Skill

自动生成符合业务自动化需求的 Discord 机器人，涵盖从初始化配置、代码编写到最佳实践验证的全流程，支持工作流集成、邮件处理与电子表格操作等企业级场景。

自动处理 Google Cloud 平台中的服务账号管理任务，提供符合最佳实践的配置指导与代码生成，支持计算、存储、大数据及 AI 服务相关的权限架构设计与部署验证。

自动化构建和配置 CDC 数据同步管道，涵盖从设计模式、ETL 流程、数据转换到流式处理的全链路支持，生成符合生产标准的代码与配置，并提供最佳实践建议和合规性验证。

自动化构建机器学习数据集加载器，支持从原始数据到可训练格式的端到端配置生成，涵盖数据预处理、批处理设置与框架适配，输出符合 PyTorch、TensorFlow 等主流平台规范的生产级代码。

自动分析 CI/CD 流水线中的性能指标，通过对比基线数据、检测阈值越界和统计显著性变化来识别响应时间增加或吞吐量下降等问题，及时发现并报告性能退化，适用于持续集成环境下的性能监控与质量保障。

自动配置机器学习中的交叉验证流程，支持从数据划分到模型评估的标准化实现，适用于主流框架下的训练任务，确保实验结果的稳定性和可复现性。 Supports reproducible ML experiments through systematic cross validation workflows.

提供双角色协同开发流程的结构化指导，明确 Cursor 作为项目管理者负责任务分派与上线决策，Claude Code 作为执行者完成编码测试与预发部署，并通过 Plans.md 状态标记和标准化指令实现无缝交接。

实现 Retell AI 与 GitHub Actions 的持续集成，支持自动化测试与发布流程，通过环境密钥管理保障安全，结合分支保护策略确保代码质量，在推送和拉取请求时自动验证系统健康状态与集成稳定性。

将数据自动转换为直观的图表展示，根据数据特征选择合适的图形类型并生成清晰准确的可视化结果，帮助用户快速理解数据分布与趋势，适用于各类数据分析和报告场景。

自动生成性能分析火焰图，支持对系统调用栈和资源消耗路径进行可视化建模，适用于负载测试、压力测试及基准评估中的性能瓶颈定位场景。

自动化构建和配置 Spark 作业，涵盖 ETL 流程、数据转换、工作流编排及流式数据处理，生成符合生产标准的代码与配置，并提供最佳实践建议和合规性验证。

根据项目需求生成并部署适用于生产环境的 Genkit 应用，支持构建 RAG 系统、多步骤工作流及工具调用，可发布至 Firebase Functions 或 Cloud Run，并集成 AI 监控能力。

提供用户流失分析的自动化支持，涵盖数据查询、可视化、统计建模与业务洞察，自动生成符合行业规范的分析流程与代码实现，适用于需要系统化构建流失预警机制的数据处理场景。

根据研究问题和数据特征智能匹配因果推断方法，支持在双重差分 DiD、中断时间序列 ITS 与合成控制 SC 之间做出适配选择，覆盖单单元与多单元、有无对照组、面板或时序数据等典型实证场景。

将用户提供的内容自动转换为 AntV Infographic 专用语法，根据内容结构智能匹配模板类型，完成数据建模、主题设定与 DSL 编排，严格遵循缩进规范和代码块格式要求。

自动优化机器学习模型的超参数配置，支持网格搜索、随机搜索和贝叶斯优化三种策略，能根据数据特征与评估目标生成适配代码，执行调优并返回最优参数组合及性能指标，适用于提升模型准确率、召回率等关键表现。

自动监控机器学习预测服务的运行状态，提供配置生成、最佳实践建议与合规性验证，及时发现异常并优化生产环境中的模型推理性能。

根据用户需求生成结构化任务计划，通过多轮交互完善方案并保存为可追踪的待办清单，支持执行过程中的动态调整与进度同步，适用于需分步实施且包含反馈机制的复杂任务场景。

提供对预录制音频文件及远程音频链接的语音转文字能力，支持多语言识别、标点自动添加、说话人区分和段落生成，适用于批量处理、会议记录整理及内容结构化等场景。

提供多智能体协作的标准化模式，涵盖代理模式切换、任务进度追踪与质量管控流程，支持通过外部模型代理执行、结构化阶段管理及自动化审查反馈，确保开发流程的规范性与可追溯性。

自动处理 Google Cloud Platform 中 Cloud Run 服务的配置任务，涵盖从基础设置、最佳实践应用到生产就绪配置生成与合规性校验的全流程，支持计算、存储、BigQuery、Vertex AI 等 GCP 服务集成。

自动化构建和优化安全威胁模型，涵盖建模流程指导、合规框架适配（如 SOC2、GDPR）、渗透测试集成及企业级安全策略配置，输出符合行业标准的可落地方案。

自动分析数据集并识别目标变量，智能选择分类或回归模型类型，通过交叉验证完成训练与性能评估，生成准确率、误差等指标，最终输出可持久化的模型文件，适用于从数据到模型落地的全流程机器学习任务。

指导大语言模型高效处理复杂任务，通过假设模型已具备基础能力，以实例驱动说明，采用渐进式信息展开结构，建立可验证的中间节点与反馈机制，提升指令执行的准确性与可维护性。

自动生成符合生产环境要求的 Fluentd 配置文件，覆盖日志采集、过滤与转发等核心场景，结合 Kubernetes 和基础设施即代码实践，提供可验证、可复用的配置方案。

支持数据库模式变更的版本化管理，可生成带时间戳的正向与回滚迁移文件，适用于为关系型及非关系型数据库安全执行结构更新与历史追溯。

自动完成 gRPC 服务的初始化与代码生成，涵盖协议定义、服务端和客户端骨架搭建、多语言支持及配置文件生成，确保符合微服务架构规范和生产环境标准。

自动生成符合行业规范的 Ansible playbook 配置文件，提供从基础结构搭建到高级场景适配的完整生成能力，支持基于最佳实践的代码输出、标准校验及运维建议，适用于基础设施即代码与复杂 DevOps 流水线构建。

自动执行用户指定的队列分析创建任务，涵盖数据分组、行为路径追踪、留存率计算及结果可视化等全流程，支持从原始数据提取到分析报告生成的一站式处理。

自动分析数据库查询性能，提供从配置生成到代码优化的全流程支持，涵盖负载测试、压力测试及性能监控场景，确保输出符合行业标准并可直接用于生产环境。