下载

Skill UI

浏览并发现 9747+ 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

搜索时区，共找到 48 条记录

默认排序最新上传最多下载

Azure Cosmos DB Python开发指南

azure-cosmos-py

sickn33/antigravity-awesome-skills

这是一份使用Python与Azure Cosmos DB进行交互的综合指南和客户端库。它支持完整的文档CRUD操作，包括数据创建、读取、更新和删除。同时，它还详细介绍了如何执行复杂的查询、管理容器，并涵盖了分区键和异步操作等高级应用场景。

Java实现Azure事件流处理

azure-eventhub-java

sickn33/antigravity-awesome-skills

该库提供了完整的Java客户端，用于连接和操作Azure Event Hubs。它支持开发高吞吐量、实时的事件流应用，适用于构建事件驱动架构。功能包括发送单事件、批量消息、特定分区发送，并提供了生产级的事件处理器，确保数据流的处理可靠性和状态管理。

Java实现Azure事件流处理

azure-eventhub-java

sickn33/antigravity-awesome-skills

该库提供了完整的Java客户端，用于连接和操作Azure Event Hubs。它支持开发高吞吐量、实时的事件流应用，适用于构建事件驱动架构。功能包括发送单事件、批量消息、特定分区发送，并提供了生产级的事件处理器，确保数据流的处理可靠性和状态管理。

Azure事件中心Python流处理库

azure-eventhub-py

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Event Hubs客户端，支持高性能、高吞吐量的事件流处理。它允许开发者构建稳健的数据摄取管道，可作为生产者发送事件，或作为消费者接收事件。集成了高效的批处理机制、分区键管理以及使用Blob存储进行消费进度检查点（Checkpointing）的能力，适用于生产环境的实时数据流应用。

Azure事件中心Python流处理库

azure-eventhub-py

sickn33/antigravity-awesome-skills

该SDK是用于Python的Azure Event Hubs客户端，支持高性能、高吞吐量的事件流处理。它允许开发者构建稳健的数据摄取管道，可作为生产者发送事件，或作为消费者接收事件。集成了高效的批处理机制、分区键管理以及使用Blob存储进行消费进度检查点（Checkpointing）的能力，适用于生产环境的实时数据流应用。

Azure Event Hubs Rust SDK

azure-eventhub-rust

sickn33/antigravity-awesome-skills

这是一个用于Rust语言的Azure Event Hubs客户端SDK。它为用户提供了与Azure Event Hubs交互的能力，支持高效、可靠的大数据流数据摄取。用户可以使用它来构建实时事件驱动的系统，无论是作为数据生产者发送批次事件，还是作为数据消费者订阅和处理多个数据分区的事件流。

Azure Event Hubs Rust SDK

azure-eventhub-rust

sickn33/antigravity-awesome-skills

这是一个用于Rust语言的Azure Event Hubs客户端SDK。它为用户提供了与Azure Event Hubs交互的能力，支持高效、可靠的大数据流数据摄取。用户可以使用它来构建实时事件驱动的系统，无论是作为数据生产者发送批次事件，还是作为数据消费者订阅和处理多个数据分区的事件流。

Azure Event Hubs TypeScript 流处理

azure-eventhub-ts

sickn33/antigravity-awesome-skills

本指南提供了使用TypeScript和Azure Event Hubs SDK进行高性能事件流处理的完整实践。内容涵盖事件的批量发送、分区控制，以及稳健的事件消费机制。深入讲解了检查点（Checkpointing）、从指定偏移量开始消费和处理事件属性等高级功能，适用于构建高吞吐量的实时数据管道和数据摄取系统。

Azure Event Hubs TypeScript 流处理

azure-eventhub-ts

sickn33/antigravity-awesome-skills

本指南提供了使用TypeScript和Azure Event Hubs SDK进行高性能事件流处理的完整实践。内容涵盖事件的批量发送、分区控制，以及稳健的事件消费机制。深入讲解了检查点（Checkpointing）、从指定偏移量开始消费和处理事件属性等高级功能，适用于构建高吞吐量的实时数据管道和数据摄取系统。

多仓库工作区与Monorepo管理

cursor-multi-repo

jeremylongshore/claude-code-plugins-plus-skills

本指南详解如何在Cursor中高效处理大型、复杂的代码库和Monorepo结构。用户可以学习设置多根工作区，利用选择性索引，实现跨项目上下文理解，从而在一个窗口内管理多个独立但相关的项目，极大提升大型项目和模块化开发时的编码效率。

Databricks SDK生产级模式

databricks-sdk-patterns

jeremylongshore/claude-code-plugins-plus-skills

本技能集锦了使用Databricks Python SDK的生产级最佳实践。它涵盖了核心模式，包括单例客户端管理、结构化异常处理（区分瞬时/永久错误）、使用上下文管理器控制集群生命周期，以及构建类型安全的Job定义。确保您的代码具有高度的健壮性和可维护性，适用于构建企业级的数据集成应用。

Firecrawl陷阱与最佳实践指南

firecrawl-known-pitfalls

jeremylongshore/claude-code-plugins-plus-skills

本指南汇总了使用Firecrawl进行网络爬取和内容提取时常见的误区和反模式。它提供了一个实用的代码审查清单，帮助开发者避免无限爬取、格式缺失、过度轮询等陷阱，确保数据管道的稳定性和高效性。

12 3 4 下一页

语言