Skill

面向质量工程的智能分析能力，支持多维度测试指标监控、动态趋势识别、故障概率预测及分层报告生成，覆盖开发、测试与管理层的不同需求，驱动自动化质量决策与持续改进。

提供对AI决策图谱的深度查询与分析能力，支持追溯历史决策、识别逻辑矛盾与演进规律、诊断上下文注入异常及评估缓存效能，适用于决策系统调试、知识复用和长期记忆优化场景。

基于 Gemini3 的多轮协同推理能力，通过创意简报驱动专业教学视觉内容生成，严格遵循六重质量校验标准，支持批量自动化生产并直接嵌入课程，适用于章节插图、原理图解等教育场景。

自动处理 API 响应数据的结构转换与格式适配，支持对原始响应进行提取、映射、过滤和标准化重构，满足不同下游系统对接需求，兼顾可维护性与协议兼容性。

支持大规模机器学习数据处理，实现从单机到百节点集群的弹性扩展，适用于分布式 ETL、批处理推理及多模态数据加载。提供流式执行引擎处理超内存数据集，并通过 GPU 加速转换操作，无缝集成 PyTorch 与 TensorFlow 等主流框架。

支持从零构建和配置 Lindy AI 代理，涵盖代理命名、角色定义、行为指令设定、工具集成与模型参数调整，并提供端到端测试验证能力，确保代理可立即投入实际业务场景使用。

生成符合 MassGen 规范的 YAML 配置文件，通过复用现有结构与约定实现多智能体工作流的标准化构建，确保属性层级正确、模型选择合理，并支持基于场景的配置模式快速落地。

支持异步任务调度与长时运行的后台作业处理，适用于 AI 流程编排、跨服务集成及大规模批处理，通过声明式配置实现可靠的任务执行与重试，在 TypeScript 环境下提供流畅的开发体验。

自动执行数据分析中的相关性分析任务，支持从数据探查、统计建模到结果可视化的全流程辅助，涵盖 SQL 查询编写、统计指标计算及业务洞察生成，适用于需要快速验证变量关联性的分析场景。

生成结构清晰、分阶段可执行的实施计划，涵盖需求分析、迭代开发、原子化任务拆解、测试验证及风险预案，确保每阶段产出可演示、可运行、可测试的成果，并自动生成标准化命名的计划文档。

自动识别持续集成与持续交付流程中的性能退化问题，通过比对历史基线、分析统计显著性以及检查性能预算阈值，精准定位响应时间变慢、吞吐量下降等关键指标异常，实现开发早期的性能风险预警。

面向各类专业角色与行业场景，提供高质量、开箱即用的超长提示词生成能力，通过结构化七问流程精准捕获需求，内置69个跨15领域预设模板，支持多格式输出及七重质量校验，确保生成的提示词具备强上下文适应性与实际可用性。

通过分析使用模式与账单数据，动态推荐最经济的 Vast.ai 服务层级，结合请求采样、批量调用、缓存和压缩等手段降低 API 调用成本，并支持用量实时监控与预算超限预警。

提供可扩展的向量存储与检索能力，支持高并发低延迟的相似性搜索及元数据过滤，适用于大规模生产环境下的语义匹配、推荐系统与检索增强生成场景，具备无服务器架构与混合搜索特性。

提供向 Letta Code 系统集成新大语言模型的完整流程支持，涵盖模型标识符查询、配置文件修改、本地功能验证及持续集成测试配置，确保模型能被正确识别、加载并适配对应工具集。

支持跨代理异步通信，可在同一服务器内向其他智能体发起提问、查询专属知识或协同任务，消息传递基于线程安全的会话 API，目标代理仅能使用自身工具和记忆，无法访问发送方本地环境。

自动构建漏斗分析流程，支持从数据查询、可视化到业务洞察的全链路处理，适用于需要系统化实现用户行为路径分析与转化率评估的数据分析场景。

根据数据变化自动同步源与目标系统，实现高效的数据管道更新，适用于批流一体的增量处理场景，空间 time efficiency.

提供多智能体协同基础设施的完整参考，涵盖并行、串行、分层等11种协作模式，支持智能体追踪、状态共享、事件驱动与容错处理，适用于构建可调试、可扩展的复杂多智能体系统。

将模糊的自然语言需求转化为精准、可执行的结构化规范，通过EARS语法明确触发条件、行为约束与验收标准，结合领域理论增强专业性，并嵌入真实数据示例和完整输出格式，提升AI生成内容的准确性与落地性。

支持在单次会话中并行调用多个专业智能体，协同完成需多领域视角的复杂任务，如安全审计、全栈功能开发或跨维度代码审查，所有智能体共享上下文并可传递中间结果，最终生成整合式分析与执行建议。

自动生成和配置 Discord 机器人，支持工作流自动化、邮件处理与电子表格操作，适用于需要集成消息通信与业务流程优化的场景。

提供面向不同场景的 Deepgram 语音转写系统架构方案，涵盖同步调用、异步队列、实时流式及混合模式四种设计，支持从单点集成到跨区域高可用部署，并内置监控指标与弹性伸缩能力。

识别文档和叙述性文本中人工智能生成内容的语言特征，通过分析词汇密度、短语组合、句式结构及段落模式等多维度指标判断AI痕迹的严重程度，并提供具体修改建议，帮助将机器生成的文本转化为自然流畅的人类写作风格。

识别并缓解长上下文中的性能衰退问题，通过分析注意力分布、信息干扰与冲突模式，采用分段隔离、动态压缩和选择性加载等策略优化模型表现，适用于复杂对话与多任务场景下的稳定性维护。

确保 Lindy AI 部署具备生产级安全性、稳定性和可观测性，涵盖密钥管理、最小权限配置、监控告警、性能压测与故障恢复机制，同时满足合规要求并提供健康检查与预部署验证脚本，保障系统上线前的全面就绪。

提供安全事件响应流程的自动化规划能力，涵盖方案设计、配置生成、合规性验证及最佳实践指导，适用于渗透测试、威胁建模和企业级安全合规场景。

提供跨数据流环节的通用映射能力，支持在源到采集器、采集器到目标系统等任意节点对事件结构与字段值进行灵活转换，涵盖条件匹配、嵌套提取、静态赋值、函数计算、对象重构、数组遍历及合规性控制等多种策略。

提供深度学习模型的标准化开发与训练能力，支持将 PyTorch 代码结构化为模块化组件，自动处理多 GPU / TPU 分布式训练、数据流水线构建、训练过程监控与日志集成、回调扩展及混合精度优化，适用于从实验迭代到生产部署的全流程神经网络开发。

根据用户需求生成结构完整的 Anthropic 技能包，包含标准化文档、目录结构及文件传输验证流程，确保从创建到本地部署的可靠性，适用于需要自动化交付和安装验证的技能开发场景。