搜索「Git」的结果

io.github.simstudioai/sim/emcn-design-review

审查 UI 代码是否符合 emcn 设计系统——组件、设计令牌、模式与约定。

io.github.simstudioai/sim/react-query-best-practices

审查 React Query 的用法是否符合最佳实践——key 工厂、staleTime、mutation 以及服务端状态归属。

io.github.microsoft/ai-agents-for-beginners/testing-course-samples

当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。

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/azure-openai-to-responses

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。

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.modu-ai/moai-adk/moai-domain-database

数据库专家，覆盖 PostgreSQL、MongoDB、Redis、Oracle 和云数据库平台（Neon、Supabase、Firestore）。用于 schema 设计、查询优化、索引策略、数据建模或云数据库选型。已并入来自 moai-platform-database-cloud 的云厂商指南。

io.github.JetBrains/intellij-community/testing

关于在 IntelliJ 代码库中通过 tests.cmd 运行测试的全面参考。在运行、调试或排查测试执行问题时使用。

io.github.JetBrains/intellij-community/testing

关于在 IntelliJ 代码库中通过 tests.cmd 运行测试的全面参考。在运行、调试或排查测试执行问题时使用。

io.github.EpicenterHQ/epicenter/writing-voice

长文写作的机构口吻：清晰、直接、自然、适合朗读。用于语气打磨、遣词调整、重写，或处理读起来像公司公文/AI 味道的文字。

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/azure-openai-to-responses

将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。

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.keybase/client/react-devtools-profile

在分析 React DevTools Profiler 导出（含 "dataForRoots"/"commitData" 的 .json）时使用——重渲染风暴、commit 扇出、“这个组件为何渲染”、send/interaction 渲染开销。不用于 Chrome Performance trace（其含 "traceEvents"——改用 electron-profile）。

io.github.gibbok/typescript-book/typescript-book-review

以 The Concise TypeScript Book 的风格审查与编辑 TypeScript 图书及参考内容的指南。在审查或编辑本仓库中的教学文字、翻译或非英文内容、代码示例、章节、目录条目或 Markdown 格式时使用，在不改变原意及本书简洁、务实、示例驱动风格的前提下，发现并修复错别字、语法错误、排版问题与轻微的表述不清。

io.github.BuilderIO/agent-native/design-exploration

通过托管的 Design MCP 应用进行 UI/UX 探索、并列设计方向、交互原型预览、用户选择、迭代，以及设计到代码的交接。

io.github.BuilderIO/agent-native/security

agent-native 应用的安全编码实践：输入校验、SQL 注入、XSS、密钥、数据范围隔离与鉴权。在编写任何涉及用户数据或外部输入的 action、路由或组件时使用。

io.github.comet-ml/opik/local-dev

本地开发环境搭建与命令。在协助配置开发服务器、Docker 或本地测试时使用。

io.github.comet-ml/opik/writing-e2e-tests

当开发者要为 Opik 的某个功能、页面或分支添加、编写或创建端到端测试时使用——例如「为实验对比页添加 e2e 测试」「为刚做的功能写测试」「这个分支的 e2e 测试」「给数据集条目流程加测试」。在 tests_end_to_end/e2e/ 中跑完整个循环——分析功能与前端代码、用 Playwright MCP 探索真实 UI、编写 Page Object Model + spec，并在本地运行直到通过。

io.github.fastrepl/anarlog/sqlite-schema-design

按 SQLite Sync 约束为 `crates/cloudsync` 设计或评审 schema，而非套用泛泛的 SQLite 建议。在添加同步表、修改同步列或规划对 CloudSync 安全的迁移时使用。

io.github.fastrepl/anarlog/reactive-sqlite-ui

在 `apps/desktop` 中构建以 SQLite 为后端的响应式 UI，对读取、选择、表单、写入与加载状态采用稳定模式。在实现或审查基于 `useDrizzleLiveQuery` 与 SQLite 变更的界面时使用。

io.github.glebis/claude-skills/automation-advisor

使用自动化决策矩阵框架的交互式自动化决策顾问。在用户问“这个该自动化吗？”、想评估自动化机会、计算自动化 ROI 或盈亏平衡点，或请求自动化决策分析时使用。引导结构化问卷、为四个维度打分、应用覆盖检查，并生成带可视化决策图的 Obsidian 格式报告。

io.github.mattpocock/skills/migrate-to-shoehorn

将测试文件从 `as` 类型断言迁移到 @total-typescript/shoehorn。当用户提到 shoehorn、想替换测试中的 `as`，或需要部分测试数据时使用。

io.github.mattpocock/skills/design-an-interface

使用并行子代理为一个模块生成多种差异极大的接口设计方案。当用户想设计 API、探索接口选项、比较模块形态，或提到“design it twice”时使用。