smart-sourcing
在准确性和令牌效率之间取得平衡。
把 Skill 的源码、资源快照、README、包体和安装信号放进一个可搜索、可筛选的公开目录。
在准确性和令牌效率之间取得平衡。
Zenn記事のMarkdown校正を行うスキル。記事を読み、Zenn独自記法の正確性・見出し構造・コードブロック・リンク・画像・テーブル・埋め込み・メッセージ/アコーディオン記法をチェックし、改善提案を行う。ユーザーが「Zenn記事を校正して」「Zennの記法をチェックして」「記事をレビューして」「Markdown確認して」と依頼した際に使用する。
当用户想要审查代码时使用
自动化工具有助于基于最近一次提交更新CHANGELOG.md文件。请在确认提交后立即使用此技能,以保持变更历史的最新状态。可以通过'actualizar changelog'、'registrar cambio'、'update changelog'命令激活,或者当路由指示时,在成功提交后自动激活。
此技能使Claude能够根据安全最佳实践和行业标准验证身份验证实现。它分析各种身份验证方法,包括JWT、OAuth、基于会话的身份验证和API密钥。当您需要执行身份验证安全检查、评估密码策略、评估MFA实现或分析会话安全性时,请使用此技能。可以通过诸如“validate authentication”、“authentication check”或“authcheck”这样的短语来触发此技能。
操作前后验证以检测缺失的组件并防止未来的问题
校准用于水温模拟的GLM参数。当需要调整模型参数以最小化模拟温度与观测温度之间的均方根误差(RMSE)时使用。
通过获取GitHub问题的详细信息并探索相关代码库来分析该问题,以确定根本原因并提出解决方案。在给定一个需要调查的GitHub问题URL时使用。
审核shell脚本的正确性、可移植性和常见陷阱。
主动诊断工具,用于分析技能提示以识别令牌浪费、反模式、触发问题和优化机会。在审查技能提示、调试技能未触发原因、优化令牌使用或准备发布技能时使用。提供具体可操作的建议及示例。
智能代码测试、修复和验证助手。根据不同类型的代码变更自动执行适当的测试和验证工作流程。在验证代码变更时使用 - 后端API修改需要单元测试和构建检查 - 前端更改需要构建检查和浏览器调试,对于微小的样式更改可选跳过 - 配置文件更改需要依赖项安装和构建检查 - 代码重构需要完整的测试套件和代码风格检查 - 新功能开发需要编写测试、运行测试以及浏览器测试
生成遵循严格Conventional Commits规范并带有表情符号的西班牙语提交信息指南。每当用户请求进行commit、生成提交信息、提交更改,或完成代码变更准备记录到git时,请使用此技能。该技能也会在用户说'commit', 'commitear', '保存更改', '记录更改' 或任何意图创建git历史记录点时激活。
分析你的Claude Code会话日志,以提高提示质量、优化工具使用,并成为一名更好的AI原生工程师。
精确检测识别恶意网络模式(包括端口扫描、DoS攻击和信标行为)的阈值。
用于引力波检测的匹配滤波技术。当使用模板波形在探测器数据中搜索信号时使用,包括时域和频域方法。与PyCBC一起使用以生成模板并执行匹配滤波。
在受Fynt启发的架构中构建和升级生产级别的工作流自动化引擎,该引擎具有类型化的节点契约、图验证、依赖感知执行、安全的执行器适配器、运行锁定、调度去重以及实时状态流。当实现n8n风格的工作流运行时逻辑、添加节点类型、加强执行正确性或重构工作者/调度器/实时子系统时使用。
跨仓库代码审查适用于多仓库Web应用程序。当需要审查多个仓库中的变更以检测API契约、类型定义、依赖项或集成点的不一致性时使用,这些不一致性可能是单仓库审查中遗漏的。触发短语包括'跨仓库审查'、'检查多仓库变更'、'跨仓库代码审查',或者在处理包含多个项目文件夹的VSCode工作区时。
专家级TypeScript重构模式,用于更清晰、类型安全的代码
使用testcontainers-go在Go中编写集成测试,使用Docker容器中的真实数据库、缓存和消息队列。涵盖PostgreSQL、MySQL、Redis、RabbitMQ、Kafka以及使用惯用的Go测试模式的自定义容器。
这项技能使Claude能够监控和分析应用程序内的CPU使用模式。它有助于识别CPU热点,分析算法复杂性,并检测阻塞操作。当用户要求“监控CPU使用情况”、“优化CPU性能”、“分析CPU负载”或“查找CPU瓶颈”时,请使用此技能。它有助于识别效率低下的循环、正则表达式性能问题,并提供优化建议。该技能旨在通过解决CPU密集型操作来提高应用程序性能。
这项技能帮助Claude编写安全的网络应用程序。在开发任何网络应用程序或用户请求进行扫描或审核以确保遵循安全最佳实践时使用此技能。
交流分支π模型潮流方程(P/Q和|S|),包括变压器抽头比和相移,与`acopf-math-model.md`及MATPOWER分支字段相匹配。在计算任一方向的分支潮流、汇总节点注入以进行节点平衡检查、验证MVA(rateA)限制、计算分支负载百分比或调试AC潮流中的符号/单位问题时使用。
差异中的差异因果分析,用于识别行为变化的人口驱动因素,并进行p值显著性测试。可用于事件效应、A/B测试或政策评估。
Apache Spark应用程序结构、DataFrame API、shuffle优化、内存调优和Structured Streaming的最佳实践