登录
下载
Skill UI
浏览并发现
7093+
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
上下文分析
,共找到
24
条记录
默认排序
最新上传
最多下载
命令与控制信标检测
hunting-for-command-and-control-beaconing
mukul975/Anthropic-Cybersecurity-Skills
452
通过频率与抖动分析、域名信誉和终端上下文,识别网络中的 C2 信标,帮助威胁搜寻人员锁定受控主机并推动响应。
查看详情
DCSync 攻击狩猎指南
hunting-for-dcsync-attacks
mukul975/Anthropic-Cybersecurity-Skills
56
通过分析 Windows 事件 4662 中非域控制器发起的 DS-Replication-Get-Changes 请求,结合 SIEM 和网络上下文判断 DCSync 攻击并快速响应。
查看详情
Elastic SIEM 告警分类
performing-alert-triage-with-elastic-siem
mukul975/Anthropic-Cybersecurity-Skills
472
在 Elastic Security SIEM 中执行结构化告警分级流程,指导 SOC 分析师依次完成初步评估、ES|QL 上下文搜集、情报丰富、确认分类和记录上报,加速事件响应。
查看详情
Claude 上下文预算审计
context-budget
affaan-m/everything-claude-code
81
分析Claude Code会话中代理、技能、规则与MCP配置的词元开销,检测冗余或臃肿组件,按优先级提供节省建议并支持详细模式定位问题。
查看详情
知识图谱代码助手
understand-chat
Lum1104/Understand-Anything
168
借助 `.understand-anything/knowledge-graph.json` 的项目图谱引导分析元数据、节点、边与层级,帮助开发者快速理解代码上下文与依赖。
查看详情
上下文模式清除
ctx-purge
mksglu/context-mode
104
彻底清除本项目的上下文模式知识库、会话事件、分析和统计数据;通过 `/context-mode:ctx-purge` 并确认调用 `mcp__context-mode__ctx_purge` 以重置环境。
查看详情
内部链接机会分析
seo-aeo-internal-linking
sickn33/antigravity-awesome-skills
310
分析页面集合,输出包含锚文本、自然上下文、孤岛页提示、锚文本瓜分警告和链接权重流向图的内部链接建议,支持内容集群与支柱页策略构建。
查看详情
代码上下文图谱生成器
context-map
github/awesome-copilot
245
在进行任何代码修改前,使用此模板生成完整的代码上下文图谱。它帮助开发者系统性地分析任务相关的全部文件、依赖关系、测试用例和代码模式。这能够全面掌握代码库的当前状态,评估潜在的风险和影响范围,确保开发流程的完整性和稳定性。
查看详情
日常会议准备与分析
daily-prep
github/awesome-copilot
412
该工具通过连接日历,自动化生成次日工作计划。它不仅能拉取您的日程,还能交叉引用待办任务和工作区上下文,对每场会议进行分类(如客户会议、深度工作、学习等)。系统会检测出日程冲突和资源利用不当的问题,并生成包含前瞻性建议的结构化HTML文件,帮助用户优化时间,提高当日效率。
查看详情
DAX公式性能优化
power-bi-dax-optimization
github/awesome-copilot
95
指导 Power BI DAX 专家从性能、可读性、最佳实践和可维护性角度评审公式,建议变量复用、上下文调整与容错处理后输出优化后的公式及说明,适合复杂分析模型。
查看详情
Copilot 代理推荐助手
suggest-awesome-github-copilot-agents
github/awesome-copilot
55
分析当前仓库和对话上下文,从 awesome-copilot 中筛选尚未同步或版本过期的 Custom Agent,说明适用场景与理由,并在获得用户许可后再执行安装或更新。
查看详情
请求所需上下文文件
what-context-needed
github/awesome-copilot
225
本技能用于指导AI系统在回答问题前,主动分析并结构化地列出所有相关的代码文件。它强制AI区分“必须查看”(确保准确性)、“推荐查看”(帮助完善)、“已掌握”和“不确定性”,确保用户获得全面的上下文信息,从而提高AI回答的准确性和深度,特别适用于复杂的编程和调试场景。
查看详情
上一页
1
2
语言
简体中文
English