Skills 目录 · 第 31 页

升级正在运行的 Hermes 安装并诊断更新漂移：判断某次更新是否值得安排维护窗口、变更前做快照、运行官方更新程序，并在之后验证运行时。适用于更新失败、无人值守定时器过期、依赖同步门禁、分离式发布检出或更新后健康检查。不适用于模型/提供商配置，也不适用于编辑该安装自身的源代码。

设计、实现并重构端口与适配器系统，具有清晰的领域边界、依赖反转以及跨 TypeScript、Java、Kotlin 和 Go 服务的可测试用例编排。

设计、实现并重构端口与适配器系统，具备清晰的领域边界、依赖倒置，以及跨 TypeScript、Java、Kotlin 和 Go 服务的可测试用例编排。适用于引入或重构为端口与适配器架构，或领域逻辑已与 I/O 纠缠的情况。

Hugging Face Hub CLI (`hf`) for downloading, uploading, and managing models, datasets, spaces, buckets, repos, papers, jobs, and more on the Hugging Face Hub. Use when: handling authentication; managing local cache; managing Hugging Face Buckets; running or scheduling jobs on Hugging Face infrastructure; managing Hugging Face repos; discussions and pull requests; browsing models, datasets and spaces; reading, searching, or browsing academic papers; managing collections; querying datasets; configuring spaces; setting up webhooks; or deploying and managing HF Inference Endpoints. Make sure to use this skill whenever the user mentions 'hf', 'huggingface', 'Hugging Face', 'huggingface-cli', or 'hugging face cli', or wants to do anything related to the Hugging Face ecosystem and to AI and ML in general. Also use for cloud storage needs like training checkpoints, data pipelines, or agent traces. Use even if the user doesn't explicitly ask for a CLI command. Replaces the deprecated `huggingfa

在任何 AWS 任务开始时，发现用户的本地 AWS 上下文（活动配置文件、区域、账户 ID、调用者身份）。在进行任何其他 AWS 工作之前使用此技能——部署到 SageMaker、创建资源、调用 AWS API，或任何涉及 AWS 账户的操作。尤其当用户未明确指定区域或配置文件时，当他们说“使用我的 AWS 账户”“部署到 AWS”“使用我的配置文件”之类的话时，或即将进行任何 AWS CLI 或 SDK 调用时使用。切勿猜测区域或账户 ID——始终先使用此技能从本地配置中读取。

为 SageMaker / AWS 工作设置隔离的 Python 环境，使用正确的 Python 版本和最新的 boto3。只要将为 SageMaker 部署、训练作业或任何 AWS 自动化执行 Python 代码，就使用此技能——包括即将运行 `pip install`、即将调用 `boto3`、创建或激活虚拟环境，或用户要求“设置环境”时。切勿使用系统 Python，也切勿向其 `pip install`。始终隔离。此技能可防止最常见的失败模式：Python 版本错误、依赖冲突和 SDK 过旧。

Plan and coordinate the deployment of a model to Amazon SageMaker AI. Use this skill whenever the user wants to deploy, host, serve, or expose a model on SageMaker or AWS — including phrases like "deploy a model", "host this LLM on AWS", "serve this embedding model", "deploy a reranker", "deploy a text-to-image / diffusion model", "host this for async inference", "create an endpoint", "serve my fine-tuned model", or any request that involves making a model available for inference on AWS. Use this even when the user is vague (e.g. "I just want to get this running on AWS, you figure it out"). Works for text-generation LLMs, embedding models, rerankers, classifiers, text-to-image / diffusion models — picks the right serving stack and chooses between real-time and async inference. This is the entry-point skill for SageMaker deployment work — it asks clarifying questions, picks a deployment pathway, and coordinates the other deployment skills.

在部署或训练之前确保存在可用的 SageMaker 执行角色。每当即将创建 SageMaker 端点、模型、训练作业或任何需要执行角色的资源时，使用此技能。尤其适用于用户未明确提供角色 ARN、脚本即将调用 `iam:CreateRole`，或 AccessDenied 错误提及某个 IAM 操作时。切勿盲目调用 `iam:CreateRole`——务必先检查现有角色。此技能可防止最常见的 SageMaker 部署失败：试图从没有 IAM 写入权限的 SSO 主体创建 IAM 资源。

创建默认启用自动扩缩、CloudWatch告警和标记的SageMaker端点（实时、实时缩容至零或异步）。每当即将创建SageMaker端点、编写调用`create_endpoint`的部署代码，或在镜像URI和IAM角色已知后完成部署时，使用此技能。提供用于实时端点的deploy.py、用于通过推理组件缩容至零实例的实时端点的deploy_ic.py，以及用于异步端点（同样缩容至零）的deploy_async.py。这是SageMaker部署工作流的最后一步。切勿在没有这些默认设置的情况下生成裸`create_endpoint`调用——没有自动扩缩或告警的端点只是演示，不是部署。

Pick the right serving container for a SageMaker model deployment and find its current image URI. Use this skill whenever about to deploy a model to a SageMaker endpoint and an image URI needs to be chosen — including when the user says "deploy this LLM", "host this HuggingFace model", "serve this fine-tuned model", "deploy this embedding model", "host a reranker", "serve a sentence-transformers model", or when about to hardcode any container URI in deployment code. HuggingFace-curated Deep Learning Containers are ALWAYS preferred: HuggingFace vLLM (LLMs and generative rerankers), HuggingFace vLLM-Omni (multimodal), TEI (embeddings/cross-encoder rerankers), HF Inference Toolkit (other transformers). Generic images (AWS vLLM, DJL-LMI, SGLang) are used only when no HuggingFace image is compatible — never merely because they carry a newer version. Never hardcode a container URI from memory and never default to TGI. Prevents stale-image failures and wrong-region URIs.

通过 MCP 服务器工具使用 Hugging Face Hub。搜索模型、数据集、Spaces、论文。获取仓库详情、获取文档、运行计算任务，并将 Gradio Spaces 用作 AI 工具。连接到 HF MCP 服务器时可用。

Hugging Face CLI，用于估算从 Hugging Face Hub 加载 Safetensors 或 GGUF 模型权重进行推理所需的内存

针对医疗隐私和安全工作的HIPAA特定入口点。当任务明确围绕HIPAA、PHI处理、受保实体、BAA、违规态势或美国医疗合规要求时使用。

HIPAA-specific entrypoint for healthcare privacy and security work. Use when a task is explicitly framed around HIPAA, PHI handling, covered entities, BAAs, breach posture, or US healthcare compliance requirements.

Baixa os encartes vigentes do Hiperideal (Salvador, BA) a partir do JSON embutido na página de encartes, rasterizando os PDFs. Use quando o usuário mencionar "baixar encartes Hiperideal", "encartes Hiperideal" ou colar a URL hiperideal.com.br/especial/encartes.

用于全切片图像（WSI）的数字病理图像处理工具包。在处理组织病理切片、处理 H&E 或 IHC 染色的组织图像、从千兆像素病理图像中提取图块、检测组织区域、分割组织掩膜，或为计算病理深度学习流水线准备数据集时，使用此技能。适用于 WSI 格式（SVS、TIFF、NDPI）、基于图块的分析和组织学图像预处理工作流。

Use when delegating grunt work to free opencode workers instead of spending Claude tokens: one worker or a scout, coder and tester swarm in worktrees. Triggers on 'spawn a worker', 'swarm', 'delegate to opencode' or /oc.

访问人类代谢组数据库（220K+ 代谢物）。按名称/ID/结构搜索，检索化学性质、生物标志物数据、NMR/MS 谱图、通路，用于代谢组学和鉴定。

生成一份引用证据、跨智能体的自我报告，包含确定性的使用维度以及严格限定范围的盲点审计。仅在明确要求“我的使用洞察”、“审计我的工作模式”、“我在哪里浪费精力”、“盲点”或定期“自我复盘”时使用。不要用于原始记录或跨智能体搜索、单次会话摘要、将发现转化为已批准资产（使用 hoa-introspect-distill），或直接创建技能（使用 hoa-skill-work）。重量级且仅限显式调用；绝不要作为其他技能的副作用被调用。

将提供的可重复工作发现评估为经单独批准的技能或经选择加入的规则/配置候选。当用户希望在选定资产之前评估候选，或从 hoa-introspect 报告中批准一个候选时使用。使用 hoa-skill-work 直接创建或演进已定义的技能；使用 hoa-introspect 发现历史中的工作模式。

在不改变对象的前提下，依据预期结果和下一使用方对技能行为进行证据评级。适用于审计技能或审查变更后的技能块。适用于需要根据任务要求判断候选技能回复的情况。请求创建或演进技能时使用 hoa-skill-work；考虑将重复性工作候选用于蒸馏时使用 hoa-introspect-distill。

围绕已定义的能力构建完整技能，或基于具体失败或改进目标演进现有技能。当用户要求创建或修改技能时使用。只读审计和候选输出判断请使用 hoa-skill-review；需要资格认定和逐项批准的重复性工作发现，在可用时请使用 hoa-introspect-distill。

已合并的发布需要更新 Homebrew tap 和本地安装时加载。

面向家庭实验室 VLAN 分段、本地 DNS 过滤（Pi-hole、AdGuard Home）及 WireGuard 式远程访问的准备清单。适用于规划或评审家庭网络变更，例如将扁平网络划分为受信任、IoT、访客或管理 VLAN，将 DHCP 迁移到本地解析器，或增加 VPN 访问；应在更改路由器、防火墙、DHCP 或 VPN 配置前使用。

面向家庭和 homelab 网络的实用规划，涵盖网关、交换机、接入点、IP 范围、DHCP 保留、DNS、布线和常见初学者错误。适用于规划或修复家庭或 homelab 网络——网关、交换机、AP、IP 范围、DHCP、DNS 或布线。

Pi-hole 安装、阻止列表管理、DNS-over-HTTPS 配置、DHCP 集成、本地 DNS 记录，以及家庭网络中 DNS 解析故障的排查。仅在任务明确涉及 Pi-hole 时使用——安装 Pi-hole、管理阻止列表、配置 DoH 或 DHCP、添加本地 DNS 记录，或在 Pi-hole 处于解析路径中时诊断 DNS 解析问题。

使用 UniFi、pfSense/OPNsense 和 MikroTik，将家庭网络按 IoT、访客、受信任设备和服务器流量划分为 VLAN，涵盖交换机 Trunk 配置、防火墙规则和无线 SSID 映射。适用于在 UniFi、pfSense/OPNsense 或 MikroTik 上将家庭网络划分为上述 VLAN 的场景。

WireGuard VPN服务器搭建、对等端配置、密钥生成、分流与全隧道路由的对比，以及从移动端和笔记本电脑客户端远程访问家庭网络。适用于为远程访问家庭网络搭建WireGuard，或在分流与全隧道路由之间做选择时。

在 Honeycomb 中追踪 Paperclip 运行、请求和完整 CI 套件。用于查找追踪、诊断延迟、设计易读且可折叠的瀑布图、配置自愿启用的 OpenTelemetry，或补充缺失的 span。

使用 Hono 构建超快 Web API 和全栈应用——可运行于 Cloudflare Workers、Deno、Bun、Node.js 以及任何兼容 WinterCG 的运行时。

Create attention-grabbing hooks and headlines using 15 proven formulas, sticky techniques, and the 4 U's test. This skill provides systematic frameworks for generating volume (10+ options) and selecting the best performers. Use for newsletter subject lines, social media hooks, blog headlines, or any content that needs to stop the scroll.

当用户要求创建hookify规则、编写hook规则、配置hookify、添加hookify规则或需要关于hookify规则语法和模式的指导时，应使用此技能。

创建和配置 hookify 规则——带 YAML 前置元数据的 markdown 文件，通过正则或条件匹配 bash、文件、提示或停止事件，并向智能体显示警告/阻止消息。当创建 hookify 规则、编写 hook 规则语法、配置 hookify，或添加模式护栏（例如阻止危险命令、.env 编辑或调试代码）时使用。

Writing style reference based on case studies of successful newsletters. This skill should be used when the user wants to write in the distinctive voice and style of professional newsletter writers, or when creating content that needs to feel authentic and human rather than AI-generated.

构建一个自包含的HTML文件——无需构建步骤、无依赖、无CDN——用于解释、规划、报告、评审、绘制图表、比较或制作供人阅读、分享或试用的原型。当交付物包含颜色、布局、图表、表格或交互，或用户要求提供制品、说明文档、计划文稿、图表或设计变体时使用。不适用于Markdown形式的笔记、仿照已知网站外观的品牌匹配，或生成式画布艺术。

当用户要求“测试 HTML 注入”“向网页注入 HTML”“执行 HTML 注入攻击”“篡改 Web 应用”或“测试内容注入漏洞”时，应使用此技能。它提供全面的 HTML 注入攻击技术和测试方法。

用于构建带可视化控件、实时预览和提示词复制功能的交互式单文件 HTML 演练场、浏览器或工具，或将当前任务的发现保存为交互式 HTML 汇报/报告。

用于 /hub-init，或用于启动 AgentHub 竞赛：任务、智能体数量和评估标准。

用于 /hub-run，或端到端运行整个 AgentHub 竞赛：初始化、基线、生成、评估和合并。

用于 /hub-status，或检查 AgentHub 智能体进度、分支和 DAG 状态。

HubSpot CRM集成的专家模式，涵盖OAuth认证、CRM对象、关联、批量操作、webhook和自定义对象。覆盖Node.js和Python SDK。适用场景：hubspot、hubspot api、hubspot crm、hubspot集成、contacts api。

当用户询问为某项任务寻找最佳、顶级或推荐模型，想了解应使用哪个 AI 模型，或想按基准分数比较模型时使用。触发场景：“X 的最佳模型”、“我应该用什么模型来做”、“[任务]的顶级模型”、“哪个模型能在我的笔记本电脑/机器/设备上运行”、“推荐一个用于……的模型”、“我应该用什么 LLM 来做”、“比较用于……的模型”、“……的最先进水平是什么”，或任何关于为特定用例选择 AI 模型的问题。只要用户想要模型推荐或比较，就始终使用此技能，即使他们没有明确提到 HuggingFace 或基准。

使用 inspect-ai 和 lighteval 在本地硬件上对 Hugging Face Hub 模型运行评估。适用于后端选择、本地 GPU 评估，以及在 vLLM / Transformers / accelerate 之间做选择。不适用于 HF Jobs 编排、模型卡 PR、eval_results 发布或 community-evals 自动化。

将此技能用于 Hugging Face Dataset Viewer API 工作流：获取子集/拆分元数据、分页行、搜索文本、应用筛选、下载 parquet URL，以及读取大小或统计信息。

使用 Python 构建 Gradio Web UI 和演示。创建或编辑 Gradio 应用、组件、事件监听器、布局或聊天机器人时使用。

Use to select models to run locally with llama.cpp and GGUF on CPU, Mac Metal, CUDA, or ROCm. Covers finding GGUFs, quant selection, running servers, exact GGUF file lookup, conversion, and OpenAI-compatible local serving.

Build and publish a Gradio demo on Hugging Face Spaces for a user-provided LoRA. Use when someone asks to create, generate, ship, or publish a Space, demo, Gradio app, or playground for a LoRA — including LoRAs for Qwen-Image, Qwen-Image-Edit, LTX-Video, Wan, FLUX, SDXL, or other diffusion base models. Also triggers when someone describes a LoRA they trained or hosts on the Hub and wants to share it. Covers picking the right base pipeline and `diffusers` inference recipe, designing a UI tailored to the LoRA's task and inputs (Union/multi-task control, edit, video, image, etc.), respecting model-card recommendations (trigger words, steps, guidance, LoRA scale, example inputs), and shipping to ZeroGPU hardware as a private Space by default.

在 Hugging Face Hub 上发布和管理研究论文。支持创建论文页面、将论文关联到模型/数据集、认领作者身份，以及生成专业的基于 markdown 的研究文章。

以 markdown 形式查阅和阅读 Hugging Face 论文页面，并使用论文 API 获取结构化元数据，如作者、关联的模型/数据集/spaces、Github 仓库和项目页面。适用于用户分享 Hugging Face 论文页面 URL、arXiv URL 或 ID，或要求总结、解释或分析 AI 研究论文时。

在 Hugging Face Spaces 上构建、部署和维护应用——Gradio / Docker / 静态 SDK、ZeroGPU 和专用硬件、模型加载、调试、存储桶、推理提供方、社区资助。当用户要求在 Hugging Face 上创建或托管应用、将代码移植到 ZeroGPU、修复无法构建或运行的 Space，或以其他方式使用 `hf spaces …`、`@spaces.GPU`、Space README 前置元数据或 `spaces` Python 包时使用。