Docker
io.github.kid-sid/claude-spellbook/docker
在为本地开发编写或优化 Dockerfile、docker-compose.yml,调试与本地表现不一致的容器,或缩减 Python、Node.js 应用镜像体积时使用。不适用于 Kubernetes 资源或 Helm——那类任务请用 containerization。
“kubernetes” 共 292 个结果
io.github.kid-sid/claude-spellbook/docker
在为本地开发编写或优化 Dockerfile、docker-compose.yml,调试与本地表现不一致的容器,或缩减 Python、Node.js 应用镜像体积时使用。不适用于 Kubernetes 资源或 Helm——那类任务请用 containerization。
io.github.kubesphere/kubesphere/frontend-forge-fe-operations
在 frontend-forge 中操作 FrontendExtension(FE)资源:创建、更新、重建、检视包工件、下载包、发布、取消发布、删除,以及调试包/发布控制器行为。当用户提及 FE 运维、FrontendExtension 生命周期、扩展包/下载/发布/取消发布、artifact ConfigMap、包 Job、publisher Job、发布目标 ConfigMap 或 Secret、rebuild-token、包状态/发布状态标签,或在 Kubernetes 集群中排查 FE 状态时使用。
io.github.electric-sql/electric/electric-deployment
通过 Docker、Docker Compose 或 Electric Cloud 部署 Electric。涵盖 DATABASE_URL(直连,非连接池)、ELECTRIC_SECRET(v1.x 起必需)、开发用 ELECTRIC_INSECURE、wal_level=logical、max_replication_slots、ELECTRIC_STORAGE_DIR 持久化、用于池化查询的 ELECTRIC_POOLED_DATABASE_URL、用 ELECTRIC_DATABASE_USE_IPV6 启用 IPv6、Kubernetes 就绪探针(200 与 202)、复制槽清理,以及 Postgres v14+ 要求。在部署 Electric 或为逻辑复制配置 Postgres 时加载。
io.github.wshobson/agents/helm-chart-scaffolding
设计、组织并管理 Helm chart,以可复用配置对 Kubernetes 应用进行模板化与打包。在创建 Helm chart、打包 Kubernetes 应用或实现模板化部署时使用。
io.github.kubeshark/kubeshark/security-audit
由 Kubeshark MCP 驱动的 Kubernetes 网络安全审计技能。当用户想审计集群安全威胁、检测失陷工作负载、发现恶意流量模式、搜寻失陷指标(IOC)、检查数据外泄、识别 C2(命令与控制)通信、检测挖矿、发现横向移动、察觉凭据窃取尝试、评估网络安全态势或在 Kubernetes 中做威胁狩猎时使用。当用户提到 security audit、威胁检测、失陷评估、漏洞扫描、“我的集群是否失陷”、“找恶意流量”、“检查威胁”、DNS 外泄、DNS 隧道、端口扫描、IMDS 访问、反弹 shell、矿机、MITRE ATT&CK、IOC 检测、异常检测、可疑流量、失控工作负载、未授权访问,或任何通过网络流量分析评估集群安全的请求时也触发。
io.github.kubeshark/kubeshark/network-rca
由 Kubeshark MCP 驱动的 Kubernetes 网络根因分析技能。当用户想调查历史事故、做事后流量分析、抓取或管理流量快照、提取 PCAP、从历史抓包剖析 L7 API 调用、按时间段比较流量模式、检测快照间的漂移或异常,或在 Kubernetes 中做任何取证式网络分析时使用。当用户提到快照、raw capture、PCAP 提取、流量回放、postmortem 分析、“昨天/上周发生了什么”、根因分析、RCA、云快照存储、快照剖析,或针对历史流量的 KFL 过滤时也触发。即便用户在 Kubernetes 语境里只说“弄清楚哪里出了问题”或“把今天的流量和昨天对比”,也应使用本技能。
io.github.kubeshark/kubeshark/kfl
KFL2(Kubeshark Filter Language)参考。在编写、构造或建议任何 KFL 过滤表达式前必须先加载本技能。KFL 是静态类型的——错误的字段名或语法会静默失败或报错。未加载本技能时不要猜测 KFL 语法。触发于任何提及 KFL、CEL 过滤、流量过滤、显示过滤、查询语法、过滤表达式、写过滤器、构造查询、build a KFL、创建过滤表达式、“我该怎么过滤”“只看……”“查找满足……的流量”、协议专属查询(HTTP 状态码、DNS 查询、Redis 命令、Kafka topic)、Kubernetes 感知过滤(按命名空间、pod、service、label、annotation)、L4 连接/流过滤、基于时间的查询,或任何在 Kubeshark 中切分/搜索/收窄网络流量的请求。当其他技能需要构造过滤器时也触发——KFL 是所有 Kubeshark 流量分析的查询语言。
io.github.affaan-m/ECC/deployment-patterns
Kubernetes、Docker、Vercel 及各云厂商的部署模式与策略:蓝绿发布、金丝雀发布、滚动部署与零停机升级。
io.github.davila7/claude-code-templates/gke-basics
以黄金路径 Autopilot 配置规划、创建并配置可用于生产的 Google Kubernetes Engine(GKE)集群,覆盖网络、安全、可观测性、弹性伸缩、成本优化以及 GKE 上的 AI/ML 推理。
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.SnailSploit/Claude-Red/offensive-cloud
Cloud security attack methodology covering AWS, Azure, and GCP. Includes credential harvesting (IMDS, ~/.aws, env vars, leaked CI secrets, instance roles), enumeration with cloud-specific tools (pacu, ScoutSuite, Prowler, ROADtools, gcp_enum), privilege escalation paths (IAM PassRole, AssumeRole chains, Lambda/Functions privilege flips, Azure Owner-on-self, GCP serviceAccountTokenCreator), persistence techniques (IAM user/key creation, AAD app registration, GCP svc account key creation, EventBridge/Logic Apps backdoors), data exfiltration (S3/Blob/GCS, snapshot share, RDS/CosmosDB/Cloud SQL exfil), cloud-native lateral movement (cross-account assume, Azure AD multi-tenant, GCP project hierarchy), serverless attacks (Lambda env vars, layer hijack, Step Functions), Kubernetes-on-cloud (EKS/AKS/GKE-specific paths to node and AWS metadata), and CSPM evasion (CloudTrail blind spots, GuardDuty mute, Sentinel rule shaping). Use when the engagement scope is cloud accounts, when you've stolen cloud credentials, or whe
io.github.digoal/blog/opensourcefaq
解答与开源产品有关的深度技术问题,输出图文并茂的 Markdown 技术文章。触发条件:用户提出与开源项目(如 PostgreSQL、Redis、Kafka、Kubernetes、ClickHouse、Flink 等)相关的技术问题,并提供源码目录或 URL、deepwiki repo 名称。即使用户只说“帮我解答这个开源问题”或“分析一下这个项目的某个机制”,也应使用本 skill。输出文章保存到项目 markdown/ 目录,要求直击问题、图文并茂、有实操细节和原理分析。
io.github.davila7/claude-code-templates/gitops-workflow
使用 ArgoCD 与 Flux 实现 GitOps 的完整指南,用于 Kubernetes 自动化部署。
io.github.wshobson/agents/k8s-security-policies
实施 Kubernetes 安全策略,包括 NetworkPolicy、PodSecurityPolicy 与 RBAC,达成生产级安全。在加固 Kubernetes 集群、实现网络隔离或强制 Pod 安全标准时使用。
io.github.curiositech/some_claude_skills/docker-containerization
编写生产级 Dockerfile、docker-compose 配置、多阶段构建以及容器优化。在提及 "Dockerfile"、"docker"、"docker-compose"、"container"、"multi-stage build"、"docker image"、"container optimization"、"docker security" 时激活。不适用于 Kubernetes 编排、云厂商容器服务(ECS、Cloud Run)或 CI/CD 流水线(应使用 github-actions-pipeline-builder)。
io.github.RightNow-AI/openfang/helm
面向 Kubernetes 包管理、模板与依赖管理的 Helm chart 专家。
io.github.aiskillstore/marketplace/docker-k8s
以安全优先的方式掌握容器化与编排。精通 Docker 多阶段构建、Kubernetes 零信任部署、安全加固、GitOps 工作流以及云原生应用的生产就绪模式,包含 CNCF 与主流云厂商的 2025 最佳实践。
io.github.davila7/claude-code-templates/devops-iac-engineer
使用 Terraform、Kubernetes 与云平台落地基础设施即代码。设计可扩展架构、CI/CD 流水线与可观测性方案,并提供安全优先的 DevOps 实践与站点可靠性工程建议。
io.github.mrgoonie/claudekit-skills/backend-development
使用现代技术(Node.js、Python、Go、Rust)、框架(NestJS、FastAPI、Django)、数据库(PostgreSQL、MongoDB、Redis)、API(REST、GraphQL、gRPC)、认证(OAuth 2.1、JWT)、测试策略、安全最佳实践(OWASP Top 10)、性能优化、可扩展性模式(微服务、缓存、分片)、DevOps 实践(Docker、Kubernetes、CI/CD)与监控构建稳健的后端系统。适用于设计 API、实现认证、优化数据库查询、搭建 CI/CD 流水线、处理安全漏洞、构建微服务或开发可投产的后端系统
io.github.ailabs-393/ai-labs-claude-skills/docker-containerization
在容器化应用、编写 Dockerfile、docker-compose 配置或将容器部署到各类平台时使用此技能。适用于需要容器化用于开发、生产或 CI/CD 流水线的 Next.js、React、Node.js 应用。当用户需要 Docker 配置、多阶段构建、容器编排或部署到 Kubernetes、ECS、Cloud Run 等时使用。
io.github.alirezarezvani/claude-skills/slo-architect
用于定义、评审或运维 SLO/SLI/错误预算。触发词包括「define an SLO」「what should our SLO be」「error budget」「burn rate」「SLI」「service level objective」「Google SRE workbook」「multi-window burn-rate alert」,或任何可靠性目标问题。附带 SLO 设计器、带多窗口燃烧率阈值的错误预算计算器,以及捕捉常见缺陷(目标过于激进、窗口过短、SLO 冲突、缺少 SLI 定义)的 SLO 评审器。4 份关于 SLO 原则+SLI 设计+错误预算数学+与 feature-flags-architect/chaos-engineering/kubernetes-operator 组合的参考文档。不是通用的可观测性技能——专注 SLO 这一学科。
io.github.alirezarezvani/claude-skills/chaos-engineering
用于规划、执行或从混沌工程实验中学习。触发词包括「chaos experiment」「fault injection」「gameday」「resilience test」「blast radius」「steady state」「abort criteria」「Chaos Toolkit」「Chaos Mesh」「Litmus」「Gremlin」「AWS FIS」,或任何刻意故障注入的问题。附带实验设计器、爆炸半径计算器与复盘生成器(均为 stdlib Python)、4 份关于混沌原则+实验设计+攻击分类法+工具生态的参考文档,以及 /chaos-experiment 斜杠命令。可与 feature-flags-architect(将 kill switch 作为中止触发器)及 kubernetes-operator(常见混沌目标)组合。
io.github.google/skills/gke-ai-troubleshooting-tpu-performance-degradation
Diagnose GKE Cloud TPU training throughput drops and step-time regressions (15%+ TPU duty-cycle drop) using ML Diagnostics Workload Monitoring (`gcloud alpha mldiagnostics monitored-events` / `hypercomputecluster.googleapis.com/v1alpha`) and 1-minute Cloud Monitoring system metrics (`kubernetes.io/node/accelerator/*`). Distinguishes hardware and network fabric throttling from workload resource bottlenecks (HBM capacity, host memory, or host CPU saturation). Use when TPU training throughput or duty cycle drops without crashing pods, when `PERFORMANCE_DEGRADATION` monitored events fire, or when triaging slow multi-slice training steps. Don't use for complete multi-slice XLA execution stalls with `HANG_DETECTED` logs (use gke-ai-troubleshooting-tpu-mxla-hang) or pod eviction/interruption restarts (use gke-ai-troubleshooting-jobset-interruption).
io.github.google/skills/gke-ai-troubleshooting-tpu-mxla-hang
Diagnose GKE Cloud TPU multi-slice training hangs (Megascale `HANG_DETECTED` logs and hang monitored events) using the ML Diagnostics `Megascale XLA (MXLA) Hang Analyzer` (`gcloud alpha mldiagnostics monitored-events`) and 1-minute Cloud Monitoring multi-slice latency metrics (`kubernetes.io/container/multislice/*`). Distinguishes XLA compiler/HLO launch divergence and host data-input stalls from TPU chip, SparseCore, ICI, or network fabric faults. Use when multi-slice TPU training jobs freeze without progressing steps, emit `HANG_DETECTED`, or stall in collective operations. Don't use for gradual step-time throughput drops without hangs (use gke-ai-troubleshooting-tpu-performance-degradation) or pod preemption/eviction restarts (use gke-ai-troubleshooting-jobset-interruption).