“Felo AI” 共 1,139 个结果
io.github.openai/skills/security-ownership-map
分析 git 仓库以构建安全所有权拓扑（人-文件映射），计算 bus factor 与敏感代码所有权，并导出 CSV/JSON 供图数据库与可视化使用。仅当用户明确希望基于 git 历史进行面向安全的所有权或 bus-factor 分析时触发（例如：孤立的敏感代码、安全维护者、面向风险的责任人现状核查、敏感热点或所有权集群）。对通用维护者列表或非安全所有权问题不要触发。
io.github.MMIV-ML/fastMONAI/docker-local-dev
通过交互式问答为本地开发生成 Docker Compose 与 Dockerfile 配置。支持 PHP/Laravel、WordPress、Drupal、Joomla、Node.js 与 Python 技术栈，配合 Nginx、Supervisor/PM2、数据库、Redis 以及邮件测试。生成配置前总会先提出澄清问题。
io.github.agentscope-ai/agentscope-samples/relational_database
处理数据库的指南。
io.github.bytedance/deer-flow/vercel-deploy-claimable
将应用与网站部署到 Vercel。当用户请求部署动作时使用，例如「Deploy my app」「Deploy this to production」「Create a preview deployment」「Deploy and give me the link」或「Push this live」。无需认证——返回预览 URL 与可认领的部署链接。
io.github.RefoundAI/lenny-skills/writing-specs-designs
帮助用户撰写高效的规格说明与设计文档。当有人要编写技术规格、功能规格、设计文档，或向工程与设计团队传达产品需求时使用。
io.github.RefoundAI/lenny-skills/writing-job-descriptions
帮助用户撰写高效的职位描述（JD）。当有人要创建招聘公告、定义新岗位、准备招聘或为空缺职位吸引合适的候选人时使用。
io.github.RefoundAI/lenny-skills/writing-north-star-metrics
帮助用户定义他们的北极星指标。当有人在选择主要成功指标、试图让团队围绕关键指标对齐、受困于指标泛滥或需要搭建度量体系时使用。
io.github.RefoundAI/lenny-skills/writing-prds
帮助用户撰写高效的 PRD（产品需求文档）。当有人需要记录产品需求、为工程准备规格说明、撰写功能简报或为团队定义要构建的内容时使用。
io.github.YFGaia/dify-plus/component-refactoring
重构 Dify 前端中高复杂度的 React 组件。当 pnpm analyze-component --json 显示 complexity > 50 或 lineCount > 300、用户要求拆分代码、提取 hook 或降低复杂度、或 pnpm analyze-component 提示先重构再测试时使用；简单或结构良好的组件、第三方封装组件、或用户明确只想测试不想重构时避免使用。
io.github.YFGaia/dify-plus/frontend-testing
为 Dify 前端组件、Hook 和工具函数生成 Vitest + React Testing Library 测试。触发词：testing、spec 文件、coverage、Vitest、RTL、单元测试、集成测试或编写/审查测试的请求
io.github.cisco-ai-defense/skill-scanner/database-query
使用参数化语句安全地查询数据库。
io.github.multica-ai/andrej-karpathy-skills/karpathy-guidelines
减少 LLM 常见编码失误的行为准则。在编写、评审或重构代码时使用，以避免过度复杂化、做精准的小改动、显式暴露假设，并定义可验证的成功标准。
io.github.alibaba/spring-ai-alibaba/pdf-extractor
从 PDF 文档提取文本、表格与表单数据以供分析与处理。当用户要求提取、解析或分析 PDF 文件时使用。
io.github.benchflow-ai/skillsbench/jackson-security
Java 应用中 Jackson JSON 反序列化的安全注意事项。涵盖校验时机、原始输入拦截以及常见的反序列化攻击模式。
io.github.coleam00/second-brain-skills/mcp-client
通用 MCP 客户端，以渐进式披露方式连接任意 MCP 服务器。将 MCP 服务器封装为技能，避免工具定义占用过多上下文窗口。用于与外部 MCP 服务器（Zapier、Sequential Thinking、GitHub、filesystem 等）交互、列出可用工具或执行 MCP 工具调用。在“connect to Zapier”“use MCP server”“list MCP tools”“call Zapier action”“use sequential thinking”等请求或任何 MCP 服务器交互时触发。
io.github.benchflow-ai/skillsbench/pdf
全面的 PDF 操作工具包：提取文本和表格、创建新 PDF、合并/拆分文档、处理表单。当 Claude 需要填写 PDF 表单，或大规模以编程方式处理、生成、分析 PDF 文档时使用。
io.github.benchflow-ai/skillsbench/browser-testing
验证你的改动是否生效。测量 CLS、检测主题闪烁、测试视觉稳定性、检查性能。在改动前后都要使用以确认修复。附带可直接运行的脚本：measure-cls.ts、detect-flicker.ts
io.github.cisco-ai-defense/mcp-scanner/security-scan
使用 YARA 规则、LLM 分析和 Cisco AI Defense API 扫描 MCP 服务器、工具、提示词与资源的安全漏洞。当用户想检查 MCP 服务器的安全问题、检测提示词注入、工具投毒，或以威胁视角分析 MCP 配置时使用此技能。
io.github.benchflow-ai/skillsbench/browser-testing
验证你的改动是否生效。测量性能与 CLS。在改动前后都要使用以确认修复。附带可直接运行的脚本：measure-cls.ts、detect-flicker.ts
io.github.patchy631/ai-engineering-hub/hugging-face-jobs
当用户想在 Hugging Face Jobs 基础设施上运行任意工作负载时使用。涵盖 UV 脚本、基于 Docker 的任务、硬件选型、成本估算、令牌认证、secrets 管理、超时配置与结果持久化。面向通用计算工作负载，包括数据处理、推理、实验、批处理及任意 Python 任务。当任务涉及云端计算、GPU 工作负载，或用户提到在 Hugging Face 基础设施上运行任务且无需本地环境时调用。
io.github.patchy631/ai-engineering-hub/hugging-face-datasets
在 Hugging Face Hub 上创建和管理数据集。支持初始化仓库、定义配置/系统提示、流式更新数据行，以及基于 SQL 的数据集查询/转换。配合 HF MCP server 完成完整的数据集工作流。
io.github.benchflow-ai/skillsbench/python-parallelization
将顺序执行的 Python 代码转换为并行/并发实现。在被要求并行化 Python 代码、通过并发提升性能、把循环转为并行执行或识别并行化机会时使用。涵盖 CPU 密集型（multiprocessing）、I/O 密集型（asyncio、threading）和数据并行（向量化）场景。
io.github.benchflow-ai/skillsbench/sqlite-map-parser
将 SQLite 数据库解析为结构化 JSON 数据。在探索未知数据库模式、理解表间关系以及将地图数据提取为 JSON 时使用
io.github.benchflow-ai/skillsbench/pdf
处理 PDF 文件时务必使用此技能而非 Read 工具。Read 工具无法正确提取 PDF 中的表格。适用场景：(1) 读取任意 PDF 文件；(2) 从 PDF 提取表格；(3) 将 PDF 表格转换为 pandas DataFrame；(4) 处理多页 PDF。
