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

搜索收集，共找到 19 条记录

默认排序最新上传最多下载

Databricks调试诊断包

databricks-debug-bundle

jeremylongshore/claude-code-plugins-plus-skills

用于收集Databricks环境的全面诊断证据。它能整合环境信息、集群状态、作业运行日志和表历史记录，生成一个脱敏的安全诊断包，专门用于撰写和提交高质量的支持工单，解决复杂的故障排查问题。

Databricks故障应急处理手册

databricks-incident-runbook

jeremylongshore/claude-code-plugins-plus-skills

这份手册为值班工程师提供了处理Databricks故障、中断和重大任务失败的综合指南。它提供了结构化的流程，用于即时故障分级、决策树指导（涵盖集群、代码和数据质量问题），以及证据收集和事后总结，确保了故障的快速、系统性解决。

Juicebox 调试诊断证据包

juicebox-debug-bundle

jeremylongshore/claude-code-plugins-plus-skills

本工具集旨在收集Juicebox平台的综合诊断证据。它可以获取API连接状态、数据集健康度、分析配额使用情况和速率限制信息，并将所有数据打包成一个诊断归档。适用于排查数据上传失败、AI分析任务卡顿、API认证错误或配额耗尽等复杂问题。

OpenRouter API 用量与成本分析

openrouter-usage-analytics

jeremylongshore/claude-code-plugins-plus-skills

该技能用于全面追踪和分析 OpenRouter API 的使用量和成本。它可以收集每次请求的关键数据点，包括总成本、提示和完成的 token 数量、延迟时间及使用模式。适用于构建成本控制仪表盘、优化AI支出或生成详细的使用报告。

PostHog性能优化与数据采集指南

posthog-performance-tuning

jeremylongshore/claude-code-plugins-plus-skills

本指南深入讲解了PostHog的生产环境性能优化方法。内容涵盖了本地化功能开关评估、优化事件批量发送、智能事件抽样以及编写高效的HogQL查询。掌握这些高级技巧，可以大幅提升数据收集的稳定性和分析查询的速度，确保业务洞察的准确性。

专业网络研究与信息综合

search-specialist

sickn33/antigravity-awesome-skills

这是一个专家级网络研究工具，擅长利用高级搜索策略（如查询优化和领域过滤）从多个互联网来源收集、综合和核实信息。适用于需要进行事实核查、趋势分析和生成结构化、可操作洞察的复杂研究任务，确保结论的权威性和可信度。

网络战役归因证据分析

analyzing-campaign-attribution-evidence

mukul975/Anthropic-Cybersecurity-Skills

该技能提供系统化的网络战役归因分析框架。它涉及收集、加权和关联多样化的证据指标，包括基础设施重叠、战术技术流程（TTP）一致性、恶意代码相似性及运营模式，以确定网络攻击事件的责任方。通过应用如竞争假设分析（ACH）等结构化方法，构建可信度加权的评估报告，大幅提升威胁情报的精确度。

开源情报威胁行为者画像分析

building-threat-actor-profile-from-osint

mukul975/Anthropic-Cybersecurity-Skills

本技能提供了一个系统化的方法，利用开源情报（OSINT）构建全面的威胁行为者档案。它涵盖了从多个公开来源收集、关联和分析数据（如供应商报告、暗网论坛等）的过程，能够将对手的TTP映射到MITRE ATT&CK，评估动机，从而生成结构化的报告，用于主动防御和归因分析。

生成结构化网络威胁报告

generating-threat-intelligence-reports

mukul975/Anthropic-Cybersecurity-Skills

本技能指导撰写高质量、结构化的网络威胁情报报告。它根据目标受众（高管、安全运营团队、技术分析师）调整内容，生成战略、战术或运营级别的情报产品。适用于将原始收集数据转化为可操作的威胁简报或事件后评估报告，确保报告符合行业标准。

实验结果监控与分析

monitor-experiment

wanshuiyin/Auto-claude-code-research-in-sleep

本技能提供一套完整的实验结果监控工作流，用于跨平台（如SSH、Vast.ai、Modal）检查正在运行的实验。它指导用户收集实时日志、提取结构化JSON结果，并通过Weights & Biases (W&B) API拉取详细的训练指标（如损失曲线、准确率）。最后，它将结果进行汇总、与基线进行对比，并提供后续的行动建议。

实验计划至代码实现部署

experiment-bridge

wanshuiyin/Auto-claude-code-research-in-sleep

该工作流旨在连接实验计划与实际可执行的代码。它读取结构化的实验路线图，自动生成或修改所需的代码脚本，处理环境配置和基准代码库。随后，它将实验部署到GPU计算资源上运行，并收集初步结果。此过程包含可选的跨模型代码审查，确保代码的逻辑正确性，是实现从研究假设到可衡量结果的关键步骤。

元数据和日志推送到Monte Carlo

monte-carlo-push-ingestion

sickn33/antigravity-awesome-skills

该技能旨在帮助用户从任何数据仓库收集关键数据资产（包括元数据、数据血缘和查询日志），并通过推入式API直接发送到Monte Carlo。这解决了传统拉取收集器无法覆盖的场景，例如自定义血缘关系或缺失的查询历史记录。

语言