Skill

针对 Instantly API 响应缓慢问题，提供缓存策略、请求批量处理、连接池配置及分页优化能力，支持自动响应缓存、分布式缓存集成、高并发请求合并、长连接复用与流式分页遍历，显著降低延迟并提升吞吐量。

提供 API 集成中错误映射的自动化辅助能力，支持根据错误类型快速生成标准化配置与处理代码，结合行业最佳实践完成模式识别、规则配置及合规性验证，适用于第三方服务对接和 webhook 错误治理场景。

提供可扩展的 AI 系统集成架构，支持事件驱动、多智能体协同与高可用部署，适用于复杂业务场景下的模块化设计与容错处理。

提供机器学习模型的可解释性分析能力，能够阐明预测结果成因、量化特征重要性、揭示模型决策逻辑，适用于调试性能异常、验证公平性以及向业务方传达技术洞察等场景。

诊断应用网络延迟问题并优化通信效率，通过识别串行请求、建议并行化执行、合并批量请求、改进连接复用机制、调整超时参数及优化 DNS 解析等方式，系统性降低端到端延迟，提升整体网络响应速度与稳定性。

自动响应安全事件处置需求，提供符合行业规范的流程规划与实施方案，涵盖渗透测试、合规框架适配、威胁建模及企业级安全策略落地，支持生成可直接部署的配置与验证代码。

提供数据库索引的智能分析与优化能力，支持从现状评估、方案设计、测试验证到生产部署的全流程自动化，涵盖 PostgreSQL、MySQL 和 MongoDB 等主流数据库，兼顾性能提升与系统稳定性。

自动执行性能测试中的百分位数分析任务，支持对负载测试、压力测试及性能监控数据的分布特征进行解析与评估，生成符合行业规范的配置方案和实践建议。

通过AI编码工具实现功能开发，支持从零构建或基于现有代码迭代。提供全流程指导，涵盖工具选择、需求拆解、提示词设计及反馈优化，帮助非技术使用者高效推进产品开发，确保输出符合预期规格并在合理轮次内收敛。

自动生成信息图大纲，支持从结构设计到内容布局的全流程构建，适用于图表、流程图及可视化文档的标准化产出，可结合主流绘图工具实现高效视觉表达。

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

自动处理 Google Cloud Platform 中 Memorystore 服务的配置任务，涵盖从初始化设置、最佳实践应用到生产级配置生成与合规性验证的全流程，支持 Compute、Storage、BigQuery、Vertex AI 等 GCP 服务协同配置。

根据机器学习训练需求，自动生成并优化数据预处理、模型构建与调参流程，支持端到端的 pipeline 设计与代码生成，适用于结构化数据的自动化建模任务。

聚合来自应用、系统、数据库及服务的性能指标，建立统一监控视图，支持集中化存储与分析，便于快速定位问题并配置可视化看板和阈值告警，适用于多源监控数据整合场景。

提供即时的提示词优化服务，根据用户需求自动执行多阶段优化流程，涵盖单提示精调、多提示协同设计、从零构建及问题诊断修复等场景，全程由专用脚本驱动，无需人工预分析。

设计并规范 REST 与 GraphQL 接口，涵盖资源划分、端点结构、请求响应格式及错误处理机制，支持版本管理、身份验证与速率限制，提供标准化文档输出，确保接口安全性和可维护性。

提供机器学习模型可解释性分析能力，支持自动化生成数据预处理、模型训练及超参数优化的标准化流程，集成实验跟踪与验证机制，适用于需要透明化模型决策过程的开发场景。

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，适用于从原始数据到可部署模型的全流程自动化需求。

根据数据特征自动选择合适的图表类型，生成条形图、折线图、散点图等可视化结果，帮助用户直观理解数据分布与趋势，适用于数据分析探索及报告展示场景。

自动生成企业级路线图规划方案，支持项目管理、合规治理与集成模式的标准化实施，提供符合行业规范的分步指导与生产就绪型配置输出，适用于复杂工作流的自动化设计与优化。

通过统一的行为规范与模型适配策略，实现对多智能体系统的持续引导，确保工具调用一致性、任务协同有序性及测试流程严谨性，适用于复杂环境下的自动化决策与协作维护。

根据数据特征和分析目标自动推荐最合适的图表类型，提供可视化方案设计、配置生成及行业最佳实践指导，支持从数据探索到业务洞察的全流程图表决策。

自动完成分布式训练环境的初始化配置，涵盖多节点通信设置、框架适配（如 PyTorch 和 TensorFlow）、资源调度参数生成及配置校验，输出可直接部署的生产级代码与最佳实践建议。

提供对 OpenAI 和 Anthropic 实际 API 通信的完整捕获能力，包括请求与响应（含 streaming text/event-stream），自动生成可直接粘贴到 SwiftAgent 单元测试中的 Swift 格式回放数据，用于精准验证适配器行为、结构化输出及工具调用逻辑。

自动执行数据分析中的相关性分析任务，支持对数据模式、统计关系及业务指标的深度审查与优化，适用于需要识别变量关联、验证数据假设或生成可复用分析逻辑的场景。

构建具备自学习能力的智能体，通过经验积累识别行为模式、动态优化任务策略，并支持跨领域知识迁移与元认知升级，适用于需要长期演进和适应复杂环境的自主系统。

自动生成符合生产环境标准的 Kubernetes 资源清单，涵盖 Deployment、Service、ConfigMap、Secret、Ingress 和 HPA 等核心组件，内置健康检查、自动扩缩容、TLS 配置与资源约束，支持按需定制并交付可直接部署的 YAML 文件。

遵循严格的AI执行协议，实现任务的顺序化处理与极简响应，确保操作前验证环境状态、避免未经确认的破坏性行为，并在复杂或异常情况下主动澄清或进行根本原因分析。

自动执行留存计算相关的数据分析任务，支持从配置生成到代码实现的全流程操作，涵盖查询编写、可视化设计与统计建模，适用于需要精准衡量用户行为模式的业务场景。

自动处理数据流水线中的数据分区任务，支持按时间、键值或范围等方式对大规模数据集进行切分与管理，生成符合生产环境要求的配置代码，并提供分区策略建议和合规性验证。