Skills 目录 · 第 54 页

产品负责人：从公司到团队逐级拆解的季度 OKR、产品愿景、路线图、团队结构。适用于用户要求制定 OKR、愿景或路线图，或让各团队在战略上对齐时。

使用 9 部分产品战略画布制定全面的产品战略——愿景、细分市场、成本、价值主张、权衡取舍、指标、增长、能力和防御性。适用场景：制定产品战略、创建战略计划或定义产品方向。

构思鼓舞人心、可实现且有情感感染力的产品愿景，激励团队并使相关方方向一致。用于定义或完善产品愿景、撰写愿景声明，或围绕共同方向统一团队。

基于本地证据的生产就绪审计，适用于已上线应用、发布前审查、合并后检查，以及“生产环境会出什么问题？”这类问题，且不会将仓库数据发送到外部审计服务。适用于在发布前、合并后审计生产就绪性，或被问及生产环境会出什么问题的时候。

Build the standalone Forge artifact with strict routing inputs and confirm its static output exists.

自主逐行深度扫描整个代码库，理解架构与模式，然后系统性地将其改造为具备优化的生产级、企业级专业质量

面向离散制造与批量制造的生产排程、作业排序、产线平衡、换型优化和瓶颈解决的经验知识。内容源自拥有 15 年以上经验的生产排程人员。包括 TOC/鼓-缓冲-绳、SMED、OEE 分析、中断响应框架以及 ERP/MES 交互模式。适用于安排生产、解决瓶颈、优化换型、响应中断或平衡生产线时。

为离散和批量制造中的生产调度、作业排序、产线平衡、换模优化和瓶颈解决提供编码化专业知识。基于拥有15年以上经验的生产调度师的知识。包括约束理论/鼓-缓冲-绳、快速换模、设备综合效率分析、中断响应框架以及企业资源计划/制造执行系统交互模式。适用于调度生产、解决瓶颈、优化换模、应对中断或平衡制造产线时。

为软件开发人员提供技术沟通指南。涵盖电子邮件结构、团队消息礼仪、会议议程，以及针对技术与非技术受众调整信息。适用于起草专业消息、准备会议沟通或改进书面沟通时。

用户希望通过模板和数据批量创建 SEO 页面时使用。提到“程序化 SEO”“模板页面”“批量页面”“目录页面”“地点页面”“[keyword] + [city] 页面”“对比页面”“集成页面”或“为 SEO 建立大量页面”时也使用。审计现有 SEO 问题请使用 seo-audit。

在基于模板和数据批量构建 SEO 页面（位置、集成、对比或目录页面）之前使用。使用 url_pattern_generator.py 设计 URL 模式，并防范薄内容惩罚。

构建支持离线、安装和缓存策略的渐进式 Web 应用（PWA）。适用于提到 PWA、service worker、Web 应用清单、Workbox、“添加到主屏幕”，或希望 Web 应用能离线运行、具有原生体验或可安装的请求。

Build and maintain a three-layer project awareness system that gives Claude Code both the 30,000-foot architectural view AND the ability to drill into specifics — without exceeding context limits. Use this skill whenever: starting work on any project with 10+ source files; the user says "bootstrap", "set up awareness", "analyze this project", "build the map"; the user says "you're missing the big picture", "you don't understand the architecture", "you keep forgetting", "update the docs"; a CLAUDE.md exists with an [AWARENESS] section (this means the system is already bootstrapped — load and follow it); or when starting an Agent Teams session on any project (each agent must load its subsystem doc). This skill supersedes and works alongside deep-focus. Deep-focus is HOW you work carefully; project-awareness is HOW the project's knowledge is organized and maintained.

通过分诊议题和拉取请求、关联进行中的工作，在 GitHub 与 Linear 之间运营执行流程，保持 GitHub 面向公众，而 Linear 作为内部执行层。适用于用户需要待办事项管理、PR 分诊或 GitHub 与 Linear 协调时。

通过分类问题和拉取请求、关联活跃工作、保持GitHub对外可见而Linear作为内部执行层，来协调GitHub和Linear之间的执行流程。当用户需要待办事项控制、PR分类或GitHub与Linear协调时使用。

项目专用技能模板，涵盖架构、模式、测试和部署指导。

项目专用技能模板，涵盖架构、模式、测试和部署指导。

Prometheus 设置、指标采集、抓取配置和记录规则的完整指南。

将已验证的模式从自动记忆（MEMORY.md）升级至CLAUDE.md或.claude/rules/以永久生效。适用于用户运行/si:promote或要求将已学习的行为永久化的场景。

LLM 提示词缓存策略，包括 Anthropic 提示词缓存、响应缓存和 CAG（缓存增强生成）。适用场景：提示词缓存、缓存提示词、响应缓存、cag、缓存增强。

优化 LLM 提示缓存命中率，以降低 API 成本并改善延迟。分析提示结构，识别可缓存与不可缓存的内容，并建议重构以最大化缓存复用。触发条件：用户说“提示缓存”、“缓存命中率”、“降低 LLM 成本”、“优化词元用量”、“更便宜的 LLM 调用”，或询问 OpenAI/Anthropic/其他提供商的提示缓存策略。不触发条件：用户只想优化单个提示的质量（改用 prompt-optimizer），或询问通用缓存基础设施。

专长于为 LLM-powered 应用设计有效提示词。精通提示词结构、上下文管理、输出格式化和提示词评估。适用场景：提示词工程、系统提示词、少样本、思维链、提示词设计。

当营销团队的 AI 提示词在交付前需要测试、版本管理或治理时使用。用 prompt_tester.py 针对用例对提示词进行 A/B 测试，并用 prompt_versioner.py 保留带差异的版本。

关于提示工程模式、最佳实践和优化技术的专家指南。当用户想要改进提示、学习提示策略或调试智能体行为时使用。

使用声明式编程构建复杂 AI 系统，自动优化提示，用 DSPy 创建模块化 RAG 系统和智能体——DSPy 是 Stanford NLP 用于系统性 LM 编程的框架

使用正则表达式和语法控制 LLM 输出，保证生成有效的 JSON/XML/代码，强制结构化格式，并用 Guidance——微软研究的受限生成框架——构建多步骤工作流。

使用 Pydantic 校验从 LLM 响应中提取结构化数据，自动重试失败的提取，以类型安全方式解析复杂 JSON，并用 Instructor 流式输出部分结果——经过实战检验的结构化输出库。

在生成过程中保证 JSON/XML/代码结构有效，使用 Pydantic 模型实现类型安全的输出，支持本地模型（Transformers、vLLM），并借助 Outlines——dottxt.ai 的结构化生成库——最大化推理速度

掌握高级提示工程技巧，以最大化 LLM 的性能、可靠性和可控性。

适用于提示词在生产环境中运行且需要版本管理、注册表、A/B测试、回归检查或评估流水线时。为提示词建立发布流程；单提示词质量：senior-prompt-engineer。

精选的高质量提示词集合，适用于多种场景。包含基于角色的提示词、任务专用模板和提示词优化技巧。适用于用户需要提示词模板、角色扮演提示词，或可直接用于编码、写作、分析或创意任务的提示词示例时。

分析原始提示，识别意图和差距，匹配ECC组件（技能/命令/代理/钩子），并输出一个可直接粘贴的优化提示。仅提供咨询角色——绝不自行执行任务。触发时机：当用户说“优化提示”、“改进我的提示”、“如何编写提示”、“帮我优化这个指令”或明确要求提高提示质量时。中文等效表达同样触发：“优化prompt”、“改进prompt”、“怎么写prompt”、“帮我优化这个指令”。不触发时机：当用户希望直接执行任务，或说“直接做”时。不触发时机：当用户说“优化代码”、“优化性能”、“optimize performance”、“optimize this code”时——这些是重构/性能优化任务，而非提示优化。

分析提示词草稿，识别意图和缺失的上下文，匹配 ECC 命令、技能和智能体，并输出可直接粘贴的优化提示词，附诊断和理由——仅提供建议，绝不执行任务。适用于用户说“optimize prompt”、“improve my prompt”、“rewrite this prompt”、“help me prompt”、优化prompt、改进prompt、怎么写prompt 或 帮我优化这个指令时；不适用于优化代码或性能的请求。

与protocols.io API集成以管理科学实验方案。当需要借助protocols.io搜索、创建、更新或发布实验方案；管理方案步骤与材料；处理讨论与评论；组织工作区；上传与管理文件；或将protocols.io功能集成到工作流中时，应使用此技能。适用于方案发现、协作式方案开发、实验跟踪、实验室方案管理和科学文档。

构建一次性原型以回答设计问题。适用于用户想快速检验某个状态模型或逻辑是否合理，或探索UI应呈现何种样貌的场景。

适用于调查过去故障的根本原因主张；核查所报告的故障无法复现的主张；审查 PR、差异、提案或合同中的具体缺陷；在报告实时状态或指标前进行核实；核实 Android 许可测试者购买；核实按时间窗口统计的使用量或计费查询；调和相互矛盾的读数；在截断或有界读取后判断解析或验证失败；或检查某个资源或缺陷是否不存在。使用 deliver-and-verify 发布或启用 PR。使用 unblock 恢复当前失败的工作，使用 challenge 比较设计方案。完整读取时的解析错误无需进行截断调查。静态通用知识、算术和日常确认不需要此技能。

Query PubChem via PUG-REST API/PubChemPy (110M+ compounds). Search by name/CID/SMILES, retrieve properties, similarity/substructure searches, bioactivity, for cheminformatics.

Confirm the live Skillz Forge GitHub Pages site matches the last successful deploy run, independent of whether the last deploy-pages.yml run happened to report success.

Confirm the published Skillz Forge review surface still preserves failed-contract keyboard recovery after a GitHub Pages deploy.

Verify GitHub Pages publishing remains family-agnostic and fail-closed.

通过 REST API 直接访问 PubMed，支持高级布尔/MeSH 查询、E-utilities API、批处理和引用管理。Python 工作流优先使用 biopython（Bio.Entrez）。本技能适用于直接 HTTP/REST 操作或自定义 API 实现。

使用 Pudu AI 硬件证据和已安装的 Ollama 模型，测量本地 AI 任务延迟、词元用量、错误和已验证结果。适用于比较本地任务运行、为有界子任务选择本地模型，或记录可复现的任务遥测数据。

本技能适用于强化学习任务，包括高性能RL训练、自定义环境开发、向量化并行仿真、多智能体系统，或与现有RL环境（Gymnasium、PettingZoo、Atari、Procgen等）集成。在实现PPO训练、创建PufferEnv环境、优化RL性能或开发基于CNN/LSTM的策略时使用本技能。

用于了解人们近期在 Reddit、Hacker News 和网络上对某个话题的实时讨论（趋势、情绪、投诉、工具对比）。返回带引用和互动信号的简报。

适用于在项目中设置 Playwright，例如“设置 Playwright”“添加 E2E 测试”“配置 Playwright”或“初始化 Playwright”。

Use when reviewing Playwright tests for quality ('review tests', 'audit tests', 'playwright best practices check').

使用 PydanticAI 构建可用于生产的 AI 智能体，涵盖类型安全的工具调用、结构化输出、依赖注入和多模型支持。

按照多模型模式创建 Pydantic 模型，包含 Base、Create、Update、Response 和 InDB 变体。适用于在使用 Pydantic v2 的 Python 应用中定义 API 请求/响应模式、数据库模型或数据验证。

差异基因表达分析（Python DESeq2）。从批量RNA-seq计数中识别DE基因，使用Wald检验、FDR校正、火山图/MA图，用于RNA-seq分析。

用于处理 DICOM（医学数字成像和通信）文件的 Python 库。适用于读取、写入或修改 DICOM 医学影像数据，从 CT、MRI、X 光和超声等影像提取像素，匿名化 DICOM 文件，处理元数据和标签，将 DICOM 图像转换为其他格式，处理压缩 DICOM 数据或医学影像数据集。覆盖医学影像分析、PACS 系统、放射科流程和医疗影像应用。