Skill

统筹数据库灾备与恢复全流程，支持跨区域容灾部署、任意时间点还原、备份有效性验证及恢复演练，自动配置主从复制、日志归档和故障自动切换策略，保障生产环境数据库高可用与数据零丢失。

实现长序列建模的线性时间复杂度处理，支持百万级 token 上下文长度，提供比 Transformer 更快的推理速度与更低内存占用，适用于流式生成和高效语言建模任务。

自动执行数据分析中的统计显著性计算任务，支持从数据查询、统计建模到可视化结果的全流程处理，适用于需要验证实验效果或分析数据差异显著性的业务场景。

支持生成符合生产环境标准的 Kubernetes 应用部署配置，涵盖无中断滚动更新、蓝绿发布、金丝雀发布等策略，集成健康检查、资源限制、自动扩缩容、TLS 终止、配置与密钥管理及网络策略，确保应用高可用、安全且可运维。

自动处理机器学习训练中的学习率调度任务，提供配置生成、代码实现、最佳实践指导及合规性验证，覆盖从基础设置到复杂调度策略的全流程支持。

自动同步 HuggingFace 路由器新增模型信息，从远程获取模型列表，比对现有配置文件，检索各模型架构与能力特征，按统一风格撰写简明描述，并将新条目插入 prod.yaml 和 dev.yaml 的配置数组顶部，最后提交版本变更。

支持在完成基础流程后执行 Retell AI 的辅助性任务，通过读取配置、编写和修改代码、运行 npm 命令及检索文本，实现对次要业务场景的自动化处理与主流程协同。

支持 Deepgram 语音识别功能的本地开发环境搭建，涵盖项目结构初始化、多环境配置、测试资源准备及热重载调试机制，便于快速验证和迭代语音转写逻辑。

自动执行性能测试中的吞吐量计算任务，支持根据测试场景生成配置、验证结果并提供行业最佳实践指导，适用于负载测试、压力测试及基准测试等性能评估工作。

自动执行 Vertex AI 模型部署全流程，涵盖服务配置、MLOps 流水线搭建、推理端点发布及生产环境监控优化，生成符合工业标准的可运行代码与配置，并提供合规性验证和最佳实践建议。

提供快速启动 Instantly 集成的最小可行示例，涵盖环境验证、客户端初始化与基础 API 调用全流程，适用于新手入门、环境测试及开发初期快速验证连接有效性。

实现预训练机器学习模型的快速适配与微调，支持基于新数据集进行迁移学习，自动完成数据验证、模型优化及性能评估，生成可复现的代码与文档，适用于图像分类、自然语言处理等场景下的高效模型定制。

具备自主探究能力，通过检索网络资源、抓取官方文档、执行命令测试等方式独立验证技术方案，确保所有建议均有实证支撑；主动探索可行解空间，识别多种实现路径并评估其适用性，仅在涉及用户偏好或设计决策时才寻求反馈。

提供模型导出全流程自动化支持，涵盖配置生成、代码编写、合规性校验及最佳实践建议，适用于机器学习模型部署到生产环境的标准化封装与交付场景。

自动检测并响应异常分析需求，支持从数据查询、统计建模到可视化展示的全流程处理，适用于需要快速识别数据偏离模式的分析场景。

面向科研全周期的自动化智能助手，能基于数据自动生成研究假设、设计实验方法、执行计算分析并产出符合期刊格式的 LaTeX 论文，支持多智能体协同与人工干预结合的灵活研究流程。

针对 Kling AI 模型的运行效能进行系统性调优，涵盖生成速度提升、输出质量增强、计算资源节约及成本控制，支持基于实测数据的配置对比与优化策略推荐。

分析数据库查询性能瓶颈，解读执行计划并识别慢查询、缺失索引等问题，提供索引创建、查询重写等优化建议，提升查询执行效率与资源利用率。

实现跨环境数据库模式的精准比对与安全同步，支持自动识别表结构、索引、约束等差异，生成带事务保护的升级脚本及配套回滚方案，适用于开发、测试、生产等多环境间 schema 一致性维护。

支持将 Fireflies.ai 应用一键部署至 Vercel、Fly.io 和 Google Cloud Run 三大平台，自动完成密钥安全注入、环境变量配置、服务启动及健康检查验证，适配不同规模的生产级基础设施需求。

自动创建和配置 BigQuery 数据表，涵盖结构定义、分区设置、集群策略及权限管理，生成符合生产环境标准的代码与配置，并依据 GCP 最佳实践提供验证与优化建议。

根据用户需求生成适用于主流数据库的存储过程、函数及触发器，实现复杂业务逻辑处理、数据完整性约束与事务安全控制，优化数据库性能并支持审计追踪等高级功能。

支持在本地快速搭建 Vast.ai 开发环境，实现代码修改即时生效、自动化测试与环境变量管理，适用于需要高频迭代和验证 Vast.ai 集成逻辑的开发场景。

支持将自然语言家庭任务描述转化为结构化动作序列，通过可复用的高层技能组合实现跨任务泛化，最终输出符合 VirtualHome 环境规范的原始动作指令。

面向 MLX 平台实现机器学习模型的高保真迁移，优先确保数值与视觉输出严格一致，再逐步重构为 mflux 统一风格；通过逆向分段验证（从 VAE 解码开始）、确定性测试锚定行为，并依托共享组件和标准化接口提升可维护性。

系统性开展用户研究，涵盖研究规划、深度访谈、实地观察、可用性测试等方法，支持从原始数据中提炼行为模式与真实需求，构建用户画像和旅程地图，并将洞察转化为可落地的产品设计建议。

通过在项目根目录创建特定格式的本地配置文件，实现插件行为的灵活定制与状态管理，支持按项目设置启用状态、运行模式及参数阈值，并结合结构化数据与文本内容动态调整自动化流程。

具备多模式提示词生成能力，可针对人像摄影、跨领域复杂场景（如动漫角色与特效结合）、专业设计需求（如海报配色规范）三类任务，自主解析语义、调用知识库元素、补充模型专属描述，并完成一致性校验与冲突修正，输出高质量、可直接用于图像生成的英文提示词。

支持对数千万单细胞数据进行大规模查询与分析，可按细胞类型、组织、疾病等条件筛选，获取基因表达矩阵及元数据，并无缝对接 scanpy 和 PyTorch 等工具开展下游建模与可视化。

自动生成符合 Graphviz dot 语法的可视化图表代码，支持从需求描述到可运行脚本的端到端构建，覆盖流程图、架构图等常见图形场景，并确保语法正确与结构规范。