搜索「Cron Job」的结果

io.github.wshobson/agents/python-background-jobs

Python 后台作业模式，包括任务队列、工作进程与事件驱动架构。在实现异步任务处理、作业队列、长时间运行操作，或将工作与请求/响应周期解耦时使用。

io.github.Kevin-Liu-01/Agent-Machines/automation-cron

使用 cronjob 工具安排周期性 agent 任务。当用户希望某事按计划运行、刚完成的任务应当重复执行，或规划每日/每周自动化时使用。

io.github.midudev/autoskills/python-background-jobs

Python 后台任务模式，包括任务队列、worker 与事件驱动架构。在实现异步任务处理、作业队列、长时运行操作，或将工作与请求/响应周期解耦时使用。

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.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.saeedkolivand/ai-job-hunter-app/automation-standards

抓取与 AI 供应商规范 —— Scraper trait 与 SCRAPERS 注册表、选择器容错、限流与任务取消，以及 embeddings/流式输出/提示词所遵循的供应商抽象（零改动切换）规则。在改动 scraping/、ai_provider/、packages/prompts、documents/embed 下的代码时加载。

io.github.reggiechan74/JobOps/css-template

管理落地页的 CSS 设计体系模板 —— 查看、分析或创建组件库。

io.github.micronaut-projects/micronaut-core/agent-md-refactor

将过大的代理指令文件重构为渐进式披露结构。当用户要求拆分 AGENTS.md/CLAUDE.md/COPILOT.md、精简指令膨胀，或把指引整理为相互链接的主题文件时使用。

io.github.DaKheera47/job-ops/design-principles

执行受 Linear 与 Stripe 启发的精确、克制的设计系统。在构建仪表盘、管理后台界面，或任何需要 Jony Ive 级精度——干净、现代、有品味的极简——的 UI 时使用此技能。每一个像素都重要。

io.github.mukul975/Anthropic-Cybersecurity-Skills/benchmarking-kubernetes-with-kube-bench

以 Job、DaemonSet 或独立二进制方式在 Kubernetes 集群上安装并运行 kube-bench，选择正确的基准版本与目标（控制面、etcd、kubelet、工作节点），并输出 JSON 或 JUnit 供流水线使用。适用于首次配置 kube-bench、决定运行哪个基准版本与节点目标、接入 CI，或排查被跳过/误判的检查项。关键词：kube-bench、DaemonSet、--benchmark、--targets、JSON 输出、JUnit、CI 集成。不要用于解读发现或出审计报告——那用 performing-kubernetes-cis-benchmark-with-kube-bench。

io.github.cartography-cncf/cartography/refactor-legacy

把 Cartography 旧式手写 Cypher 同步任务（`load_*` / `cleanup_*` JSON job）转换为现代声明式数据模型（`load()`、`GraphJob.from_node_schema()`）。当用户要求重构、现代化、迁移或「清理」旧 intel 模块，或移除与旧 `MERGE` 查询绑定的 `cleanup/*.json` 任务时使用。

io.github.wgpsec/AboutSecurity/sqlserver-attack

SQL Server 渗透测试与利用。当发现目标开放 1433 端口、SQL Server 允许远程连接（SA 弱口令）、需要从数据库提取数据或实现命令执行时使用。覆盖未授权访问、数据库枚举与导出、xp_cmdshell 命令执行、sp_OACreate COM 对象利用、BULK INSERT 文件读取、Linked Server 横向移动、SQL Agent Job 持久化、存储过程利用、用户创建与提权

io.github.garrytan/gstack/qa

Fix browser/API/CLI/job/worker/webhook bugs. (gstack)

io.github.garrytan/gstack/qa-only

仅出具报告的 QA 测试。（gstack）

io.github.skypilot-org/skypilot/skypilot

在启动云端 VM、Kubernetes pod 或 Slurm 作业以承载 GPU/TPU/CPU 负载、在云端 GPU 上训练或微调模型、部署带自动扩缩的推理服务（vllm、TGI 等）、编写或调试 SkyPilot 任务 YAML、用 spot/抢占式实例节省成本、跨云比较 GPU 价格、统一管理 25+ 云服务以及 Kubernetes、Slurm 与本地集群并在其间故障切换、排查资源可用性或 SkyPilot 错误、优化成本与 GPU 可用性，或迁移既有 Slurm 工作负载（把 sbatch 脚本、salloc 会话、job array 或 srun 调用转换为 SkyPilot 任务 YAML，并把 Slurm 命令、指令与 SLURM_* 环境变量映射到对应的 SkyPilot 写法）时使用。

skillsmp.stas00-ml-engineering-skill-md

端到端训练与运维大规模 LLM/VLM/多模态模型的实战方法论与具体配方——选择并基准测试加速器、存储与网络；SLURM/Kubernetes 编排；最大化训练吞吐并在显存内装下模型；诊断并撑过训练不稳定、NaN/Inf 与硬件/作业故障；检查点与容错；推理性能与显存；调试多节点/多卡挂起；以及编写/运行测试。当用户在训练或微调大模型、遭遇低 TFLOPS/MFU、OOM、数据加载缓慢、损失尖峰/发散、NCCL/InfiniBand 或多节点挂起、节点/GPU 故障、检查点或抢占问题、存储/网络瓶颈，或需要挑选 GPU/云/文件系统，或估算推理延迟/吞吐时使用。提炼自《Machine Learning Engineering》，最新版本见 https://github.com/stas00/ml-engineering。

io.github.affaan-m/ECC/data-scraper-agent

为任意公开来源（招聘网站、价格、新闻、GitHub、体育赛事等）构建全自动的 AI 数据收集代理。按计划抓取，用免费 LLM（Gemini Flash）丰富数据，将结果存入 Notion/Sheets/Supabase，并从用户反馈中学习。完全免费地在 GitHub Actions 上运行。当用户希望自动监控、收集或追踪公开数据时使用。

io.github.career-ops-hq/career-ops/notion

如何把 career-ops 求职跟踪表同步到 Notion 数据库，并把记录读回作为职位线索。

io.github.santifer/career-ops/notion

如何把 career-ops 求职跟踪表同步到 Notion 数据库，并把记录读回作为职位线索。

io.github.PostHog/posthog/writing-skills

编写 PostHog agent skill 的指南——以"要完成的事"为框架的模板，教会 agent 如何用 MCP 工具达成目标。当新增需要 agent 掌握的产品功能、创建新 skill，或更新 products/*/skills/ 下的现有 skill 时使用。

io.github.jleechanorg/claude-commands/automation-audit

审计自动化任务执行、日志、PR 处理指标以及由 AI 提交的远端提交记录。

io.github.netalertx/NetAlertX/testing-workflow

运行测试前必读。详细说明：单个标准单元测试（快）、完整套件（慢）、认证处理，以及获取 API Token 的方法。任务完成时必须运行测试。

io.github.pytorch/pytorch/ci-metrics

查询 PyTorch CI、GitHub Actions、HUD、Grafana 与基础设施指标。当用户询问 CI 耗时、任务失败、排队时长、工作流趋势、runner 健康度、看板数据或 PyTorch 基础设施指标时使用。

io.github.jleechanorg/claude-commands/automation-completeness

在新增自动化脚本时使用。必须有一个调用方（CI/cron/hook）；看门狗脚本还需要 launchd plist 模板与 deploy.sh 的安装步骤。