Loading...
Loading...
共找到 1,702 个 Skills
使用Kibana API在Elastic Observability中创建和管理SLO。适用于定义SLI、设置错误预算或管理SLO生命周期的场景。
feature 流程的阶段 1——为新功能起草一份方案文件，作为后续实现和验收的唯一输入。先收集证据（读架构、读相关代码、grep 防术语冲突、查归档），然后一次性写出完整初稿（含 YAML frontmatter + 三层结构 + 测试设计），交给用户整体 review，迭代到拍板。拍板后从 {slug}-design.md 里抽出 {slug}-checklist.yaml 给后面两个阶段用。触发场景："开始设计方案"、"写 design doc"、"准备实现 XX"，前提是已经知道做什么、为谁做、怎么算成功。
自动化Agent驱动开发的完整设置。将功能定义为带有可测试验收标准的用户故事，然后循环运行AI Agent，直到所有故事都通过验收。
运行基于指标的迭代优化循环。定义可衡量的目标，搭建测量框架，随后运行并行实验尝试多种方案，通过严格门槛和/或LLM-as-judge质量分数评估每种方案，保留改进成果并逐步收敛至最优解。适用于优化聚类质量、搜索相关性、构建性能、提示词质量或任何可从系统性实验中获益的可衡量结果。灵感源自Karpathy的autoresearch，针对多文件代码变更和非机器学习领域进行了通用化设计。
创建高效OpenCode Skill的指南。用于创建或更新可通过专业知识、工作流或工具集成来扩展Agent能力的Skill。 示例： - 用户：“创建一个Git工作流的Skill” → 编写包含说明和示例的SKILL.md文件 - 用户：“为我的Skill添加示例” → 遵循「用户：“查询” → 操作」的模式 - 用户：“更新Skill描述” → 使用文字块标量和触发上下文 - 用户：“构建复杂Skill的结构” → 用scripts/和references/目录进行组织 - 用户：“验证我的Skill” → 检查结构、前置元数据和发现触发器
通过Fabric REST API和`az rest` CLI在Fabric数据与事件上创建告警、通知及自动化操作。适用于用户需要以下操作的场景：(1) 创建、更新或删除告警或通知流；(2) 在特定事件发生时发送Teams消息、发送邮件或运行Fabric项；(3) 将告警逻辑与Eventhouse、Eventstream、Real-time Hub或Digital Twin Builder / Ontology数据关联；(4) 调整阈值、过滤器、事件触发器或动作；(5) 排查或修改现有Activator/Reflex定义。触发词："create an alert"、"notify me when"、"let me know when"、"take action when"、"send me an email when"、"send a teams message when"、"run a pipeline when"、"update an alert"、"delete an alert"、"activator rule"
通过对话定义产品需求，根据已选模块针对性提问，更新 state.json
适用于定义service.json路由、为VTEX IO服务选择public、segment、private三类URL前缀，或是设置与VTEX边缘节点和CDN交互的HTTP缓存头的场景。内容涵盖路径模式、Cookie可见性、边缘缓存行为，以及如何让Cache-Control配置与数据敏感度匹配。可用于请求路径和响应头决定CDN安全性的Node或.NET IO后端服务。
将人工注意力引导至Agent生成代码中关键的决策点。在规划、实现、修复阶段生效。定义何时以及如何在代码注释中放置DECISION标记。也适用于按需审查代码差异/PR的场景。
为Agentforce agents编写、运行和分析结构化测试套件。触发场景：用户编写或修改测试规范YAML（AiEvaluationDefinition）；执行sf agent test create、run、run-eval或results命令；询问测试覆盖策略、指标选择或自定义评估；解读测试结果或诊断测试失败；询问批量测试、回归套件或CI/CD测试集成。不触发场景：用户创建、修改、预览或调试.agent文件（请使用agentforce-generate）；部署或发布agents；编写Agent Script代码；使用sf agent preview进行开发迭代；分析生产会话跟踪（请使用agentforce-observe）。
产品需求与规划专家。负责撰写PRD（产品需求文档）和技术规格文档，包含功能/非功能需求；使用MoSCoW/RICE框架进行功能优先级排序；将史诗需求拆解为用户故事，并确保需求可测试、可追溯。适用于PRD创建、需求定义、功能优先级排序、技术规格文档撰写、史诗需求处理、用户故事编写及验收标准制定场景。
以代码形式定义完整的Cargo工作区——包括连接器、模型、剧本、工具、Agent、MCP服务器、上下文、能力范围、领域、细分、文件夹、文件、工作进程、应用程序——并通过`cargo-ai cdk`（init → types → plan → deploy）以声明式方式部署，就像使用Pulumi或AWS CDK管理云基础设施一样。当用户希望以代码形式管理Cargo资源时使用：可复现、版本控制、存入Git、基于模板或跨环境部署。可跳转至编写/部署/类型指南（第2级）、操作手册（第2.5级）和参考文档。对于一次性命令式操作（创建单个连接器、读取模型、运行工作流），请改用对应的功能技能。