搜索「iFlytek Spark」的结果

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/api-and-namespace-design

API 设计约定、命名空间坐标体系、RBAC 角色、ClawHub 兼容层、OpenAPI 契约同步规则，以及 CSRF/会话处理。

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.iflytek/skillhub/frontend-conventions

SkillHub React 前端的编码约定、架构模式与测试规则。确保 agent 遵循 Feature-Sliced Design 并使用生成的 OpenAPI 类型。

io.github.iflytek/skillhub/testing-and-ci

SkillHub 的测试约定、CI 流水线规则与冒烟测试覆盖要求。确保 agent 正确编写测试并理解 CI 门禁要求。

io.github.softspark/ai-toolkit/refactor-plan

通过访谈生成带小步提交的重构详细计划，并以 GitHub RFC 文件形式落档。触发词：refactor plan、refactoring RFC、incremental refactor、safe steps。

io.github.softspark/ai-toolkit/refactor

为质量与可维护性重构代码。触发词：refactor、clean up、restructure、improve code、modernize。

io.github.SparkDevNetwork/Rock/sql

为 Rock RMS 数据库生成安全、正确的 SQL 脚本。处理 INSERT、UPDATE、DELETE、SELECT 查询、数据迁移与种子脚本，并遵循 Rock 的 schema 约定（PersonAlias、审计列、FK 约束、DefinedType/DefinedValue 查找、基于 Guid 的引用）。当用户说“create a sql script”“write sql”“insert data”“seed data”“data migration”“update records”“sql for Rock”“populate data”“add test data”“query Rock database”，或任何直接对 Rock RMS 数据库执行 SQL 的请求时使用。当用户描述要在 Rock 中添加、修改或查询的数据——即使未明说“SQL”——也应使用，例如“add 100 attendance records”“create a new campus”“give Ted Decker some financial transactions”“set up check-in data”。凡涉及 Rock 数据库记录且 SQL 是合适工具的任务，使用本技能。

io.github.SparkDevNetwork/Rock/css-cleanup

审计并重构 Obsidian .obs 块文件中的 CSS，使其遵循 Rock 的样式优先级。用 Rock 工具类与 CSS 变量替换内联样式、硬编码数值和不必要的作用域 CSS。当用户说“clean up css”“css cleanup”“polish styles”“refactor css”“style audit”“fix the styling”“use rock utilities”，或在 /convert-block 之后使用。审阅 .obs 文件发现内联样式、硬编码十六进制色值或过量作用域 CSS 时也应使用。不适用于：编写新块、C# 更改、JavaScript 逻辑更改，或在 styles-v2/ 中新建 SCSS 文件。不适用于通用代码评审（请改用 /review-conversion）。

io.github.microsoft/skills-for-fabric/sqldw-consumption-cli

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 和 Mirrored Database 执行只读 T-SQL 查询。对任何 lakehouse 数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。当用户想要：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。针对 Fabric notebook 单元格（%%sql 或其他 notebook magic）请使用 `spark-authoring-cli` 而非本技能。触发语：warehouse、SQL query、T-SQL、query warehouse、show warehouse tables、show lakehouse tables、query lakehouse、lakehouse table、how many rows、count rows、SQL endpoint、describe warehouse schema、generate T-SQL script、warehouse performance、export SQL data、connect to warehouse、lakehouse data、explore lakehouse。

io.github.microsoft/skills-for-fabric/sqldw-consumption-cli

通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 与 Mirrored Database 执行只读 T-SQL 查询。任何湖仓数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。适用场景：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。触发词：“warehouse”“SQL query”“T-SQL”“query warehouse”“show warehouse tables”“show lakehouse tables”“query lakehouse”“lakehouse table”“how many rows”“count rows”“SQL endpoint”“describe warehouse schema”“generate T-SQL script”“warehouse performance”“export SQL data”“connect to warehouse”“lakehouse data”“explore lakehouse”。

io.github.davila7/claude-code-templates/senior-data-engineer

世界级的数据工程技能，用于构建可扩展数据管道、ETL/ELT 系统与数据基础设施。精通 Python、SQL、Spark、Airflow、dbt、Kafka 与现代数据栈，涵盖数据建模、管道编排、数据质量与 DataOps。在设计数据架构、搭建数据管道、优化数据工作流或落地数据治理时使用。