Skill

自动化创建符合 CI 校验规范的 GitHub Pull Request，能智能分析代码变更类型与影响范围，生成包含正确前缀、作用域和摘要的标题，并填充标准化描述模板，支持草稿模式与关联问题自动闭合。

指导 Electron项目中 Chromium 版本升级的全流程，涵盖同步依赖时的补丁冲突解决与构建阶段的编译问题修复。通过反复执行同步与构建命令，定位并修复补丁应用及代码兼容性问题，确保所有更改按规范提交，最终实现 Electron 成功构建并启动。

提供 SkillsBench 基准测试任务的全流程支持，涵盖任务创建、本地开发验证、多模型代理性能对比及标准化提交，确保任务真实可验证且技能调用能显著提升代理表现。

提供智能体能力评估与任务验证的标准化框架，支持多模型代理的自动化测试、技能集成及结果分析，覆盖从本地调试到云端并行执行的全周期评估流程。

专注于 Vertex AI 平台的基础设施即代码部署，支持 Model Garden 模型集成、Gemini 系列大模型服务端点配置、向量搜索索引构建、机器学习流水线编排及企业级 AI 环境的自动化搭建。

提供精细化的 Git 工作流管理，支持多提交原子化操作、历史记录重构与深度检索。通过自动检测提交风格与代码上下文，实现符合团队规范的分步提交、变基清理及精准溯源，适用于复杂分支协作与技术债务治理场景。

支持在 Cursor IDE 中统一管理多个代码仓库，通过多根工作区或单体仓库模式组织项目，实现跨仓库的规则继承、选择性索引配置及上下文感知，适用于复杂协作开发场景。

提供与 S3 兼容的对象存储服务，支持零出口流量费用的文件上传下载、跨区域数据迁移及生命周期管理，通过 Workers 深度集成实现低延迟访问，适用于构建高可用静态资源托管和大规模数据存储系统。

实现 Linus Dashboard 的功能开发与集成，基于 TypeScript 和 Python 构建前后端组件，遵循严格的代码规范与架构模式，完成视图、卡片、服务及传感器等模块的创建与验证，确保高质量交付并兼容 Home Assistant 生态。

通过七阶段流程实现基于宪法的规格驱动开发，从确立核心原则到生成可执行任务并验证一致性，系统化管理需求定义、技术规划与实施过程，确保开发全程符合预设标准且各环节可追溯。

用于验证 Codex CLI 生成的会话 JSONL 格式是否与 Agent Sessions 当前支持的版本兼容，通过比对实际会话样本与基准模式差异，判断是否可安全升级已验证版本，同时确保测试用例、文档和解析逻辑同步更新。

提供端到端 Web 应用自动化测试能力，覆盖登录流程验证、多用户身份管理、文件上传下载、API 响应模拟及断言驱动的等待机制，支持跨设备视口测试与不稳定测试根因分析。

通过测试驱动的方式构建可复用的技术文档，先验证失败场景，再编写针对性指导，确保系统在压力下仍能遵循最佳实践，最终形成可被高效检索与复用的结构化知识。

创建隔离的 Git 工作树以支持并行开发，自动配置独立端口、数据库和运行环境，实现多任务实例同时运行且互不干扰，适用于需要分支并发执行与测试的场景。

基于 DeepWiki MCP服务，实现对 GitHub、GitLab 和 Bitbucket 等平台开源项目的深度研究与理解，支持代码库架构分析、模块组织解读、功能实现追踪及 Mermaid 架构图生成，适用于学习新框架、调试集成问题或准备代码贡献等场景。

为 Flutter 应用提供端到端的持续集成与持续部署能力，涵盖环境配置、代码质量检查、多层级测试、跨平台构建及自动化发布流程，支持 Android 和 iOS 的标准化交付，兼顾安全性、可维护性与执行效率。

自动化部署机器学习模型至云端服务端点，支持从配置生成到生产验证的全流程，适用于模型上线、服务监控与推理优化等场景，确保部署方案符合工业级标准。

自动完成代码变更的暂存、提交与远程推送，生成符合规范的提交信息并附加上下文签名，适用于将本地修改同步至仓库的协作场景。

提供无需管理基础设施的按需 GPU 算力，支持机器学习模型的自动扩缩容部署与批量处理，通过 Python 代码定义实现快速迭代和 API 化服务，适用于训练、推理及定时任务等场景。

提供对 Cloudflare 全栈服务的统一命令行管理能力，覆盖 Workers 函数部署、KV 键值存储、R2 对象存储、D1 数据库、Vectorize 向量检索、Hyperdrive 数据库加速、Workers AI 模型调用、Queues 消息队列、Containers 容器应用、Workflows 工作流编排、Pipelines 数据管道及 Secrets Store 密钥管理等核心资源

严格遵循测试驱动开发的红绿重构循环，强制执行先写测试、失败要有意义、实现最小化、验证全覆盖的全流程，确保每次代码变更都由可执行的测试用例驱动并经编译、检查与全量验证确认。

提供跨平台开发中 Git 行结束符的统一管理能力，涵盖 Windows、macOS、Linux 和 WSL 环境下的自动转换、.gitattributes 规则配置、历史文件规范化及常见问题诊断，确保文本文件在不同系统间正确解析与执行。

根据用户需求自动生成各类负载均衡器的生产级配置，覆盖 ALB、NLB、Nginx 和 HAProxy 等主流类型，适配不同协议、端口、健康检查及后端服务拓扑，支持直接集成到基础设施即代码流程中。

提供对 GitLab 代码托管平台的全生命周期操作能力，涵盖远程仓库验证、分支管理、合并请求创建与评审、问题跟踪、CI/CD 流水线监控与故障排查、多库协同变更及发布管理，支持自动化运维与协作开发流程。

实现跨平台技能同步，自动识别本地路径、GitHub 仓库或 skillsmp.com 页面作为源，扫描并列出所有已安装 AI 编程工具的技能目录，经用户确认后批量复制或克隆技能内容，覆盖同名现有技能，支持临时文件清理与错误反馈。

自动化完成 iOS 应用的发布全流程，包括版本与构建号管理、生产环境编译、Xcode 归档、App Store Connect 上传及 TestFlight 配置，确保生成的包不含开发服务器依赖，适用于正式 Beta 测试与应用商店上架。

通过结构化流程确保代码质量，在功能实现、缺陷修复或合并前系统化审查变更内容，重点关注服务边界、状态机一致性及错误处理机制，及时识别风险并依据反馈严重性分级响应，保障生产环境稳定性。

配置终端 Git 工具 lazygit，支持通过 YAML 文件定制界面主题、快捷键映射、自定义命令及分页显示行为，集成 delta 实现语法高亮的差异对比，提供跨平台配置路径管理与项目级配置覆盖能力，并可通过内置编辑功能实时调试设置。

构建一种持续优化的工程实践体系，通过规划、执行、评审、沉淀四个环节形成正向循环，每次开发都系统性积累模式、决策与教训，使后续工作更高效、更可靠，逐步降低技术债并提升团队整体工程能力。

通过为每个独立任务或问题启动全新子智能体并实施严格代码审查机制，实现高质量、可迭代的软件开发流程；支持顺序执行与并行执行两种模式，适用于多任务协同开发、分散故障排查及计划驱动的自动化实施场景。