Skill

提供 Groq SDK 在 TypeScript 和 Python 中的工程化实践方案，涵盖单例客户端管理、结构化错误捕获与日志记录、指数退避重试机制、多租户工厂模式及响应数据类型校验，提升集成稳定性与团队协作效率。

提供数据库数据完整性校验能力，自动检查数据类型、取值范围、格式规范、外键关联及业务逻辑规则，支持多数据库环境下的生产级部署，适用于新库建模、旧表约束加固及应用层输入验证等场景。

通过智能压缩、观测掩码、KV 缓存复用和上下文分片等策略，在不扩大模型上下文窗口的前提下，显著提升有效上下文容量与使用效率，降低 token 消耗与推理延迟，支撑长程对话、大规模文档处理及高并发生产系统。

自动完成预算与实际财务数据的差异分析，生成包含多维度汇总、趋势追踪及执行摘要的标准化报告，支持对异常波动进行智能标记与归因解释，并提供可操作的业务建议，适用于周期性财务复盘与经营决策支持。

实现与 Fireflies.ai 平台的基础集成，通过初始化客户端并建立 API 连接，验证开发环境配置的正确性，输出连接成功标识，适用于新项目搭建或接口连通性测试场景。

提供 Clay 集成的性能压测、弹性扩缩容与容量规划能力，支持基于 k6 的多阶段负载模拟、Kubernetes HPA 自动伸缩配置、连接池优化及系统指标驱动的容量估算，适用于保障高并发场景下的服务稳定性与资源效率。

执行 Groq 核心工作流，完成主要功能实现与集成任务，支持初始化、执行及结果确认的完整流程，适用于主业务路径的自动化处理。

实现数据库历史数据的自动化归档，将过期记录迁移至归档表或云存储（如 S3、Azure Blob、GCS），在保障数据完整性与合规性的前提下缩减主库体积，并支持按策略定期执行、校验及监控。

面向时间序列数据的机器学习分析，支持分类、回归、聚类、预测、异常检测、分段及相似性检索等任务，提供弹性距离度量、特征提取与深度网络模型，兼容 scikit-learn 接口，适用于单变量和多变量时序建模。

自动化构建和优化 AWS Serverless 应用的 SAM 模板，提供符合最佳实践的配置生成、代码 scaffolding 与合规性验证，覆盖函数定义、事件源映射、资源声明等核心要素。

针对开放性分析问题提供结构化多步推理能力，支持分类体系构建、概念拆解、权衡关系分析及定义性问题求解，在答案框架未知时自动生成严谨的思考路径。

提供面向经典机器学习任务的端到端支持，涵盖分类、回归、聚类、降维、数据预处理、模型评估与调优，以及可复现的流水线构建，适用于结构化与文本数据的分析建模全流程。

提供对心电、脑电、皮电、呼吸、肌电和眼电等生理信号的全面处理能力，支持心血管分析、自主神经评估、复杂性测量及多模态数据整合，适用于心理生理学研究与临床信号解析。

支持跨会话的长时任务自动化执行，通过任务拆解、进度追踪与双代理协同实现复杂工作的持续处理，适用于需分阶段完成的开发运维类操作。

专用于深度分析 fast-agent 会话生命周期，通过解析 session.json 和 history JSON 文件结构，还原对话时序、工具调用链路与执行耗时，定位未完成工具调用、消息错位、子 agent 追踪断连等典型故障，支撑会话恢复与性能优化。

快速响应 Vast.ai 集成故障，通过健康检查、日志与指标分析定位问题，依据错误类型执行认证更新、限流处理或降级策略，同步通知内外部用户，并收集证据用于事后复盘。

具备文本情感倾向识别能力，能自动判断输入内容的情绪基调，将其归类为正面、负面或中性，并给出相应的情感强度评估，适用于用户反馈、社交评论及调查问卷等场景的主观情绪解析。

分析预算与实际差异，支持按周期、部门或科目钻取数据，识别重大偏差并生成瀑布图展示变动原因，适用于财务绩效复盘和经营分析场景。

自动化管理 FairDB 数据库的 PostgreSQL 备份与恢复，通过 pgBackRest 与 Wasabi S3 实现全量、增量及差异备份，支持即时恢复与数据校验，保障数据安全并优化存储成本。

提供向 OpenCode 异步提交请求的能力，仅在用户明确委托时触发，执行后立即结束当前回合并提示处理中，不等待或查询结果。

通过深度分析用户内容风格与市场环境，结合竞争对比和数据挖掘，提炼独特叙事角度，并以高度个性化的语言反复打磨文本，确保最终输出具备真实作者特质、可执行洞察及超越竞品的传播价值。

自动计算应用性能满意度指数，根据响应时间阈值和用户行为数据生成标准化的 Apdex 分数，支持性能测试全流程中的指标量化、结果分析与达标评估。

通过缓存常用响应、合并多个请求为批量操作、复用 HTTP 连接池，显著降低 Vast.ai API 的延迟与资源消耗，适用于高并发调用场景下的性能瓶颈排查与优化。

构建结构化的语言模型工作流，支持通过链式调用实现提示词模板设计、多步骤串联执行与并行任务分发，适用于需要复杂逻辑编排和数据流控制的自动化场景。

自动执行数据库历史数据归档，将过期记录迁移至归档表或云存储（如 S3、Azure Blob、GCS），在不中断服务的前提下压缩数据、落实保留策略、保障合规性，并支持 PostgreSQL 和 MySQL 两种主流数据库。

提供机器学习全生命周期管理能力，涵盖实验跟踪、模型版本控制、注册中心管理、跨平台部署及结果复现，支持 PyTorch、TensorFlow、Scikit Learn、HuggingFace 等主流框架，适用于团队协作与生产环境的 MLOps 实践。

提供基于语义理解的代码库检索能力，能够根据自然语言描述定位功能相似但术语不同的代码片段，适用于概念性查询、架构模式识别和跨命名空间的相关代码发现，弥补传统文本匹配工具在语义鸿沟上的不足。

支持使用主流机器学习框架构建和训练分类、回归与聚类模型，涵盖数据预处理、特征工程、算法选型、超参优化、交叉验证及效果评估全流程，适配从传统统计模型到深度神经网络的多样化建模需求。

构建个性化推荐系统，支持协同过滤、基于内容和混合方法，能分析用户偏好、物品特征及交互行为生成精准推荐，适用于影视、电商、新闻等多场景的智能排序与推荐需求。

构建面向生产环境的机器学习与人工智能系统，涵盖模型训练、部署、监控及持续优化全流程；支持大语言模型集成、检索增强生成和智能体架构设计；具备大规模数据处理、实时推理、特征管理与MLOps平台建设能力。