搜索「Business」的结果

io.github.mukul975/Anthropic-Cybersecurity-Skills/testing-for-business-logic-vulnerabilities

识别应用业务逻辑中的缺陷，例如价格篡改、流程绕过以及超出技术漏洞扫描器检测范围的权限提升。

io.github.easychen/opc-methodology/opc-business-model-design

使用精益画布与简化版商业画布，为一人公司设计可行的商业模式。当 Codex 需要在必要时讲解商业模式概念、验证细分领域与价值主张前提、每次只提一个问题、给出多种模式选择，并把用户确认的输出写入 `opc-doc/` 时使用。

io.github.coreyhaines31/marketingskills/sms

当用户想规划、搭建或优化短信/MMS 营销时使用，包括欢迎流程、购物车挽回、购后触达、流失挽回、促销群发或验证码类事务短信。用户提到 SMS marketing、text message campaigns、SMS sequence、SMS automation、abandoned cart text、post-purchase SMS、Klaviyo SMS、Postscript、Attentive、Twilio、A2P 10DLC、TCPA、SMS compliance、short code、toll-free SMS、MMS campaign、“要不要做短信”或“SMS vs email”等场景时也适用。邮件序列见 emails，短信文案框架见 copywriting，采集手机号的弹窗见 popups。

io.github.lobehub/lobehub/lobe-design

Single entry for LobeHub UI design work. Routes any instruction — macro ("重做这个后台", "整体打磨一下"), medium ("把列表页的交互和空态补齐") or fine ("这个按钮颜色不对", "修 K-07") — into a business-first, layered pipeline of focused stages: 00 brief → 05 init → 10 decode → 20 direction → 30 structure → 40 flow → 50 visual → 60 system → 70 detail → 75 copy → 80 review. Covers seven scenarios: 0→1 visual pages (landing / portfolio / campaign), polishing existing product UI, admin consoles / dashboards / forms / workflows, design-system unification, screenshot restoration, pre-launch audit, and project bootstrap (AGENTS.md). Grounded in classic analysis models (double diamond, Gestalt, Nielsen heuristics, Kano, peak-end, Fogg, journey map, cognitive load) and in a layered component boundary: take atoms from @lobehub/ui, build business composites yourself. Built on @lobehub/ui, @lobehub/ui/form, @lobehub/ui/pro-table, cssVar tokens, @lobehub/charts / icons / fluent-emoji / streamdown, with runnable lint, route, refs and bootstrap checks; in-pr

io.github.affaan-m/ECC/test-collaboration

Inventory and govern a project's test assets. Connect requirements, business rules, risks, bugs, and cross-boundary contracts to stable TEST-IDs and executable evidence in the repository's existing test registry or TESTS.md. Use for test inventory, test gap analysis, unit/integration/contract/E2E/smoke classification, bug-to-test regression protection, consumer/provider contract testing, test-necessity review, and pre-delivery evidence review.

io.github.affaan-m/ECC/test-collaboration

Inventory and govern a project's test assets. Connect requirements, business rules, risks, bugs, and cross-boundary contracts to stable TEST-IDs and executable evidence in the repository's existing test registry or TESTS.md. Use for test inventory, test gap analysis, unit/integration/contract/E2E/smoke classification, bug-to-test regression protection, consumer/provider contract testing, test-necessity review, and pre-delivery evidence review.

io.github.twentyhq/twenty/syncable-entity-integration

Contributing to the Twenty codebase itself (twentyhq/twenty server internals), not for building apps on top of Twenty. Wire syncable entity services into NestJS modules, create service layer and resolvers for Twenty entities. Use when registering builders, validators, and action handlers in modules, creating business services, or exposing entities via GraphQL API with proper exception handling.

io.github.PostHog/posthog/querying-posthog-data

在编写任何 HogQL/SQL 或调用 execute-sql 查询 PostHog 前的必读内容。当用户想搜索、查找或对 PostHog 实体（insight、仪表盘、群组、feature flag、实验、问卷、hog flow、数据仓库、person 等）做复杂聚合，以及查询分析数据（趋势、漏斗、留存、生命周期、路径、粘性、Web 分析、错误追踪、日志、会话、LLM traces）时使用。对受治理的业务或遥测指标（MRR、激活、计费用量、活跃组织、失败率）同样是第一站：先从原始事件或使用带类型的领域工具推导之前，检查语义层（system.information_schema.metrics 中的规范指标）。涵盖 HogQL 与 ClickHouse SQL 的语法差异、系统表 schema（system.*）、可用函数、查询示例与 schema 发现工作流。

io.github.Agents365-ai/drawio-skill/drawio-skill

当用户要求示意图、流程图、架构图、ER 图、UML/时序/类图、SysML/MBSE 图（内部块定义、内部块图、需求图、参数图）、BPMN 业务流程图、泳道/跨职能流程图、网络拓扑、依据 Terraform 或 Kubernetes manifest 绘制云架构、ML/深度学习模型图（Transformer/CNN/LSTM）、思维导图或任何可视化时使用。在讲解含 3 个以上组件的系统、复杂数据流或适合以视觉呈现的关系时也应主动使用。尤其适合需要自定义样式、丰富图形词汇表、泳道或可导出图像（PNG/SVG/PDF/JPG）的图表。生成 .drawio XML 并通过原生 draw.io 桌面 CLI 在本地导出。

io.github.shareAI-lab/learn-claude-code/agent-builder

为任意领域设计与构建 AI agent。适用于用户：(1)要求“create an agent”“build an assistant”或“design an AI system”；(2)想理解 agent 架构、agentic 模式或自主 AI；(3)需要能力、subagent、规划或 skill 机制方面的帮助；(4)询问 Claude Code、Cursor 等 agent 内部实现；(5)想为业务、研究、创意或运营任务构建 agent。关键词：agent、assistant、autonomous、workflow、tool use、multi-step、orchestration。

io.github.wshobson/agents/python-design-patterns

Python 设计模式，包括 KISS、关注点分离、单一职责与组合优于继承。当从零设计新服务或组件、抉择职责分层，重构已过度膨胀的上帝类或巨型函数，决定是引入新抽象还是接受重复，评审 PR 中紧耦合或泄漏内部类型等结构问题，为新类层次在继承与组合间抉择，或代码库因 I/O 与业务逻辑纠缠而难以测试时使用本技能。

io.github.mukul975/Anthropic-Cybersecurity-Skills/exploiting-excessive-data-exposure-in-api

针对 OWASP API3:2023（数据过度暴露）测试 API：拦截原始 API 响应并与 UI 实际渲染的内容比对，找出前端过滤掉但 API 仍在传输的 PII、内部标识、调试数据或业务敏感字段。适用于审计 REST 或移动应用 API 的过度取数、响应过滤绕过或端点响应中的非预期数据泄露。

io.github.PostHog/posthog/suggesting-data-imports

当用户询问收入、支付、订阅、账单、CRM 商机、工单、广告投放、生产数据库表等 PostHog 原生不采集的数据，或想把 PostHog 产品事件与这些外部业务数据关联分析时使用。当查询因表不存在失败、或预期外部数据查无结果时也使用。数据仓库可从 SaaS 工具（Stripe、Hubspot、Zendesk 等）、广告平台、生产数据库（Postgres、MySQL、BigQuery、Snowflake）及其他任意数据源导入。涵盖检查现有数据源、识别正确的源类型并引导完成配置。

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.danielmiessler/LifeOS/Apify

通过 Apify actor 抓取社交平台、商业数据与电商内容——Instagram、LinkedIn、TikTok、YouTube、Facebook、Google Maps、Amazon 及通用网页爬取——并在代码中过滤。适用场景：抓取 Instagram/LinkedIn/TikTok/YouTube/Facebook、Google Maps 销售线索、Amazon 评论、商业智能、多平台社媒监听、竞品分析、线索生成、社媒监控、Apify actor、网页爬取、提取联系人。不适用于 X/Twitter 操作（用 _X）、四级代理递进式抓取（用 BrightData）、真实 Chrome 反爬绕过与 computer use（用 Interceptor）。

io.github.aiskillstore/marketplace/backend-orchestrator

协调后端开发任务（API、服务、数据库）。在实现 REST API、业务逻辑、数据模型或服务集成时使用，并应用 backend-standard.md 作为质量闸门。

io.github.telagod/code-abyss/backend

从更强模型蒸馏的后端工程判断经验——在选择技术栈、语言、数据库、队列或架构时调用；在设计服务、API、业务逻辑或 schema 时；在让系统达到生产可用（可观测性、故障处理、安全）时；或评审服务端代码、判断代码库健康度时。包含场景化技术栈取舍、逻辑设计规则、数据纪律、生产底线，以及“腐烂目录”（代码不可维护的早期征兆）。

io.github.ruvnet/ruflo/pod-sales

执行业务 pod 中销售环节的一次 tick（ADR-164 §4.1，Phase 2）。加载 templates/sales.json，按 pod-schema 校验，在 ruflo 的 agent 注册表中解析 agent，通过 Phase-2 基于文件的占位账本预留预算（原子 SQLite 记账留待 ADR-164.1 的 Phase 3），为每个 agent 构造 dry-run prompt，经 federation_bbs_publish 的 JSONL 存储把摘要信封发布到 sales room，并输出结构化 {podName, tickId, agentsRan, totalUsd, envelopeId, status} 行供 /loop 摄取。默认 dry-run；--live 留给 Phase 3。

io.github.lishuangqiang/backend-agent-resume-scout/backend-agent-project-selector

为学生或初级工程师从 GitHub 上寻找合适的传统软件后端或业务级 AI 智能体项目，评估简历价值并生成 Markdown 简历撰写包。当用户请求选择后端项目、Java/Spring 项目、分布式系统项目、完整 AI 智能体业务项目、多智能体系统、LLM 应用、用于简历的 GitHub 项目，或想把所选项目转化为简历要点/面试谈资时使用。支持模式：仅 agent、仅后端、混合、稳妥模式、挑战模式；未指定模式时先询问用户再搜索或推荐。后端推荐默认排除 IoT、嵌入式、硬件集成、设备管理与工控平台，除非用户点名。同时避免简单浏览器扩展、薄封装 LLM 套壳、浅层 AI 插件与浏览器自动化库，除非用户点名。

io.github.taichuy/1flowbase/backend-development

用于 1flowbase 在 api/ 下的后端实现：构建、修复、重构或评审 Rust/Axum API、路由、服务、仓储、存储适配器、迁移、领域模型、状态流转、写路径、模块边界、权限、HostExtension/RuntimeExtension 边界或核心业务逻辑。在完成 problem-framing 对齐非平凡需求后使用，或当用户明确要求直接实现时使用；不用于独立的需求对齐、测试设计或 QA 报告。

io.github.codeaholicguy/ai-devkit/security-review

AI DevKit·对代码、技能与提示词进行安全评审，检查 OWASP Top 10、提示词注入、业务逻辑缺陷与不安全默认值。适用于评审 PR、审计模块、审查 AI 技能/提示词或发布前检查

io.github.alirezarezvani/claude-skills/code-to-prd

将任意代码库逆向工程为完整的产品需求文档（PRD）。分析路由、组件、状态管理、API 集成与用户交互，产出业务可读、详尽到足以让工程师或 AI agent 完整重建每个页面与端点的文档。支持前端框架（React、Vue、Angular、Svelte、Next.js、Nuxt）、后端框架（NestJS、Django、Express、FastAPI）与全栈应用。当用户提及生成 PRD、逆向需求、代码转文档、从代码提取产品规格、记录页面逻辑、分析页面字段与交互、生成功能清单、基于现有代码库撰写需求、记录 API 端点或分析后端路由时使用。

io.github.FerroxLabs/wayland/automation-architect

基于 Zapier、Make 与 n8n 的工作流自动化设计，涵盖触发-动作架构、多步自动化流程、错误处理策略、个人与商业自动化模式、ROI 计算，以及常用自动化配方库。当用户询问 automation architect、相关技术、最佳实践，或需要该领域指导时使用。当请求超出 automation architect 范围或需要其他专项技能时请勿使用。

io.github.thedaviddias/Front-End-Checklist/review

适用于商品页、本地商家页、菜谱、图书以及任何聚合用户评价的页面。审计电商或评价类站点的富媒体搜索结果（rich result）资格时使用。