教育生產力自動化
ship-learn-next
將教學內容(如逐字稿、教程)轉化為可執行的「Ship-Learn-Next」循環,建立具體的實作計畫與學習任務。
瀏覽: 6★ 1,674
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 527 個技能
將教學內容(如逐字稿、教程)轉化為可執行的「Ship-Learn-Next」循環,建立具體的實作計畫與學習任務。
建立生產級 Go API 服務,包含可觀測性、本地開發環境與整潔架構的樣板程式碼。
將 PDF、Office 文件、圖片、音訊及網頁內容轉換為適合 LLM 與 RAG 系統的乾淨 Markdown 格式,支援 20 多種檔案類型與自動化處理。
自動化 PR CI 監控與錯誤修復代理。
診斷、隔離並緩解 LLM 上下文故障(如中間丟失、中毒、干擾及衝突),提升 AI 代理的執行可靠性。
Superpowers 開發方法論的基礎技能。確保代理程式在開始任何任務或對話前,能正確識別並調用必要的開發技能。
產生與 IntelliJ coding-aider 外掛程式相容的結構化開發計畫、檢查清單及檔案上下文。
生成結構化的 Handoff Pack 提示詞,用於將任務委派給 Gemini,確保明確的範圍、驗收標準與格式規範。
生產環境測試策略,包含功能旗標、金絲雀部署、合成監控與混沌工程,確保線上系統的持續可靠性。
CCOS 伺服器所公開的 MCP 工具參考,支援自主代理工作流程中的能力探索、對話管理與受控的 RTFS 執行。
為 Claude Code 設計的巢狀插件架構,透過動態載入 Playbooks、Skills 與 Agents,有效節省超過 90% 的上下文標記空間。
用於在 Hive 原生 Rust 架構中構建、註冊和編排模型上下文協議 (MCP) 工具與 AI 代理工作流的開發框架。