Skill

支持在 GitHub Actions 中自动化配置 Groq 的持续集成与测试流程，涵盖密钥安全注入、多环境测试执行、覆盖率报告生成及发布前健康检查，确保 Groq 相关代码变更经过可靠验证。

自动处理批量请求相关的集成任务，涵盖配置生成、代码编写、标准验证及最佳实践指导，适用于对接第三方 API、构建 Webhook 和 SDK 等场景。

自动生成面向 Medium 发布的 LlmTornado API 教程，覆盖选题规划、结构设计、可运行代码示例编写、原理讲解、最佳实践归纳及专业排版，支持按主题定制并保存为标准化 Markdown 与独立 Python 文件。

自动完成云数据库实例的初始化配置，涵盖高可用部署、安全策略设定及性能优化建议，生成符合生产标准的实施方案，适用于需要快速搭建托管数据库服务的场景。

深入探索 dot-ai 生态各项目源码，验证某项功能是否真正可用而非仅存在定义，需完整追踪从接口定义、内部实现到外部调用链路的可访问性，并明确说明具体使用方式。

实现 Retell AI 应用在 Vercel、Fly.io 和 Cloud Run 平台的自动化部署，支持安全配置 API 密钥与环境变量，通过平台 CLI 完成生产环境发布，并提供健康检查机制确保服务连通性。

自动支持机器学习模型可解释性分析，涵盖工具选型、配置部署、代码生成及结果验证全流程，遵循行业最佳实践，适用于训练阶段对模型决策逻辑进行透明化解读与调试的各类需求。

面向数据库事务的实时健康监测与告警能力，支持对 PostgreSQL、MySQL 和 MongoDB 等主流数据库执行状态检查、性能指标采集及异常识别，可自动构建监控看板、配置阈值告警，并生成配套运维手册与故障排查指南。

将生物信息学分析结果、数据表及统计指标导出为格式化的 Excel 文件，支持多工作表组织、单元格样式设置与条件高亮，适用于跨平台的本地化数据交付与报告生成。

提供端到端的数据分析能力，涵盖数据加载与结构检查、分布与相关性探索、参数与非参数统计检验、多类型置信区间估算、效应量量化，以及正态性、方差齐性等关键假设验证，支持根据数据特征自动推荐稳健分析方法。

自动化完成机器 learning 模型的生产环境部署，支持构建 API 服务、容器化封装及云平台发布，内置数据校验、异常容错与性能优化机制，适用于从训练完成到线上服务的端到端交付场景。

自动优化 SQL 查询性能，提供执行计划分析、索引建议、查询重写及配置调优能力，覆盖从诊断到生成生产级优化方案的完整流程，适用于数据分析与业务智能场景。

通过语义搜索与智能问答实现对长期记忆的持续化管理，可追溯历史决策、技术方案及问题解决过程，适用于知识沉淀与团队经验共享场景。

指导 Claude Code 插件中技能的全生命周期开发，涵盖从需求分析、结构设计、内容组织到验证迭代的完整流程，强调触发条件精准性、渐进式信息加载、指令式写作规范，并支持插件内技能的自动发现与本地测试。

自动完成机器 learning 模型的端到端训练与评估，涵盖数据特征分析、任务类型识别、算法选型、交叉验证训练、性能指标生成及模型持久化，适用于各类监督学习场景。

监控应用各层级的响应时延，涵盖接口调用、数据库查询与前端渲染等环节，通过量化延迟分布与极值辅助定位性能瓶颈，适用于保障服务等级目标及优化系统整体流畅性。

实现 Vast.ai 平台上的敏感数据全生命周期管控，涵盖 PII 识别与脱敏、分级分类存储、自动化清理策略及 GDPR/CCPA 合规操作，支持数据导出、删除请求响应与审计留痕，确保隐私法规落地执行。

自动化支持混合精度训练全流程，涵盖配置生成、代码实现、最佳实践建议及合规性验证，适用于PyTorch、TensorFlow等框架下的高效模型训练场景。

通过语音合成技术向用户播报简明扼要的完成摘要，适用于任务结束、状态更新或用户明确要求语音反馈的场景，强调自然对话感与结果导向，避免技术细节和冗长说明。

支持通过自然语言指令创建和管理自动化工作流，用于快速构建、执行和维护重复性开发任务，如组件脚手架生成、测试流程编排及多步骤操作集成，提升开发效率与流程一致性。

提供基于 React、TypeScript 和 Tailwind CSS 的前端工程化能力，支持创建含状态管理、路由及 shadcn/ui 组件的复杂 claude.ai HTML 交互式产物，并自动打包为单文件 bundle.html 供直接分享。

自动提供数据可视化领域的最佳实践指导，涵盖图表选择、布局设计与信息呈现优化，生成符合行业标准的分析代码与配置，适用于数据分析中涉及 SQL 查询、统计建模及商业智能的场景。

提供优化问题中梯度类算法的系统化求解能力，涵盖基础梯度下降、步长策略选择、动量加速、牛顿及拟牛顿方法等核心范式，支持自动微分、数值优化执行与收敛性分析，适用于连续可微函数的无约束极小化任务。

通过分析原始提示中的冗余与冗长表达，自动精简语言、强化指令明确性并优化句式结构，在保持语义完整和输出质量的前提下显著降低 token 消耗，从而减少大模型使用成本、提升响应速度，并增强生成结果的准确性与一致性。

面向 AWS 构建高可用无服务器应用，涵盖函数计算、API 接口托管、数据库集成、消息队列驱动的异步处理，以及基础设施即代码部署和冷启动性能调优。

面向 Rust 机器学习应用开发，支持高效张量计算、GPU 加速推理与训练、ONNX 等标准模型格式的跨平台部署，兼顾内存零拷贝、批量吞吐优化及异步数据流水线构建能力。

自动化生成与管理 Ansible 角色结构，支持快速搭建符合行业标准的配置文件和任务流程，适用于复杂基础设施即代码场景下的高效开发与部署。

通过自然对话协作完成新功能的全周期设计，涵盖需求澄清、技术选型、架构设计、接口定义、错误处理策略及测试方案，支持分阶段确认与迭代优化，最终输出结构化设计文档和可执行开发任务清单。

专为处理超大规模表格数据设计，支持在内存受限条件下高效完成数十亿行级数据的加载、统计分析、交互式可视化及机器学习建模，适用于天文、金融等领域的海量 CSV/HDF5/Arrow/Parquet 数据场景。

撰写面向内部知识共享的 Teams 频道教育性内容，系统化介绍 Claude Code 的功能特性与最佳实践。通过结构化模板与写作框架，结合具体示例与底层原理，帮助团队成员掌握高效使用模式，提升提示工程与上下文管理能力，适用于新功能发布、技巧分享及经验沉淀等场景。