上下文说明，支持在钩子、命令和智能体中动态读取并响应配置变化，实现插件行为的灵活定制与状态管理。

构建基于 Google Agent Development Kit 的生产级 AI 代理，支持单代理 ReAct 流程与多代理协同编排，自动生成项目脚手架、工具集成框架、测试套件及可选的 Vertex AI Agent Engine 部署方案。

自动处理机器学习训练中的早停机制配置与实现，提供符合行业规范的代码生成、参数调优建议及配置校验能力，适用于模型训练过程中的过拟合防控和资源优化场景。

通过分析原始提示中的冗余与冗长表达，自动精简语言、强化指令针对性并优化句式结构，在保持语义完整性的前提下显著降低 token 消耗，从而减少 LLM 使用成本、提升响应速度，并增强输出质量与准确性。

在独立 git 工作树中启动并行任务执行环境，通过派生新分支运行隔离的开发流程，支持同时处理多个不相互阻塞的任务，适用于需后台推进工作而前台继续交互的场景。

提供智能化的代码调试与错误分析能力，通过解析错误信息、堆栈跟踪和代码上下文定位根本原因，结合代码库特征生成修复建议和预防策略，适用于快速排查和解决各类程序缺陷。

提供高性能强化学习能力，支持千万级步数每秒的并行环境模拟与训练，原生兼容多智能体系统及Atari、Procgen等游戏环境，适用于需要极致训练速度与大规模扩展性的深度强化学习研发场景。

根据任务类型动态调整行为模式，支持从创意发想到部署上线的全流程协作。通过识别关键词自动切换至对应模式，实现精准的问题分析、高效执行、系统性调试与深度知识传递，在多智能体协同中优化决策质量与交付稳定性。

自动执行数据管道中的模式校验任务，支持对结构化数据格式进行合规性检查、错误定位与修复建议，生成符合行业标准的校验逻辑和配置方案，适用于 ETL、流处理及数据工程场景。

提供基于 React、TypeScript 和 Tailwind CSS 的前端工程化能力，支持创建带状态管理、路由及 shadcn/ui 组件的复杂 claude.ai HTML 交互式产物，并一键打包为单文件 HTML 进行分享。

提供一套基于芝加哥学派测试驱动开发的缺陷修复方法论，强调先复现问题、再编写失败测试、最后实施最小化修正，全程贯穿领域建模与不变量维护，确保修复既精准又不破坏现有行为。

自动化多种数据库的备份流程，包含压缩、加密、定时执行与保留策略配置，生成可恢复的生产级脚本，适用于不同环境下的数据保护与灾难恢复需求。