搜索「Multi Engine」的结果

io.github.openclaw/openclaw/oracle

通过 Oracle CLI 调用第二模型做审查/调试/重构/设计：支持选定文件、token 用量 Dry-run 检查、API 或浏览器引擎。

io.github.crbnos/carbon/database-transactions

在编写执行多行数据库写入、批量更新、重排序或任何必须原子性成功/失败的服务函数时使用。触发场景：Kysely 事务、sortOrder 更新、批量插入/更新、多表写入以及涉及数组/循环写入的服务函数

io.github.podman-desktop/extension-bootc/backend-api

指导基于 @podman-desktop/api 与 bootc 扩展的 RPC 系统进行后端开发。涵盖容器引擎操作、provider 管理、RPC 通信、构建编排、VM 管理与配置。在处理 packages/backend/ 代码、为 BootcAPI 添加 RPC 方法、实现容器/镜像操作或询问后端模式时触发。

io.github.cline/cline/cline-sdk

面向构建 AI agent 的完整 Cline SDK skill。涵盖 Agent 运行时、ClineCore 会话、自定义工具、插件、事件、LLM provider、调度、多 agent 团队与生产部署。凡涉及 @cline/sdk 及其子包的任务都适用。

io.github.alirezarezvani/claude-skills/agent-workflow-designer

设计生产级多 agent 工作流，明确模式选择（顺序、并行、层级）、交接契约、失败处理与成本/上下文控制。用于架构多步 agent 流水线、在单 agent 与多 agent 方案间取舍，或重构存在上下文膨胀、交接不可靠的 LLM 工作流时。

io.github.coreyhaines31/marketingskills/emails

当用户想创建或优化邮件序列、drip campaign、自动化邮件流程或生命周期邮件体系时使用。用户提到 email sequence、drip campaign、nurture sequence、onboarding emails、welcome sequence、re-engagement emails、邮件自动化、lifecycle emails、trigger-based emails、email funnel、email workflow、“该发哪些邮件”、welcome series 或 email cadence 等场景时也适用。适合任何多封邮件的自动化流程。冷邮件触达见 cold-email，应用内引导见 onboarding。

io.github.jleechanorg/claude-commands/automation-orchestration-guide

指导 PR 自动化与多智能体编排库的工作流。

io.github.TerminalSkills/skills/cursor-ai

使用 AI 代码编辑器 Cursor 构建软件。当用户要求配置 Cursor 规则、设置 .cursorrules 文件、用 Composer 做多文件编辑、集成 MCP 服务器，或优化 AI 辅助编码工作流时使用。

io.github.softspark/ai-toolkit/docker-devops

Docker/K8s：Dockerfile、多阶段构建、compose、manifest、Helm。触发词：Docker、Dockerfile、容器、Kubernetes、k8s、compose、Helm、pod。

io.github.iflytek/skillhub/backend-module-structure

SkillHub 后端 Maven 多模块整洁架构规则。确保 agent 把新代码放进正确的模块并遵守依赖方向。

io.github.github/awesome-copilot/refactor-plan

在开始多文件重构前制定具体计划。当用户要求规划、排序、划定范围或安全执行跨文件重构时使用；始终先调研、输出计划并等待确认后再改动代码。

io.github.pedronauck/skills/kubernetes-specialist

在部署或管理 Kubernetes 工作负载时使用。用于创建 deployment 清单、配置 pod security policy、设置 service account、定义网络隔离规则、调试 pod 崩溃、分析资源限制、检查容器日志或调整工作负载规格。也可用于 Helm chart、RBAC 策略、NetworkPolicy、存储配置、性能优化、GitOps 流水线与多集群管理。

io.github.ruvnet/RuView/ruview-configure

配置 RuView——ESP32 sdkconfig 变体、NVS 配网、WiFi 信道/MAC 过滤覆盖（ADR-060）、边缘智能模块（ADR-041）、sensing-server 开关、多节点 mesh 与 Cognitum Seed 集成。在不改代码的前提下调整已部署 RuView 系统行为时使用。

io.github.ruvnet/RuView/ruview-advanced-sensing

RuView 高级能力——RuvSense 多站感知（注意力加权融合、几何多样性、持久场模型）、跨视角多节点融合、射层析成像（ISTA L1 求解器、体素网格）、纵向生物力学漂移、动作前意图信号、对抗性信号检测与多站 mesh 安全加固。用于研究级或多节点部署。

io.github.cosmicstack-labs/mercury-agent-skills/docker-patterns

掌握 Dockerfile 优化、多阶段构建、docker-compose 模式、安全加固与镜像体积缩减技术，实现生产级容器化。

io.github.ForceInjection/domain-driven-design-skills/automation-builder-ddunnock-claude-plugins

分析代码库并生成 Claude Code 自动化基础设施，包括命令、脚本与模板，以系统化执行任务。当用户希望创建可复用的自动化工作流、生成 .claude/commands 文件、编写配套的 bash/python 脚本、为结构化产出建立 Markdown 模板，或沉淀跨项目可用的多步任务执行框架时使用。

io.github.ForceInjection/domain-driven-design-skills/cursor-debate-go-go-golems-docmgr-1fb60d22

发起研究先行、多视角的辩论，基于具体代码库证据探讨复杂技术决策（权衡取舍、架构选型、集成策略）。当用户要求“辩论”方案、比较选项，或在决策前需要结构化探索时使用。

io.github.a5c-ai/babysitter/database-drivers-connectors

集成数据库驱动与连接器——连接池、查询构造器、ORM 配置与多数据库抽象层

io.github.nixopus/nixopus/dockerfile-generation

按生态以最佳实践生成生产就绪的多阶段 Dockerfile。当用户需要 Dockerfile、询问容器化方案，或仓库中没有 Dockerfile 时使用

io.github.openai/plugins/writing-plans

当你已有某多步任务的规格或需求、但还没动代码时使用。

io.github.guilhermemarketing/esc-skills/cursor-subagent-creator

为复杂多步工作流创建上下文隔离的 Cursor 专用 AI 子智能体。在专为 Cursor 编辑器创建子智能体时使用，遵循 Cursor 的模式与目录（.cursor/agents/）。触发词："cursor subagent"、"cursor agent"。

io.github.LeoYeAI/openclaw-master-skills/security-sentinel-skill

检测提示词注入、越狱、角色劫持与系统提示词提取尝试。通过语义分析与惩罚评分实施多层防御

io.github.divinevideo/divine-mobile/docker-buildx-stale-rust-binary

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。

io.github.LeoYeAI/openclaw-master-skills/datadog-monitor-designer

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