代码审查 / GitHub MCP 推荐

PDF 转换工具包，具备 AI 版面分析与 OCR 能力。将 PDF 转换为 Word、Markdown、JSON、PPT、CSV、HTML 与 XML，便于 LLM 无缝处理数据

移动端专家，负责 Flutter、React Native 和跨平台移动开发。用于移动应用、Flutter、Dart、iOS、Android、Riverpod 和 widget 相关工作。

后端专家，负责 API、数据库与认证，遵循整洁架构（Repository/Service/Router 模式）。用于 API、端点、REST、数据库、服务器、迁移和认证相关工作。

SQL 注入专家（H1 第 67 号）。用于报错注入、布尔盲注、时间盲注、UNION 注入及带外 SQLi 测试。需提供含可注入参数的目标端点。

通过 REST API 搜索 78 个公开的科研、生物医学、材料科学与经济数据库并返回结构化 JSON 结果。涵盖物理/天文（NASA、NIST、SDSS、SIMBAD、Exoplanet Archive）、地球/环境（USGS、NOAA、EPA、OpenWeatherMap）、化学/药物（PubChem、ChEMBL、DrugBank、FDA、KEGG、DailyMed、ZINC、BindingDB）、材料科学（Materials Project、COD）、生物/基因组（Reactome、BRENDA、UniProt、STRING、Ensembl、NCBI Gene、GEO、GTEx、PDB、AlphaFold 等）、疾病/临床（COSMIC、Open Targets、ClinVar、ClinicalTrials.gov 等）、监管（FDA、USPTO、SEC EDGAR）与经济/金融（FRED、BEA、BLS、World Bank、ECB 等）。

在保持行为完全不变的前提下，简化并打磨近期修改的代码，提升清晰度、一致性与可维护性。当被要求简化、打磨、轻量重构，或在审查/PR 前清理当前会话的变更时使用。

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷热状态并推荐聚簇键（clustering key）。触发语：DW slow query analysis、slowest queries warehouse、queryinsights long running、warehouse CPU resource consumers、SQL pool pressure window、pressure events warehouse、DW cache warmth cold start、cache warmth analysis、warehouse cluster key recommendation、cluster tables performance、DW performance baseline comparison、performance degraded warehouse、warehouse user query patterns、queryinsights diagnostics、DW optimization sqlcmd。

在智能体 CLI 环境中，针对 Microsoft Fabric Data Warehouse 与 SQL endpoint 执行 T-SQL 创作（DDL、DML、数据摄取、事务、schema 变更）。当用户想要：(1) 从终端创建/修改/删除表；(2) 通过 CLI 执行 insert/update/delete/merge；(3) 运行 COPY INTO 或 OPENROWSET 摄取；(4) 管理事务或存储过程；(5) 执行 schema 演进；(6) 使用 time travel 或快照；(7) 生成 ETL/ELT shell 脚本；(8) 在 Lakehouse SQLEP 上创建视图/函数/过程。触发语：create table in warehouse、insert data via T-SQL、load from ADLS、COPY INTO、run ETL with T-SQL、alter warehouse table、upsert with T-SQL、merge into warehouse、create T-SQL procedure、warehouse time travel、recover deleted warehouse data、create warehouse schema、deploy warehouse、transaction conflict、snapshot isolation error。

安全地识别并移除死代码，每一步都用测试验证。当需要清理未使用的导出、文件、依赖、辅助函数、包装器、再导出或重复代码且不想引发回归时使用。触发场景：死代码清理、无用依赖审计、过期工具函数移除、清理型重构，或在维护工作前后安全精简代码。

使用组件故事格式（CSF）创建和编辑 React Native Storybook stories。适用于编写 .stories.tsx 文件、为 React Native 组件添加故事、配置 Storybook 插件（controls、actions、backgrounds、notes）、设置 argTypes、装饰器、参数，或为测试制作可移植故事。适用于任何涉及 @storybook/react-native 故事编写的任务。

Kubernetes NetworkPolicy 通过定义入站与出站规则，在 pod、命名空间与外部端点之间控制流量，实现 pod 级网络隔离。

Kubernetes 渗透测试通过模拟攻击者技术，对 API server、kubelet、etcd、pods、RBAC、网络策略与 secrets 进行系统性安全评估。

Docker Bench for Security 是一个开源脚本，用于检查围绕在生产环境部署 Docker 容器的数十项常见最佳实践。基于 CIS Docker Benchmark，对主机配置进行审计。

从 PDF 文件提取文本、翻译成目标语言，并将结果保存为 Markdown 文件。当用户想翻译 PDF 文档或要求“把 PDF 转成中文”时使用本技能

修复使用 docker buildx 时部署的 Rust 二进制未反映代码变更的问题。 适用场景：(1) 本地改动已验证（测试通过）但部署后生产行为没有变化；(2) Docker 镜像有新 tag 但仍包含旧的编译二进制；(3) Dockerfile 采用依赖预编译层加源码拷贝层的多阶段构建。 Docker buildx 的层缓存可能提供陈旧的编译产物，即使源文件已变更，交叉编译（--platform linux/amd64）时尤其如此。

为 ComfyUI_frontend 编写 Playwright 端到端测试。在创建、修改或调试浏览器测试时使用。触发词：playwright、e2e test、browser test、spec file

管理 MockServer 项目的 Docker Hub 凭证。引导用户创建 Docker Hub 个人访问令牌（PAT）、校验有效性，并存入 AWS Secrets Manager 供 CI 流水线使用。当用户说「docker hub 凭证」「docker hub token」「设置 docker push」「配置 docker hub」「轮换 docker token」，或需要把 Docker Hub 凭证存入 AWS Secrets Manager 时使用。

精英级前端图像指导技能，用于生成高端、注重转化的网站设计参考。关键输出规则——每个区块单独生成一张横版图像。8 个区块的落地页产出 8 张图。绝不将多个区块压缩进一张图。强制构图多样性（不总是左文右图）、背景图像自由、多样 CTA、多样 hero 尺度（巨型/中等/迷你极简）、叙事概念主线、二刷亮点，以及所有图像统一的一套色板。为落地页、营销站与可供开发者或编码模型精确复刻的产品 comps 优化。

automation 的子技能：Webhook 转工作流模式（+2）。

automation 的子技能：自动化测试（Testing Automation）。

automation 的子技能：相关资源（Related Resources）。

automation 的子技能：n8n Webhook 工作流（+3）。

automation 的子技能：低代码可视化自动化（+2）。

automation 的子技能：与 Workspace-Hub 的集成。

automation 的子技能：错误处理（+2）。

automation 的子技能：何时选择 n8n（+4）。

automation 的子技能：最佳实践（Best Practices）。

automation 的子技能：可用技能（Available Skills）。

跨 n8n、GitHub Actions、Make 等平台的工作流自动化、CI/CD 流水线与任务编排模式。

API — Headless CMS — 124 个抽象。条目、模型与分组事件处理器及用例。

api/db — 3 个抽象。

api/languages — 2 个抽象。

api/mailer — 11 个抽象。

API — Tenant Manager — 9 个抽象。租户管理事件处理器及用例。

通过仓库内的 agent-browser CLI 完成浏览器自动化。用于导航、表单、截图、抓取和 Web 应用检查的显式助手；若可用，优先选 Browser Use 或 Playwright。不要用于：分享 URL、嵌入链接或编辑截图文件。

按 .NET 规范编写与评审 XML API 文档。触发语：“给类写文档”“加 XML 注释”“写 XML documentation”“加三斜杠注释”“检查文档质量”“排查文档错误”“修复文档问题”“补全缺失文档”“清理 To be added 占位”，以及各类 API 文档请求。

为 n8n 开发配置 MCP 服务器。当用户输入 /setup-mcps 或要求为 n8n 设置 MCP 服务器时使用。

类级工作流技能：浏览器自动化、API 逆向工程、macOS UI 自动化、tmux/交互式 CLI 控制、MCP 工具调用、摄像头画面抓取，以及用工具/API 直接替代脆弱的 UI 流程。当需要自动化网站/应用、从流量中学习私有站点 API、驱动交互式 CLI、调用 MCP 服务器/工具、采集摄像头帧或控制 macOS UI 时使用。

为高级感 Web 表面施加克制的渐变描边效果。当卡片、价格面板、导航栏、modal、按钮或主视觉区需要精致的边缘高光而非张扬的辉光时使用。

设计能捕获真实生产问题、又不会被噪声触发呼叫的 Datadog 监控。涵盖基于 SLO 的多窗口多燃烧率告警监控、阈值/异常/预测/离群/复合监控类型的取舍、标签驱动路由、停机窗口、按服务层级的监控模板继承、通知消息工程与 runbook 关联。如同一位管理过 4000+ 个 Datadog 监控并精简到 600 个仍能捕获所有真实事故的资深 SRE。熟悉 Datadog 计费杠杆（自定义指标、索引日志、摄取追踪）、from/group_by 与无数据评估的交互、简单告警与多告警的区别，以及哪些监控类型隐性昂贵。适用于监控因表面波动误报、某服务层级需要成体系的监控集、SLO 需转化为燃烧率告警或监控泛滥难以管理时。触发词：“datadog”“datadog monitor”“monitor design”“slo”“burn rate”“anomaly mo

在 Fly.io 上部署和运维 Node、Python、Go、Rust、Elixir 与 Docker 应用：生产级 fly.toml 编写、Machines API 编排、区域选择（延迟/数据主权/出口流量）、Fly Postgres 集群、用 LiteFS 做 SQLite 复制、Upstash Redis 绑定、Tigris 对象存储、持久卷、WireGuard 私网（6PN）、通过 flyctl 管理密钥、借助自动停机机器实现蓝绿部署、缩零策略、定时扩缩、每个 PR 的预览部署、多区域副本、热配置重载、机器 SSH、日志投递到 Better Stack/Axiom/Datadog/Logtail，以及激进的 cost 调优。触发词：“fly.io”“flyctl”“fly machines”“fly.toml”“fly postgres”“litefs”“tigris”“upstash on fly”“fly deploy”“migrate from heroku”“migrate from render”“migrate from railway”“scale to zero”“fly regions”“fly volumes”“fly wireguard”“6pn”“fly secrets”

Next.js 16 的关键要点与参考链接。用于规划、编写与排查 Next.js 16 的变更。

通过 CLI 使用 sqlcmd 与 queryinsights 视图分析 Fabric Data Warehouse 性能。诊断慢查询、SQL 池压力、缓存冷启动并推荐聚集索引键。触发词：“DW slow query analysis”“slowest queries warehouse”“queryinsights long running”“warehouse CPU resource consumers”“SQL pool pressure window”“pressure events warehouse”“DW cache warmth cold start”“cache warmth analysis”“warehouse cluster key recommendation”“cluster tables performance”“DW performance baseline comparison”“performance degraded warehouse”“warehouse user query patterns”“queryinsights diagnostics”“DW optimization sqlcmd”。

在 Docker 中针对 Linux Java 26 与 JFR CPU 时间剖析，对单个 JMH 基准运行可重复的 RDF4J 性能循环。在本仓库进行基准引导的性能改动、热点定位、JFR 解读、CPU 瓶颈分析或重复的基线-修复-重跑循环时使用。当请求提及 benchmark、profiling、JFR、hotspot、perf loop、CPU bottleneck 或 RDF4J 的 Docker 基准运行时触发。

通过 Docker CLI 与 Dockerode API 管理 Docker 容器、镜像、数据卷与网络

现代 React 模式与原则：Hooks、组件组合、性能优化与 TypeScript 最佳实践。

浏览器自动化支撑着 Web 测试、网页抓取与 AI 代理交互。不稳定的脚本与可靠系统之间的差别，在于对选择器、等待策略与反检测模式的理解。

你是一名在严格架构与可靠性约束下运维生产级服务的高级后端工程师。在编写路由、控制器、服务、仓储层、Express 中间件或 Prisma 数据库访问时使用。