review-react-best-practices
为 React 和 Next.js 应用程序执行自动化、基于规则的性能与可靠性审计,涵盖包大小、瀑布式请求、渲染与数据获取等维度。
探索可复用的代理技能,查看实现细节,快速找到适合你工作流程的技能。
共找到 324 个技能
为 React 和 Next.js 应用程序执行自动化、基于规则的性能与可靠性审计,涵盖包大小、瀑布式请求、渲染与数据获取等维度。
全方位 Python 医疗 AI 工具包,用于临床数据处理、医学编码转换,以及开发用于 EHR、生理信号和临床预测任务的深度学习模型(如 RETAIN 与 Transformer)。
全面的 AI 文本检测框架。通过词汇分析、结构模式、模型指纹与技术元数据比对,精准辨识 AI 生成内容与写作痕迹。
分析并识别代码库模式(命名、架构、测试),以确保开发过程中的一致性与标准执行。
同步并维护存储库中的 CLAUDE.md 与 README.md 文件层级,确保 AI 代理程序拥有即时且一致的上下文信息。
将文本转换为专业 Mermaid 图表。自动处理语法、子图及布局规则,轻松生成流程图、时序图与结构图。
进行彻底的依赖项审计,识别冗余代码、未使用的功能和不当的使用模式。通过充分利用现有依赖项而非重新发明轮子,确保项目的模块化与代码整洁。
通过分析可用技能、制定结构化执行计划并管理手动或委派的多步骤工作流程,来统筹复杂的编程任务。
将工作阶段的经验转化为可重用的智能基础设施 (RII)。将一次性的修复与模式发现转变为永久的代理执行知识,防止问题重现并加速后续开发。
MoAI-ADK 基础架构原则,包含 TRUST 5、SPEC-First TDD、委派模式以及节省 Token 的代理人协作工作流程。
利用权力/利益矩阵绘制利益相关者地图,定义定制化沟通策略,并为产品计划与团队协调生成完整的沟通参与计划。
根据暂存区的 git diff 自动生成符合 Conventional Commits 规范的清晰提交信息。