代码导入 code-import
SkillSkillsMP
io.github.nexu-io/open-design/code-import
将已有仓库的结构读取到项目当前工作目录，形成规范化快照供 agent 分析，避免每轮都重新遍历目录树。
source
共 5,808 个资源
io.github.nexu-io/open-design/code-import
将已有仓库的结构读取到项目当前工作目录，形成规范化快照供 agent 分析，避免每轮都重新遍历目录树。
io.github.nexu-io/open-design/design-brief
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。
io.github.nexu-io/open-design/design-extract
从导入的源码、截图或 Figma 导出中提取设计令牌（颜色/字体/间距），产出 token-map 消费的规范化令牌集合。
io.github.code-yeongyu/lazycodex/frontend
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。
io.github.PostHog/posthog/review-hog-validation-criteria
ReviewHog 的验证标准——判断被标记的 PR 问题是否值得保留的门槛。留下真实影响用户的正确性/安全/数据丢失/契约/性能问题；剔除过度设计、猜测、被害妄想、几乎不可能发生的边界情况和风格问题。
io.github.PostHog/posthog/review-hog-perspective-performance-reliability
ReviewHog 的性能与可靠性评审视角。核查改动代码在生产环境能否撑得住——资源效率、错误处理与恢复、可扩展性以及运维就绪度。只报告性能与可靠性问题。
io.github.PostHog/posthog/review-hog-perspective-logic-correctness
ReviewHog 的逻辑与正确性评审视角。核查改动代码是否做到了该做的事——业务逻辑、边界情况、数据转换，以及查询/数据访问的正确性。只报告正确性问题；安全与性能属于其他视角。
io.github.PostHog/posthog/review-hog-perspective-contracts-security
ReviewHog 的契约与安全评审视角。核查改动代码是否安全并保持兼容——API 契约与破坏性变更、注入/授权/数据暴露、输入校验，以及 schema/接口一致性。只报告安全与契约问题。
io.github.PostHog/posthog/review-hog-blind-spots-general
ReviewHog 的通用盲区检查——在所有已启用评审视角审完某个代码块后运行的最终扫描。以各视角实际已发现的内容为条件，搜寻它们全都漏掉的真实高价值问题；宁可返回空清单也不凑数。
io.github.PostHog/posthog/review-hog-authoring
如何编写自定义 ReviewHog 技能——驱动 ReviewHog 自动 PR 评审的评审视角、盲区检查与验证标准。当用户想要新的评审视角（其 PR 的专项透镜）、自定义盲区扫描，或自己的发现发布门槛时使用。触发语："create a ReviewHog perspective""custom review perspective""my own blind-spot check""custom validation criteria""tune what ReviewHog publishes"。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses
将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents
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。
io.github.microsoft/ai-agents-for-beginners/testing-course-samples
当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。
io.github.max-sixty/worktrunk/writing-user-outputs
worktrunk 的 CLI 输出格式化标准。在修改任何调用 warning_message、hint_message、error_message、info_message、eprintln、println 的代码，或产出用户可见字符串（CLI 帮助、进度 UI、快照文本）之前加载。记录 ANSI 颜色嵌套规则、消息模式与输出系统架构。
io.github.EpicenterHQ/epicenter/ui-design
从产品方向到组件体系收敛，设计、探索、实现、打磨、重设计并评审 Epicenter 界面。用于共创界面、追问「别的应用怎么做」、对比 UI 方向或同类产品、把粗略功能想法变成可构建的 Svelte 界面、选择 @epicenter/ui 组件、修改 packages/ui，或替换堆满 class 的标记与本地界面原语。纯 CSS 小修不属于本技能范围，除非它暴露出更大的模式问题。
io.github.microsoft/generative-ai-for-beginners/azure-openai-to-responses
把 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端迁移到 v1 端点、流式输出、tools、结构化输出、多轮对话、EntraID 鉴权以及模型兼容性检查。专注 Python、专注 Azure OpenAI。适用：迁移到 responses API、从 chat completions 切换、升级 openai SDK、gpt-5 迁移、AzureOpenAI 切到 OpenAI client 等。不适用：从零新建应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅限 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.agentscope-ai/AgentTeams/mcp-server-management
当管理员要求配置 MCP 工具服务器（如 GitHub、天气 API）、轮换凭证、授予/撤销 worker 对 MCP 工具的访问，或通过 YAML 添加自定义 API 集成时使用。
io.github.github/awesome-copilot/planning-oracle-to-postgres-migration-integration-testing
为 Oracle 到 PostgreSQL 数据库迁移中的 .NET 数据访问代码制定集成测试计划。分析单个项目，识别与数据库交互的仓储、DAO 和服务层，产出结构化测试计划。适用于为迁移后的项目规划集成测试覆盖、确定哪些数据访问方法需要测试，或准备 Oracle 到 PostgreSQL 的迁移验证。
io.github.cursor/plugins/typescript-best-practices
TypeScript 最佳实践。在读取或编辑任意 .ts、.tsx 文件时使用。
io.github.simstudioai/sim/emcn-design-review
审查 UI 代码是否符合 emcn 设计系统——组件、设计令牌、模式与约定。
io.github.simstudioai/sim/react-query-best-practices
审查 React Query 的用法是否符合最佳实践——key 工厂、staleTime、mutation 以及服务端状态归属。
io.github.microsoft/ai-agents-for-beginners/testing-course-samples
当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。