Skill

统一执行标准化问候流程，根据用户是否提供姓名动态插入称呼，始终以热情友好的语气开启对话，并搭配恰当的表情符号增强亲和力。

构建多智能体协同工作流，通过标准化指令动词、目录级输入输出交接、分层记忆系统及结构化提示模板，显著提升大模型对复杂任务的理解与执行准确率，避免因自然语言歧义导致的失败。

面向 NoSQL 数据库的建模能力，支持根据业务需求设计文档型或键值型数据结构，兼顾嵌入与引用策略、访问模式优化及分片键选择，适用于 MongoDB 和 DynamoDB 等场景的 schema 构建与性能调优。

在持续集成环境中自动识别性能退化问题，通过比对当前构建指标与历史基线、执行统计分析及阈值校验，精准定位响应时间变慢、吞吐量下降等关键性能异常，并生成含趋势可视化与根因建议的诊断报告。

支持数据指标的自动化计算与配置管理，涵盖指标定义、公式构建、结果验证及生产级代码生成，适用于数据分析场景中的SQL查询、统计建模、可视化配置和商业智能应用。

负责将 Genkit 应用部署至生产环境，支持 Firebase Functions、Cloud Run 和 GKE 三种托管方式，自动配置远程状态、密钥管理、监控看板及 CI CD 流水线，确保 AI 工作流安全、可观测且具备弹性伸缩能力。

提供数据库查询性能的系统性优化能力，涵盖从问题诊断、方案设计到实施验证的完整流程，支持多环境测试与生产部署，通过自动化分析和配置调优提升查询效率，并确保变更过程的安全性与可追溯性。

自动生成符合行业规范的 API 接口设计方案，提供从架构设计到代码实现的端到端支持，涵盖 REST 与 GraphQL 的接口定义、认证机制及 OpenAPI 规范生成，适用于构建标准化 Web 服务。

自动构建符合 Claude Code 插件规范的新插件，涵盖目录结构初始化、元数据配置、文档生成、市场目录注册及全流程校验，深度适配 claude-code-plugins 仓库工作流。

自动构建面向应用性能监控的可视化看板，覆盖健康状态、响应延迟、请求流量、错误率、资源占用、数据库与缓存性能及业务指标等维度，适配 Grafana、Datadog 等主流平台。

立即执行决策评估脚本，对输入的决策内容进行多阶段压力测试与推理验证，通过分步流程自动完成批判性分析并输出结构化反馈，确保决策逻辑的严谨性和鲁棒性。

自动构建符合 AWS 最佳实践的 ECS 任务定义，涵盖容器配置、资源分配、网络模式及安全策略等核心参数，生成可直接部署的生产级配置文件。

提供清晰、结构化的提示词设计方法，涵盖角色设定、明确指令、上下文说明、正向表达、示例引导及分阶段任务组织，适用于复杂任务、长文档分析、工具协同与代码生成等场景，显著提升大模型响应质量与实用性。

自动化配置机器学习实验追踪环境，支持 MLflow 和 Weights & Biases 两种方案，完成依赖安装、服务初始化及连接，并提供参数、指标和模型等实验数据的记录代码模板，提升模型迭代的可复现性与对比效率。

自动处理 Google Cloud Platform 中 Vertex AI 端点配置相关任务，提供符合最佳实践的端到端指导、可直接部署的配置代码及标准化校验，覆盖创建、更新与优化全流程。

实现对敏感数据的自动识别与脱敏处理，支持基于 GDPR 和 CCPA 的合规要求进行数据留存管理与用户权利响应，确保在 Retell AI 集成中完成数据最小化、访问导出及删除操作。

自动完成 Google Cloud Platform 中日志导出配置的全流程操作，涵盖策略制定、资源部署、权限校验与合规性检查，确保日志能安全高效地流向 BigQuery、Cloud Storage 等目标服务。

通过火焰图分析建立性能基线并检测代码变更带来的性能退步，适用于优化关键路径、识别性能瓶颈或提交前验证性能影响。持续监控热点函数调用频率与样本变化，结合基准对比实现精准回归判断。

根据用户需求自动生成符合最佳实践的 AWS CDK 堆栈代码与配置，提供从架构设计到部署验证的全流程支持，适用于构建可复用、生产就绪的云基础设施方案。

自动执行数据聚类分析，支持识别数据中的自然分组结构，适用于客户分群、异常检测等场景，能根据数据特征选择合适算法并输出聚类结果、评估指标及可视化图表。

提供机器学习训练中 ROC 曲线绘制的自动化支持，涵盖数据准备、模型评估、阈值分析与可视化生成，输出符合行业标准的可部署代码和配置，并内置校验与错误提示机制。

自动完成分布式机器学习训练环境的初始化与配置，涵盖多节点通信、数据并行策略、框架适配及生产级参数设定，确保训练任务可扩展且符合主流框架规范。

负责苹果智能功能的全流程支持，涵盖基础模型调用、结构化数据生成、工具协议集成、流式响应处理及动态模式适配，同时提供权威 API 参考与深度诊断能力，专为 iOS 26 设备端 AI 场景优化。

自动执行机器学习模型的部署流程，涵盖从模型发布、服务托管到持续监控的全周期管理，支持构建可扩展的推理服务与标准化的 mlops 流水线，适用于生产环境下的高效运维与优化。

自动处理批量 API 请求任务，支持从设计模式、代码生成到配置验证的全流程，涵盖第三方服务接入、Webhook 集成、SDK 构建及 OAuth 认证等典型场景。

对机器学习模型进行性能评估与分析，支持准确率、精确率、召回率及 F1 分数等指标的计算与对比，适用于模型验证、多模型比较及优化建议场景。

提供对 Google Cloud Run 服务配置的自动化管理能力，支持创建、更新和验证服务部署参数，生成符合生产标准的配置文件，并结合 GCP 最佳实践给出优化建议。

支持在开发、预发布和生产环境中分别配置 Retell AI 服务，包括环境感知的配置加载、分环境密钥管理、安全隔离机制及生产操作防护，确保多环境部署的一致性与安全性。

通过检索增强生成技术，从 LlamaCloud 索引中精准获取与用户查询语义匹配的结构化信息，支持混合检索、智能重排序及多参数调优，适用于需要高相关性知识召回的问答与内容生成任务。

根据性能测试需求自动生成并优化 Gatling 测试场景，支持负载测试、压力测试及基准测试的脚本构建与配置验证，输出符合行业规范的可执行代码，适用于高精度性能评估与系统瓶颈分析。