Skill

提供对 Claude Code 的程序化访问能力，支持通过类型安全的工具定义、自定义 MCP 服务器集成以及多轮对话流控制来实现自动化代码分析与操作，适用于构建智能代理和扩展 AI 驱动的工作流。

为 Claude Code 插件提供模型上下文协议（MCP）集成能力，支持通过 stdio、SSE、HTTP 和 WebSocket 四种方式连接外部服务，自动处理 OAuth 与令牌认证，实现工具发现、安全调用及生命周期管理，适用于数据库、API、文件系统等多类型服务的统一接入。

面向现代 Python 开发，支持基于 Python 3.12+ 的项目构建、类型安全编码、异步 I/O 处理、FastAPI Web 服务开发及自动化测试，覆盖从脚手架生成到生产部署的全周期工程实践。

构建智能体的记忆系统，涵盖短期上下文记忆、长期向量存储及多种认知记忆类型，核心在于高效检索而非单纯存储，通过精细化的分块策略、高质量嵌入与多维检索机制，确保在复杂交互中准确调取关键信息。

实现多智能体协同决策与任务分配，通过层级化指挥架构整合专家型代理，利用共识机制达成可靠决策，并依托共享记忆系统实现知识沉淀与关联检索，支持动态扩缩容与会话持久化，在复杂项目中协调研究、开发、测试等角色完成端到端交付。

基于分布式架构实现大模型的高效强化学习训练，支持多节点GPU资源协同与推理加速，在7B至70B以上规模模型上提供比传统方案快2倍的训练速度，适用于需要高吞吐量和低延迟的对齐训练场景。

支持将外部服务以标准化方式接入 Claude Code 插件，通过本地进程、服务器推送、HTTP 接口或 WebSocket 四种连接模式，实现数据库、API、文件系统等资源的工具化调用，并自动处理 OAuth 或令牌认证、环境变量注入及生命周期管理。

确保生成内容严格符合 JSON、XML 或代码结构，通过语法级约束实现零开销的高效输出控制，支持本地大模型环境下的类型安全生成与模式匹配，适用于需要高可靠性结构化文本的场景。

面向复杂 LLM 应用开发，提供基于 LangChain 1.x 和 LangGraph 的端到端架构能力，支持自主智能体构建、多步骤工作流编排、结构化状态管理、长短期记忆集成、文档检索增强生成（RAG）以及生产级可观测性与容错机制。

提供技能开发全周期指导，涵盖从零构建、结构审查、组件扩展到设计原理理解，确保符合官方规范，强调清晰描述、渐进式内容组织、标准化格式及真实场景验证。

从对话中提炼可复用的认知模式，聚焦问题本质而非表面代码；要求技能具备非通用性、项目特异性、精准可操作性及调试经验沉淀，确保每次触发都能引导系统以新视角分析同类问题。

构建面向 AI代理的系统性评估体系，涵盖质量检测、错误归因、回归防护与数据集设计，通过量化推理能力而非简单对错判断来驱动迭代优化，适用于各类框架的智能体开发全流程。

自动生成符合学术出版标准的科学示意图，涵盖神经网络结构、系统架构、生物通路、流程图等类型；通过AI生成与质量审查双阶段迭代优化，在满足指定文档类型质量阈值后自动终止，确保图像清晰度、标注完整性、色彩可访问性及专业排版。

提供超大规模向量的高效相似性检索能力，支持亿级数据的快速近邻搜索、多种索引结构适配及 GPU 加速，适用于对延迟敏感、纯向量匹配的高性能检索场景。

根据任务特性生成结构化技能框架，支持线性流程与自主决策两种执行模式，自动创建符合规范的目录结构、阶段文件及配置模板，适用于快速搭建可扩展的自动化工作流。

通过集成 OpenAI Codex CLI 作为 MCP 服务，为代码审查提供多模型协同的第二意见，在架构设计、质量评估与安全性能等维度补充 Claude 的分析视角，支持并行调用多个领域专家进行细粒度评审。

专门校正语音转文字产生的错误，针对 GitHub Agentic Workflows（gh-aw）相关文本，统一修正术语拼写与连字符用法，剔除口语冗余词，提升技术文档的准确性、简洁性与专业性。

为代码库自动生成结构化、层级化的 AI 可读文档，通过遍历目录树逐级创建 AGENTS.md 文件，建立父子关联的导航体系，准确描述各目录用途、关键文件、子目录关系、AI 工作规范及依赖信息，并智能保留人工注释，支持增量更新与完整性校验。

构建一个三重AI协同的工程闭环系统，通过Claude负责架构设计与最终把关、Codex专注逻辑验证与代码质量审查、Cursor执行具体编码实现，三者按计划—验证—实施—复审—修正的循环持续迭代，确保每个环节都经过独立专业评估，显著提升代码可靠性与系统健壮性。

能够深入分析应用各层性能表现，精准定位 CPU、内存、I/O 及数据库等关键环节的瓶颈根源，并提供可落地的优化建议与修复方案，支撑系统性性能调优与故障预防。

提供面向 Claude API 的完整实践指南，涵盖从基础调用、工具集成、多模态图像理解到 RAG 检索增强、智能体架构与高级优化模式的全栈开发支持，适用于构建生产级 AI 应用。

自动生成流程图与可视化内容，支持基于行业规范的图形化流程设计、配置生成及标准校验，适用于文档化、演示及技术可视化场景，确保输出符合通用实践要求。

通过重复输入提示词提升非推理型大模型在结构化任务中的准确率，适用于测试执行、代码检查、数据解析等场景，在不增加延迟的情况下显著优化输出稳定性与可靠性。

构建高可靠性的大语言模型输出评估体系，支持对生成结果进行客观评分、主观偏好比较、多维度指标分析及系统性偏差校正，适用于自动化质量管控、模型选型与提示工程优化等场景。

为微信小程序环境提供专属的 AI 文本生成能力，支持同步调用与流式响应，内置混元和 DeepSeek 等模型，通过 wx.cloud.extend.AI 接口实现，适配小程序运行时限制与回调机制。

通过语音插件实现多方通信服务商的通话功能，支持发起、控制及查询语音呼叫，可在自动化流程中集成实时语音交互，适用于通知提醒、远程协助等场景。

提供主流AI模型的选型指南与技术参考，覆盖大语言模型、多模态理解、语音合成、图像视频生成及嵌入向量等能力，支持根据任务复杂度、响应速度、成本预算和上下文长度需求进行精准匹配。

确保生成内容符合安全规范，通过预过滤敏感提示、实时审查输出内容及拦截违规信息，实现对视频生成场景的合规管控，支持自动替换不当请求并记录审计日志。

构建以智能体为核心的应用系统，使功能表现为智能体通过循环调用基础工具自主达成的成果；强调用户界面操作与智能体能力完全对等、工具保持原子性、新功能可通过自然语言提示直接扩展，并支持未预设任务的自主推理与执行。

完成 Deepgram 语音识别服务的开发环境初始化，包括 SDK 安装、API 密钥配置及连接验证，支持 Node.js 和 Python 两种运行时，确保后续语音转写任务可正常调用远程 API。