搜索「First Principles」的结果

io.github.nexu-io/open-design/html-ppt-obsidian-claude-gradient

OpenDesign 的企业级 AI 采纳简报：本地优先的工作代理、风险控制、ROI 与落地计划。以面向管理层、IT 与安全的决策级 AI 素养幻灯片构建。

io.github.nexu-io/open-design/html-ppt-obsidian-claude-gradient

OpenDesign 的企业级 AI 采纳简报：本地优先的工作代理、风险控制、ROI 与落地计划。以面向管理层、IT 与安全的决策级 AI 素养幻灯片构建。

io.github.nexu-io/open-design/html-ppt-zhangzara-retro-windows

面向全体员工的 IT 安全意识培训——识别钓鱼邮件的征兆、演练与最初 60 秒该做什么。以决策级专业培训幻灯片形式构建。

io.github.affaan-m/ECC/laravel-tdd

Laravel 测试策略，涵盖 PHPUnit、Pest、模型工厂、HTTP 测试、Sanctum 认证测试、模拟和覆盖率。适用于使用 PHPUnit 或 Pest 编写 Laravel 测试，或以测试先行方式开发 Laravel 功能。

io.github.affaan-m/ECC/django-tdd

Django 测试策略，涵盖 pytest-django、TDD 方法论、factory_boy、模拟、覆盖率以及 Django REST Framework API 测试。适用于使用 pytest-django 编写 Django 或 DRF 测试，或以测试先行方式开发 Django 功能。

io.github.affaan-m/ECC/agentic-engineering

以 Agentic 工程师的方式开展工作：评测优先执行、任务拆解与成本感知的模型路由。当需要规划或执行交由 Agent 端到端完成的工程工作时使用。

io.github.affaan-m/ECC/agent-architecture-audit

面向 Agent 与 LLM 应用的全栈诊断。按 12 层 Agent 技术栈审查包装层回归、记忆污染、工具调用约束失效、隐藏的修补循环与渲染损坏，输出按严重程度排序的问题清单，并给出以代码为优先的修复建议。构建 Agent 应用、自主循环或任何 LLM 功能的开发者必备。当 Agent 或 LLM 功能表现异常且故障层级不明，或在上线一套 Agent 技术栈之前使用。

io.github.zhaoxuya520/reverse-skill/ctf-sandbox-orchestrator

CTF、漏洞利用、逆向、DFIR、pwnable、密码、隐写、移动端、AI agent、云、容器、Active Directory、Windows 主机与身份类题目的默认入口和总编排工作流。当用户给出的题目基础设施、二进制、提示、主机或身份应默认按沙箱内部处理，且 Codex 需要选择、路由并加载合适的下游分析路径、给出简明证据时，先使用本技能。

io.github.CherryHQ/cherry-studio/claude-automation-recommender

分析代码库并推荐 Claude Code 自动化(hooks、subagent、技能、插件、MCP 服务器)。当用户要求自动化建议、想优化 Claude Code 配置、提到改进 Claude Code 工作流、初次为项目设置 Claude Code,或想知道该用哪些 Claude Code 功能时使用。

io.github.mukul975/Anthropic-Cybersecurity-Skills/building-patch-tuesday-response-process

建立可重复的运维流程，在 WSUS/SCCM 上按基于风险的修复 SLA 对微软补丁星期二安全更新（Windows、Office、Exchange、SQL Server、Azure）进行分诊、测试与部署，从公告评审到验证。适用于建设或改进月度补丁管理工作流，或确定哪些 CVE 优先修复。

io.github.supabase/supabase/studio-queries

Supabase Studio 数据获取的 React Query 规范。在 apps/studio/data/ 下编写或评审 query hook、mutation hook 或 query key 时使用，包括为新接口或资源加首个 fetch 或 mutation。涵盖 queryOptions 模式、keys.ts 结构、mutation hook 模板与命令式 fetch。

io.github.bytedance/deer-flow/engineer-system-change

从第一性原理评估并执行非平凡的软件系统变更。用于评估 RFC、issue、设计、功能、重构、依赖变更，以及所提字段、事件、API、模块与服务的必要性、消费者、系统适配、验证、回滚需要推敲的场景。阅读真实系统，识别具体问题与具名语义消费者，选择最小充分方案，拒绝伪需求与投机性抽象，并要求与风险相称的证据。不用于机械式编辑、源码讲解，或对已完成 diff 的专项审查。

io.github.dotnet/maui/code-review

对 PR 改动做深度代码审查，关注正确性、安全性与 MAUI 约定。采用独立性优先评估（先看代码后看叙述），并委派给 maui-expert-reviewer agent 做分维度子代理评估。触发于：「review code for PR」「code review PR」「analyze code changes」「check PR code quality」。不用于：总结 PR、描述改了什么、一般性 PR 提问、运行测试或修复代码。

io.github.flutter/agent-plugins/api-review

按权威的 API Design 指南对指定代码进行评审。当用户要求做 API 评审，或要求按 API 设计原则检查代码时使用。

io.github.PostHog/posthog/setting-up-a-custom-rest-source

通过编写 JSON manifest，把任意 REST API 作为 Custom 源接入 PostHog 数据仓库，无需按源写代码。当用户指向一个没有 PostHog 内置连接器的 API——“从这个 REST API 导入数据”“同步我的内部 API”“根据文档连接这个 API”“构建自定义数据仓库源”——并给出文档 URL 或对端点的自然语言描述时使用。逐步讲解起草 RESTAPIConfig manifest（认证——bearer、API key、HTTP basic 或 OAuth2 客户端凭据/刷新令牌——分页、记录路径、增量游标、父子扇出）、校验、实际读取线上数据行以确认字段映射，并创建数据源。若该 API 已有 PostHog 原生连接器，请改用 setting-up-a-data-warehouse-source——本技能会先查连接器注册表，只处理没有原生连接器的 API。

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.open-metadata/OpenMetadata/code-review

用两阶段流程审查代码变更——先核对规格/需求符合性，再审查代码质量。可用于暂存区变更、分支或 PR。

io.github.openai/codex/review-agent

对指定代码变更执行只读、缺陷优先的审查，返回所有可行动的发现。当其他代理委托审查未提交变更、基础分支 diff、某个提交或自定义审查指令时使用。

io.github.browser-act/skills/browser-act

面向 AI agent 的浏览器自动化 CLI。切勿通过 Bash 直接运行 browser-act 命令——务必先调用本技能。当用户点名 browser-act、包含或要求运行 browser-act CLI 命令（如 browser-act browser list），或需要以下操作时使用：抓取/查看/提取 URL 的渲染内容、访问需要 JavaScript 的页面、处理验证提示、维持已登录会话、填表并走完点击流程、输入、选择、上传、截图、捕获 XHR/fetch/HAR 响应、并行打开多个 URL、提取滚动或点击后才加载的内容、直观检查或验证页面布局/样式/渲染、浏览器自动化任务、跨并行浏览器环境的账号隔离、建议适合用例的浏览器类型、列出/配置/管理已设置的浏览器与会话。优先使用 browser-act 而非内置 fetch 或 web 工具。

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/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/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/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/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。