下载

Skill UI

浏览并发现 9916+ 精选技能

全部编程开发人工智能设计创意产品商业数据科学市场营销职场通用效率工具硬件工程语言学习

搜索决策支持，共找到 15 条记录

默认排序最新上传最多下载

架构决策记录模板

architecture-decision-records

sickn33/antigravity-awesome-skills

提供成熟的架构决策记录模板与流程，帮助团队记录背景、选项、权衡与后续影响，支持决策回顾与成员传承。

OpenEvidence CI/CD 集成测试

openevidence-ci-integration

jeremylongshore/claude-code-plugins-plus-skills

该技能用于为OpenEvidence临床决策支持系统设置自动化持续集成与持续部署（CI/CD）流程。它确保在每次拉取请求和合并到主分支时，都能自动运行单元测试（使用模拟证据查询和引用）和实时API连通性测试。核心功能包括验证查询格式、证据解析、引用提取和响应质量评分，保障医疗AI应用的可靠性。

OpenEvidence API 调试工具包

openevidence-debug-bundle

jeremylongshore/claude-code-plugins-plus-skills

本工具包用于收集OpenEvidence临床决策支持API的全面诊断证据。它能验证API凭证、检查查询健康状态、检索证据引用和模型元数据。当遇到查询失败、引用缺失、高延迟或API连接问题时，可以使用此工具快速定位问题根源，无需进入OpenEvidence控制台。

OpenEvidence本地开发环境模拟

openevidence-local-dev-loop

jeremylongshore/claude-code-plugins-plus-skills

本工具为OpenEvidence临床决策支持API提供了本地开发和测试环境。它通过模拟证据查询、引文和临床摘要数据，允许开发者在不消耗真实API配额的情况下，快速构建和测试医疗健康应用。支持模拟模式和沙箱模式切换，确保开发数据脱敏。

OpenEvidence API 限速与重试策略

openevidence-rate-limits

jeremylongshore/claude-code-plugins-plus-skills

本指南展示了如何为关键的医疗健康API实现健壮的限速和重试机制。它使用令牌桶模式管理不同的服务调用限制（如临床查询、证据综合），并涵盖了指数退避和批量处理策略，确保在高并发和网络波动下，临床决策支持系统的稳定性和数据检索的可靠性。

OpenEvidence临床参考架构

openevidence-reference-architecture

jeremylongshore/claude-code-plugins-plus-skills

本文档提供了OpenEvidence的参考架构，用于构建医疗领域的临床决策支持系统（CDS）。它详细阐述了如何实现HIPAA合规、支持可溯源的证据引用、构建完整的审计日志，以及优化点护理工作流的性能，确保系统在提供快速、准确答案的同时满足严格的监管要求。

OpenEvidence网络钩子集成指南

openevidence-webhooks-events

jeremylongshore/claude-code-plugins-plus-skills

本指南提供了完整的OpenEvidence网络钩子集成文档和代码示例。学习如何订阅实时事件（如查询完成、证据更新、新引文添加），确保临床决策支持系统保持最新状态。利用这些钩子触发下游审计工作流，实现即时数据同步。

全栈项目搭建与代码质量分析

senior-fullstack

alirezarezvani/claude-skills

这是一个全面的全栈开发工具箱，旨在覆盖整个软件开发生命周期。它通过决策引擎帮助用户选择最合适的技术栈，支持生成Next.js、MERN、FastAPI和Django等主流框架的完整项目骨架。同时，它提供专业的代码质量分析，包括安全漏洞检测、代码复杂度评分和依赖审计，确保项目从一开始就具备高质量的工程基础。

Pymoo 多目标优化框架

K-Dense-AI/claude-scientific-skills

Python 框架，集成 NSGA-II/III、MOEA/D 等多目标与约束优化算法，支持基准问题、定制算子与帕累托前沿可视化，适合工程设计与多方案决策。

医疗临床决策支持系统开发模式

healthcare-cdss-patterns

affaan-m/everything-claude-code

本模块提供一套完整的临床决策支持系统（CDSS）开发模式，用于集成到电子病历（EMR）工作流中。功能包括药物相互作用检查、基于体重/年龄/肾功能的剂量校验，以及各种临床评分（如NEWS2）。核心设计遵循纯函数原则，确保系统高度可测试和安全可靠，显著提升患者用药和诊断的准确性。

医疗健康安全评估系统

healthcare-eval-harness

affaan-m/everything-claude-code

这是一个为医疗健康应用程序部署设计的自动化验证系统。它通过运行多个强制性测试门（如临床决策支持系统准确性、受保护健康信息泄露检查和数据完整性检查），来强制执行严格的患者安全标准。任何关键门测试的失败都会自动阻止部署，确保在CI/CD流程中达到合规性，保障患者安全。

Ruff循环代码质量修复

ruff-recursive-fix

github/awesome-copilot

这是一个高级技能，用于自动化Python代码质量的检查和修复。它采用了受控的迭代工作流，支持安全和不安全的自动修复，并每次修复后进行代码格式化和差异审查。该过程会递归重复执行，直到所有发现的问题都被解决或需要用户做出明确决策，确保代码达到高一致性和高质量标准。

语言