Skill

生成包含计算字段与切片器的高级 Excel 数据透视表，支持多维度数据汇总和交互式仪表盘构建，适用于销售分析、财务趋势等动态报表场景。

根据本地结构化数据生成可复现的静态图表，输出确定性的 HTML、SVG 或 PNG 可视化结果，适用于无网络依赖的离线环境。支持常见图表类型与交互功能，确保输出在多次运行间保持一致。

实现机器学习模型的全生命周期版本管控，支持模型注册、版本迭代、状态标记、部署切换及历史回溯，确保不同环境间模型一致性与可追溯性，适配持续集成和生产发布流程。

支持对 AI/ML 模型版本的全周期管理，包括版本记录、性能指标追踪及模型谱系维护，适用于需要精确控制模型迭代与部署的开发流程。

支持将 PyTorch 模型自动转换为 TorchScript 格式，生成可部署的序列化模型文件与配套配置，覆盖导出流程、参数校验、生产环境适配及最佳实践建议，适用于机器学习模型服务化与 MLOps 流水线集成。

遵循 DHH 倡导的 Ruby on Rails 开发范式，强调清晰性优于技巧性、约定优于配置，通过胖模型承载业务逻辑与授权、瘦控制器仅处理请求流转，统一使用 Current 属性管理上下文，并深度集成 Hotwire 实现服务端驱动的响应式交互。

提供 Retell AI 集成中常见错误的诊断与修复能力，覆盖认证失败、请求超时、速率限制等典型问题，支持通过日志分析、环境检查和配置调整快速定位根因并验证修复效果。

提供创建 Strands SDK 代理系统新工具的全流程支持，涵盖简单函数型工具与复杂代理型工具两种类型，包括类型判断、参数收集、模板化代码生成、提示词编写及集成测试指导。

面向多智能体协同场景，提供对SPAWN REQUEST格式、代理间通信机制、并行执行模式及标准化报告结构的解析与说明能力，支撑团队在sprint系统中高效开展智能体协作设计与问题排查。

基于历史时序数据自动识别趋势、周期性与相关性等特征，构建适配的预测模型并生成未来数值及置信区间，适用于销售预估、流量预测、金融走势分析等需要量化时间维度变化的决策场景。

为单体仓库各子系统自动生成标准化技能集，涵盖 Python、Go、TypeScript、React 等语言通用规范，以及 CLI、Server、RAG、Runtime 等子系统专属的最佳实践指南，统一输出为结构化检查清单与技能文档，确保 AI 编码符合行业理想模式而非现有代码缺陷。

自动执行机器学习中的数据集划分任务，支持按比例或分层方式将原始数据拆分为训练集与测试集，生成符合行业规范的可部署代码，并提供配置校验与最佳实践建议。

具备从数据中挖掘变量间定量关系的能力，能自动构建并评估线性、多项式等回归模型，输出预测结果与R平方、均方根误差等统计指标，适用于价格预测、趋势分析及因果关系推断等场景。

当用户提出问题时，应将其视为需要直接回应的疑问而非隐含指令。准确回答问题本身，坦诚说明判断依据、风险与权衡，并在回应后等待进一步指示，避免擅自行动或假设意图。通过澄清而非预判来推动协作。

自动分析测试覆盖率报告，识别未覆盖的代码路径与潜在风险区域，提供优化建议和修复方案，支持多种测试框架的覆盖率数据解析与可视化解读。

自动生成符合行业规范的图表配置方案，支持可视化内容的结构化构建与优化，适用于数据展示、技术文档及演示材料中的图表设计场景。

自动生成适用于数据分析场景的窗口函数，支持按需构建分组排序、累计计算、排名统计等复杂查询逻辑，输出符合行业规范的可直接部署的SQL代码与配置方案。

处理 Deepgram 异步语音转录回调，接收并验证来自 Deepgram 的事件通知，解析转录结果后进行存储与分发，支持通过安全的 HTTPS 端点实现自动化语音数据处理流程。

提供构建标准化模型上下文协议服务器的能力，支持大语言模型通过结构化工具调用外部服务，涵盖从设计规范、多语言实现（TypeScript / Python）、工具注册与验证到测试评估的全流程指导。

通过统一接口规范实现前后端协作自动化，系统能实时获取最新 API 定义并生成类型安全的 TypeScript 接口，结合查询缓存与状态管理机制，在 React 应用中构建可维护的数据访问层，确保开发过程中的类型一致性与高效集成。

自动化处理利益相关方沟通模板的创建、编辑与验证，遵循企业级项目管理及合规要求的最佳实践，生成可直接部署的配置代码，并支持按需调整格式与内容以适配不同治理场景。

支持自然语言处理、计算机视觉、语音识别及多模态任务的全流程建模能力，涵盖快速推理、文本生成、分类问答、翻译摘要、图像检测、语音处理以及在自定义数据集上的模型微调。

通过在推理阶段动态抑制冗余的自我反思类词汇，显著压缩思维链生成长度，在保持准确率的前提下降低27%至51%的推理令牌消耗，适用于QwQ、Phi4-Reasoning等R1架构模型的高效部署。

自动处理机器学习模型向 ONNX 格式的转换任务，提供从格式转换、代码生成到生产环境配置的全流程支持，确保符合行业最佳实践与部署标准。

对 openai-agents-js 项目执行发布前审查，通过比对上一个版本标签与目标提交之间的代码差异，系统性识别潜在的破坏性变更、功能退化、优化空间及发布风险，并依据审查清单给出明确的发布建议。

提供基于 JAX 的高性能数值计算与机器学习能力，支持数组加载保存、元素级映射与轴向约简、自动微分梯度计算、RNN 风格序列扫描及函数即时编译，适用于科学计算、模型训练与动态张量变换场景。

整合多批次批量RNA测序或芯片表达矩阵，通过标准化与批效应校正实现数据去批次化，输出校正前后矩阵并利用PCA和箱线图评估校正效果，适用于跨数据集联合分析前的预处理。

支持机器学习训练过程的实验追踪与可视化，可实时记录和查询模型指标，同步至 Hugging Face Space 生成在线仪表盘，并提供结构化 JSON 输出以供自动化分析和集成。

支持自动化开发流程的创建与管控，能够处理任务生成、状态查询、待办审查及自主执行等操作，实现对开发工作的全周期协调，适用于需动态调度和监控任务进度的复杂项目场景。

从 Claude Code 对话日志中提炼开发者问题与解决方案的完整脉络，包括目标意图、尝试路径、失败教训、最终实现及可检索的关键技术点，生成结构化叙事文本以支持语义搜索和知识复用。