Skill

支持从美国地质调查局获取实时与历史水文数据，包括指定站点的水位高度和河流流量测量值，可按不同时间粒度下载并整合多站点观测记录，适用于水文分析、防洪预警及水资源管理等场景。

提供从 PowerPoint、Google Slides、Canva 等主流演示平台向 Gamma 平台迁移的端到端支持，涵盖资产清点、格式转换、元数据保留、批量导入、质量验证及故障回滚等全流程能力，适配企业级规模化迁移场景。

采用功能切片设计实现业务域驱动的代码组织，通过层级化模块划分确保逻辑复用与依赖单向流动，适用于需长期迭代的大型应用，避免过早抽象以减少维护成本。

完成 OpenRouter API 认证配置，包括获取密钥、设置环境变量及连通性验证，适用于新集成部署或身份验证故障排查场景。

提供托管的 Kubernetes服务，支持集群与节点组的创建及管理，实现工作负载部署与 AWS 服务的安全集成，适用于容器化应用的弹性伸缩和高可用架构构建。

支持将多个 OpenAPI 规范文件合并为单一规范，适用于微服务架构下各服务独立维护接口定义、多版本 API 管理或公有与私有接口规范整合等场景。

提供美国国家气象局发布的洪水水位阈值数据，支持按州筛选、按USGS站点编号匹配，提取行动水位、小洪水、中洪水及大洪水等级对应的水位数值，适用于洪涝风险评估与实时水位比对分析。

基于亚历克斯·霍尔莫齐的百万美元报价方法论，系统化构建极具说服力的商业提案，通过优化价值感知、设计强力保障机制、叠加稀缺性与心理触发点，打造让客户难以拒绝的终极成交方案。

自动同步技能元数据至各 AGENTS.md 的 Auto-invoke 模块，根据技能声明的作用域与触发动作生成对应的调用指引表格，确保文档与代码行为一致。

为 tryelements.dev 组件库提供标准化的 UI 元素创建能力，支持从基础控件、功能模块到主题集成的全类型组件开发，自动处理依赖文档检索、代码 scaffolding、注册元数据生成及多环境适配，确保符合 shadcn 风格规范与可维护性要求。

自动化完成 Retell AI SDK 版本升级全流程，包括当前版本识别、变更日志分析、分支创建、依赖更新、兼容性适配与测试验证，确保平滑迁移并支持快速回滚。

提供 Apollo.io API 集成的标准化实现方案，涵盖类型安全的客户端封装、带退避策略的自动重试、支持流式消费的分页迭代、批量请求协调机制，以及可区分捕获的自定义错误体系，适用于构建高可靠性、易维护的销售开发与数据 enrichment 应用。

在代码编辑、保存或提交时自动执行轻量级质量检查，覆盖风格规范、常见反模式、潜在运行时错误及基础安全风险，提供实时分级告警与修复建议，支持多语言并可联动子代理进行深度分析。

支持跨数据库环境的结构对比与同步，通过自动化流程实现模式差异分析、变更实施及验证，确保数据架构一致性，适用于多环境数据库版本管理与部署。

提供基于 Git 工作树的特性开发隔离环境，自动选择安全目录、校验 .gitignore 配置、创建新分支工作区，并根据项目类型执行依赖安装与测试验证，确保每次功能开发都在干净、独立且受控的上下文中启动。

处理包含终端颜色码的日志文件时，先清除格式字符再分析，确保文本可读且能被正确解析，适用于排查构建错误或系统日志等场景。

为 OPA/Rego 策略引擎扩展原生函数能力，支持在 Go 中实现带类型声明、错误处理和上下文感知的自定义逻辑，可在策略中直接调用以增强规则表达力。

支持对 Retell AI 集成系统开展全周期性能验证与弹性伸缩管理，涵盖自动化负载测试、基于 CPU 和队列深度的水平扩缩容配置、连接池优化及容量水位评估，可生成标准化基准报告并给出扩容建议。

将模糊的研究需求转化为严谨的深度研究任务，通过系统性提问明确主题焦点、输出形式、时空范围、可信信源及特殊要求，最终生成符合专业标准的结构化提示词，确保后续研究过程目标清晰、边界可控、成果可验证。

提供 GitHub PR 评论的自动化处理能力，包括识别当前分支关联的开放 PR、提取待处理的审查意见、与用户交互确认需修复的条目，并执行相应修改；全程自动校验并引导完成 gh CLI 认证，确保操作权限合规。

掌握 TypeScript 高级类型系统的核心能力，包括基于泛型的类型复用、条件判断式类型推导、属性映射与转换、字符串模板化类型构造，以及内置与自定义工具类型的灵活组合，支撑构建高可靠性、强约束性且可维护的类型安全应用。

提供在 Effect-TS 应用中增强容错能力的重试策略，通过指数退避叠加随机抖动实现智能延迟重试，有效缓解服务雪崩、惊群效应与资源耗尽问题，提升系统在不稳定依赖下的稳定性与恢复成功率。

提供跨 PostgreSQL、MySQL 和 SQLite 的 SQL 全生命周期支持，涵盖标准化建模、安全参数化查询、高性能索引策略、事务一致性保障、零停机迁移实践及基于 EXPLAIN 的深度调优能力，兼顾 ANSI 兼容性与数据库特性适配。

生成适用于搜索引擎和社交平台的高质量元标签，涵盖标题、描述、Open Graph 及 Twitter 卡片等，兼顾字符长度规范、关键词布局、情感触发与行动号召，提升点击率与分享效果。

倡导将 Python 代码按功能域、抽象层级和 I/O 边界划分为职责清晰的小型模块，单文件控制在 150–500 行以兼顾可读性与 AI 工具处理效率，避免过大文件导致上下文截断或维护困难。

自动构建符合生产标准的 Helm Chart，涵盖模板结构设计、配置参数化、依赖管理及最佳实践校验，支持 Kubernetes 应用的标准化打包与部署。

将产品需求文档结构化为 Ralph 系统可执行的 JSON 格式，自动拆分大功能为独立、可验证的用户故事，确保每项任务能在单次 AI 迭代中完成，并按依赖顺序组织，同时生成符合规范的分支名与验收条件。

面向深度代码探究任务，支持对软件功能原理、架构设计、执行流程及实现位置的系统性分析，依托语义搜索精准定位跨文件逻辑关联，自动生成含位置标记、调用链路、结构图谱与可操作指引的综合报告。

提供全面的认证与安全防护能力，涵盖攻击防御、多因素认证、令牌安全管理及合规性要求，支持通过设备绑定和动态风险评估强化身份验证，适用于高安全标准的系统集成与持续威胁监控。

具备对科学研究的系统性批判评估能力，涵盖方法学严谨性、实验设计合理性、统计推断可靠性、各类偏倚与混杂因素识别、证据质量分级（如GRADE、Cochrane ROB）以及逻辑谬误辨析，支撑对科学主张的审慎判断与可信度量化。