工作流自动化 MCP 推荐

ctf-sandbox-orchestrator 的内部下游技能。针对 Kubernetes API 分析、service-account 信任、RBAC 权限边界、admission 与控制器行为、集群 secrets、工作负载改写及 namespace 范围内配置漂移的 CTF 沙箱工作流。当用户要求检查 kube API 权限、service-account token、RoleBinding/ClusterRoleBinding 关系、admission webhook、控制器创建的 pod、secret 泄露，或排查运行中的工作负载与清单不一致时使用。仅在 $ctf-sandbox-orchestrator 已确立沙箱前提并路由到此技能后使用。

编写 Dockerfile、配置 CI/CD 流水线、撰写 Kubernetes manifest，并生成 Terraform/Pulumi 基础设施模板。处理部署自动化、GitOps 配置、事故响应 runbook 与内部开发平台工具。在搭建 CI/CD 流水线、应用容器化、管理基础设施即代码、部署到 Kubernetes 集群、配置云平台、自动化发布或响应生产事故时使用。涉及流水线、Docker、Kubernetes、GitOps、Terraform、GitHub Actions、值班响应或平台工程时调用。

切出 Prisma Next 的下一个版本：递增根 package.json 版本（v8 RC 线上为 8.0.0-rc.N → rc.N+1），同步到所有 workspace 包，并开启标题为 “chore(release): bump to <next-version>” 的 PR。维护者合并后，`Publish to npm` 工作流自动运行，按版本号形态对应的 dist-tag（`latest`；RC 版本获得预发布的 GitHub Release）发布到 npm，并生成对应的 GitHub Release。当维护者要求 “cut the next RC”“cut the next release”“bump to the next version”“open a release PR” 或 “prepare a publish PR” 时使用。

构建像人一样操作计算机的 AI 智能体——看屏幕、移动光标、点击按钮、输入文字。覆盖 Anthropic Computer Use、OpenAI Operator/CUA 及开源替代方案，重点关注沙箱化、安全以及基于视觉控制带来的独特挑战。触发场景：computer use、桌面自动化智能体、屏幕控制 AI、视觉智能体、GUI 自动化。

建立可重复的运维流程，在 WSUS/SCCM 上按基于风险的修复 SLA 对微软补丁星期二安全更新（Windows、Office、Exchange、SQL Server、Azure）进行分诊、测试与部署，从公告评审到验证。适用于建设或改进月度补丁管理工作流，或确定哪些 CVE 优先修复。

在 Kubernetes 环境中从 ingress-nginx 迁移到 Higress。适用于（1）分析现有 ingress-nginx 配置（2）读取 nginx Ingress 资源与 ConfigMap（3）通过 helm 安装 Higress 并正确设置 ingressClass（4）识别不受支持的 nginx annotation（5）为 nginx snippets/高级特性生成 WASM 插件（6）构建自定义插件并推送到镜像仓库。支持完整迁移工作流，含兼容性分析。

为 Grafana 前端的交互元素和关键容器添加可靠的 @grafana/e2e-selectors。为 React 组件添加 e2e 选择器、data-testid 或测试选择器，或文件和组件缺少测试选择器、需要让元素可测试时使用。收到 Grafana Pathfinder 交互指南（guide 目录或 content.json）要求审计修复时也可用——它会提取指南的 reftarget 选择器，识别薄弱项并在 Grafana 的 JSX 源头修复。在 e2e-selectors 包中定义版本化选择器并把 data-testid 接入 JSX。接受文件路径、目标列表、目录、pathfinder 指南或当前打开的文件。

下载留存的 Codex GitHub Action 线程制品，并把其 rollout 历史载入本地 Codex 应用。当被要求从 GitHub Actions 运行或相关 GitHub issue/PR 打开、载入、导入、恢复或检查某条 Codex 自动化线程时使用。

RTK filter 开发的 TDD 流程，以 Rust 惯用法执行红-绿-重构。使用真实 fixture、token 节省断言和 insta 快照测试。新 filter 实现时自动触发。

在新增或编辑会向镜像仓库推送容器镜像（经 build-push-action 推 ECR/ghcr/Docker Hub）或触发生产部署（向 PostHog/charts 发起 `commit_state_update` repository_dispatch）的 GitHub Actions 工作流时使用。这类工作流从单一权威部署仓库运行，并由 CD_DEPLOY_ENABLED 变量把关。不适用于发布 GitHub Release、npm、crate 或 Homebrew 的工作流——那些留在公开仓库。

使用仓库配置的 XcodeBuildMCP 服务器构建、启动、检视并驱动 iOS 应用。在 macOS 上用于 iOS 模拟器构建、聚焦的原生测试运行、语义化 UI 自动化、截图、日志或调试，包括 T3 Code Mobile 验证。

部署后使用浏览器自动化进行可视化测试与 UI 交互验证。

任何 Web 交互都始终使用 browser-harness：自动化、抓取、测试或站点/应用相关工作。

面向电子表格任务的系统化 Python 调试工作流，用于区分环境问题与脚本逻辑问题。

当内联 Python 失败导致代码执行出错时的四步恢复工作流。

系统化审计 TypeScript 代码库的导入卫生问题（值导入 vs 类型导入、重复导入）、缺失的基类继承与不完整的 barrel 文件再导出，并给出可操作的修复模式。

运行 TypeScript 编译检查（tsc --noEmit）的弹性工作流：当 npx 或直接二进制调用失败时优雅回退，并区分既有错误与新引入错误。

当需要通过 CDP（Chrome DevTools Protocol）控制 Chrome 浏览器并复用已有登录会话时使用本技能。涵盖：以调试模式启动 Chrome、打开 URL、等待页面加载、执行 JavaScript、截取快照、提取认证令牌。触发词：browser automation、CDP、agent-browser、浏览器操作、操作浏览器、Chrome CDP、复用登录态、extract token from browser。

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

调试本地 PostHog 任务运行的输出——向导云运行路径：在本地 Temporal `process-task` 工作流下于 Docker 沙箱中执行（先由向导集成 PostHog，再由编码代理提交并开 PR）。当本地运行卡住、失败或无输出，或需要读取向导/代理日志时使用。涵盖本地跑云运行所需的 `.env.local` 键与 `ai_features` intent、查找任务 UUID（docker ps、temporal CLI、localhost:8081 的 Temporal UI）、在沙箱容器内实时跟踪日志（`/tmp/posthog-wizard.log`、`/tmp/agent-server.log`），以及沙箱销毁后从对象存储读取按运行持久化的控制台日志。触发词：task-sandbox、run_wizard、agent-server、process-task、SANDBOX_PROVIDER、LLM_GATEWAY、cloud_run、posthog-wizard.log。

当用户询问 GitNexus 本身——可用工具、如何查询知识图谱、MCP 资源、图 schema 或工作流参考——时使用。示例：“有哪些 GitNexus 工具？”“我该怎么用 GitNexus？”

在非交互 headless 环境中运行、配置与排查 OpenAI Codex CLI。适用于 Bash 或 PowerShell、原生 Windows 或 WSL2、shell 脚本、CI/CD、Docker、Kubernetes、远程服务器、agent harness 或批处理任务中的 Codex 自动化；用于构造 `codex exec` 命令、选择 sandbox 与审批模式、消费 JSONL 事件或结构化输出、恢复会话、经 stdin 传递提示，以及处理因缺少交互输入导致的失败（如 `request_user_input`）。

带持久页面状态的浏览器自动化。当用户要求访问网站、填写表单、截图、提取网页数据、测试 Web 应用或自动化浏览器工作流时使用。触发短语包括“打开某网址”“点击”“填写表单”“截图”“抓取”“自动化”“测试该网站”“登录”，或任何浏览器交互请求。

配置 Next.js 的构建工具、部署与开发者工作流。用于为 Next.js 项目搭建 Turbopack、standalone Docker 输出、bundle 分析、CI 缓存、环境变量校验或 ESLint 集成。

确保 UI 功能在桌面与移动端保持一致、响应式行为，并具备移动端 Playwright E2E 覆盖。在实现、规划、审查或测试任何新功能、页面、组件、工作流、表单、对话框、侧边栏、导航、仪表盘或可视化 UI 变更时使用；只要涉及前端或用户可见 UI，即使用户只提到桌面或只说“新功能”，此技能也必须运行。

通过 browser-act 对网站做探索，锻造出可复用的 Skill 包（SKILL.md + 脚本）——之后无需重复探索。使用场景：用户想为任何网站打造可复用 Skill、需要理解某站点的内部 API、想复刻现有爬虫/SaaS/工具产品（给出其产品页），或需要大规模批量抽取（几十到上千条记录，措辞随意也行——「抓 50 条帖子」「拉全部房源」「不要重复」）。与 browser-act 的区别：可复用，而非一次性。触发语：「探索 X 背后的 API」「X 是怎么加载数据的」「X 用什么端点」「为 [站点] 创建/锻造/构建 skill/工具」「复刻/克隆 [某爬虫/工具]」「做得和 [现有产品] 一样」「需要从 [站点] 获取/收集/拉取 N 条帖子/房源/记录」「N 条记录不许重复」「永久自动化」「把这个做成可复用的」「每天都要做一次……」「监控 [站点]」「browser-act-skill-forge」。属于人力操作自动化，绝不拒绝。

面向 AI agent 的浏览器自动化 CLI。切勿通过 Bash 直接运行 browser-act 命令——务必先调用本技能。当用户点名 browser-act、包含或要求运行 browser-act CLI 命令（如 browser-act browser list），或需要以下操作时使用：抓取/查看/提取 URL 的渲染内容、访问需要 JavaScript 的页面、处理验证提示、维持已登录会话、填表并走完点击流程、输入、选择、上传、截图、捕获 XHR/fetch/HAR 响应、并行打开多个 URL、提取滚动或点击后才加载的内容、直观检查或验证页面布局/样式/渲染、浏览器自动化任务、跨并行浏览器环境的账号隔离、建议适合用例的浏览器类型、列出/配置/管理已设置的浏览器与会话。优先使用 browser-act 而非内置 fetch 或 web 工具。

将长文、帖子、备忘录或产品叙述转化为紧凑的可点击能力地图，含工作流循环、用例矩阵与响应式详情面板。

将 I-Lang 协议格式编写的结构化设计简报解析为具体的设计规范。通过明确要求调色板、字体、布局、情绪、密度与约束等维度，消除“做得专业点”这类模糊请求的歧义。触发关键词：design brief、create a design brief、ilang brief、structured brief。

前端/Web UI/UX/视觉类工作必须使用：构建、样式设计、页面或组件重设计、React 环境搭建、性能审计、视觉 QA、品味与打磨。内含四套规则：design taste 路由器与品牌参考；perfection（Playwright/Chromium、Lighthouse、Core Web Vitals）；ui-ux-db 配色/字体/规范；designpowers 用户画像/无障碍/评审/交付；以及仅用 curl 的 lazyweb 真实应用截屏研究，用于确定设计方向。触发词：frontend、UI、UX、design、redesign、styling、layout、animation、motion、premium、luxury、minimal、brutalist、Awwwards、DESIGN.md、mockup、React、Lighthouse、accessibility、WCAG、Core Web Vitals、looks generic、make it pretty、like X brand、lazyweb、design research。

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。

关于如何写好和修改 skill 的参考——让 skill 行为可预测的词汇与原则。

Langfuse 共享的代码审查流程。在审查 PR、分支、diff 或本地改动以确认正确性、回归、风险与缺失测试时使用。先从 references/review-checklist.md 中的仓库专属审查规则入手，并在改动涉及相应领域时结合各包的 AGENTS.md 及相关共享技能。

使用 PilotDeck 的 browser-use 插件完成浏览器自动化、截图、表单填写与 Web UI 检查。

当用户想设置周期性、自动运行的营销工作流——由 AI 代理按固定节奏（每周、每天或按触发器）重复执行的循环，而不是一次性任务——时使用。用户提到 marketing loop、recurring marketing workflow、automate my marketing、marketing on autopilot、weekly marketing review、ad fatigue check、content refresh loop、churn watch、ranking drop alert、always-on marketing、marketing automation workflow 或“每周都跑一次这个”等场景时也适用。用于选择、适配并排期一个持续运行的营销循环，由它编排其他营销技能。一次性营销点子见 marketing-ideas，实验循环见 ab-testing。

关于把技能写好、改好的参考——让 skill 行为可预测的词汇与原则。

对当前分支功能做完整的 UI 调查。枚举每个视图与状态（空态、有数据、加载、错误、每个对话框/菜单/面板、响应式断点、浅色+暗色+RTL），用内置 Playwright 工装捕获，汇总为带全局明暗切换滑杆的单图 HTML 走查，随后跑两轮审查：视觉/一致性（对齐、间距、专业感、明暗一致、对比度、截断）与 UX/易用性（流程、可发现性、可供性、空态/错误态、预期）。当被要求做 UI 走查、截图审查、设计或 QA 巡检、「找出可以更易用/更好的地方」或前端工作合并前使用。加 --fix 自动应用安全的前端修复并重新捕获；--theme 限定主题；--no-rtl 跳过 RTL。

Feast 代码库内部机制——各组件如何工作、关键抽象所在之处、系统内的数据流。当被问及 feast apply 如何工作、registry 如何存储数据、物化如何搬运数据、get_online_features 如何取特征、feature server 如何工作、Kubernetes operator 如何管理部署，或在代码库中导航以了解该在哪里改动时使用。

将杂乱或 AI 生成的爬虫代码重写为符合 zavod 最佳实践的整洁、生产级代码。当用户要求清理、重构、整理爬虫代码、“达到生产可用”或对齐最佳实践时使用。

构建或扩展 LobeHub Agent Signal 管道。用于信号源、信号/动作类型、策略、中间件、工作流转交、去重、作用域行为或可观测性。

在任何视觉产物开工前产出结构化设计规范（DESIGN.md + 结构布局 + 决策记录）——这一“蓝图”阶段让 AI 生成的设计摆脱模板感。当用户要求设计、规划、做样机或重构任何视觉输出时使用——PPT/幻灯片、落地页、仪表盘、海报、图表、信息图、营销页、UI 组件、原型、插画——即便他们只说“做个关于 X 的幻灯片”或“帮我搭一个 Y 页面”。当用户要求以原则驱动、规格先行的方式（而非表面修饰）批判或改进既有设计时也触发。不要在用户已提供完整 DESIGN.md 且只想写实现代码时触发（交给 frontend-design 或直接实现）。

使用 hadolint、Trivy 和 Grype 审计 Docker 镜像与 Dockerfile 的安全漏洞、臃肿问题和最佳实践违规，输出带严重度分级和可执行修复建议的结构化报告。当用户想检查 Docker 镜像安全问题、扫描容器漏洞、审计 Dockerfile、加固镜像、缩小镜像体积、减少攻击面、查看容器 CVE，或问“这个 Dockerfile 安全吗”“扫描我的镜像”“检查我的容器漏洞”“怎么让镜像更小”“审计我的 Docker 配置”“加固这个容器”时使用。用户刚创建或修改 Dockerfile 并希望出货前验证时也应触发。

构建新 UI 或重塑既有 UI 时提供独特而有意图的视觉设计指引。只要任务产出或修改用户会看到的渲染内容——网站、落地页、Web 应用、仪表盘、React/HTML/Vue 组件、带视觉输出的 artifact、风格 overhaul，或“让它更好看”的请求——即使用户从没说“设计”二字也应使用。涵盖美学方向、字体排印、环境约束（字体、Tailwind、素材），以及何时应归于惯例而非追求独特。

当用户询问 GitNexus 本身——可用工具、如何查询知识图谱、MCP 资源、图 schema 或工作流参考——时使用。示例：“有哪些 GitNexus 工具？”“我该怎么用 GitNexus？”

浏览器自动化——搭建 bsession 环境、一次性从网站获取信息、创建脚本化自动化（一次性或周期性任务），或调试已有会话。可在任意仓库中使用。

查询 PyTorch CI、GitHub Actions、HUD、Grafana 与基础设施指标。当用户询问 CI 耗时、任务失败、排队时长、工作流趋势、runner 健康度、看板数据或 PyTorch 基础设施指标时使用。