下载

Skill UI

浏览并发现 9119+ 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

搜索优先级排序，共找到 15 条记录

默认排序最新上传最多下载

单体拆解与迁移路线

decomposition-planning-roadmap

tech-leads-club/agent-skills

提供单体应用拆解与迁移的分步计划和路线图，按风险价值排序、分阶段应用分解模式，生成架构故事并跟踪进度，适合制定迁移策略、记录工作优先级。

威胁缓解与安全控制映射

threat-mitigation-mapping

sickn33/antigravity-awesome-skills

该技能用于将识别出的安全威胁与对应的安全控制措施和缓解策略进行系统性关联。它帮助用户在进行安全投资优先级排序、制定补救路线图、验证现有控制覆盖率以及进行防御纵深设计时，建立完整的风险治理框架和安全架构。

Vertex AI生产就绪度验证器

validator-expert

jeremylongshore/claude-code-plugins-plus-skills

该技能旨在对Vertex AI Agent Engine的部署进行全面的生产就绪度验证。它执行跨越安全、监控、性能、合规和最佳实践五个维度的加权审计，生成0-100%的综合评分。输出结果包含每一项检查的详细通过/失败报告，并提供按优先级排序的可操作的优化建议，确保部署质量达到生产级标准。

漏洞变体追踪

variant-analysis

trailofbits/skills

在确认初始漏洞后，基于模式逐步泛化并排查整站点的类似安全问题，辅以 ripgrep/Semgrep/CodeQL 等工具，系统记录位置、置信度与可利用性，助力漏洞审计与优先级排序。

开放靶点数据库平台

opentargets-database

K-Dense-AI/claude-scientific-skills

通过 Open Targets GraphQL API 查询靶点-疾病关联、可成药性、安全性、药物及多组学证据，帮助完成治疗靶点发现、优先级排序、安全评估和药物再利用等工作。

战略路线图规划

roadmap-planning

deanpeters/Product-Manager-Skills

帮助产品经理通过优先级梳理、史诗定义、利益相关方协同和发布排序，把战略转化为可执行的路线图，避免陷入缺乏客户导向和业务叙事的“功能工厂”式计划。

紧急医疗信息卡生成器

sickn33/antigravity-awesome-skills

本技能用于生成一份高度结构化、可快速访问的紧急医疗信息摘要卡片。它能从用户档案中提取过敏史、当前用药、慢性病、植入物和紧急联系人等核心数据。支持HTML、JSON、PDF等多种格式输出，并根据医疗紧急程度对信息进行优先级排序，确保在紧急就医或旅行时能提供最关键的生命支持信息。

漏洞扫描工作流程

building-vulnerability-scanning-workflow

mukul975/Anthropic-Cybersecurity-Skills

构建面向SOC团队的结构化漏洞扫描流程，涵盖 Nessus/Qualys/OpenVAS 扫描、风险优先级排序、SIEM 接入与修复仪表盘，明确扫描节奏和SLA化追踪，帮助持续验证基础设施漏洞并推动处置。

基于EPSS的漏洞优先修复

implementing-epss-score-for-vulnerability-prioritization

mukul975/Anthropic-Cybersecurity-Skills

将 FIRST 的 EPSS API 与漏洞扫描结果融合，根据利用概率和 CVSS 评分算出优先级，输出排序结果供补丁、评估或 SOC 响应使用。

KEV漏洞优先级评估

performing-cve-prioritization-with-kev-catalog

mukul975/Anthropic-Cybersecurity-Skills

集成CISA KEV目录、EPSS与CVSS分数，并引入资产关键性与网络暴露，帮助团队基于实战利用数据为CVE排序以便更快完成修复。

产品需求与功能规格制定

gen-specs-as-issues

github/awesome-copilot

这是一个为产品经理和技术负责人设计的系统化工作流。它指导用户对现有软件项目进行深入理解，识别功能缺失（Gap Analysis），通过评分矩阵进行优先级排序，并为每个核心功能制定详细、可执行的最小可行产品（MVP）规范。最终输出结构化的开发任务和依赖关系图谱。

复杂足球问答约束分解

football-constraint-decompose

EverMind-AI/EverOS

本技巧指导用户如何分解具备多重约束条件的复杂问题，尤其适用于足球历史或知识问答。它强调不应一次性搜索所有条件，而是应根据约束的唯一性（如：特定比赛结果 > 里程碑 > 年份范围）进行优先级排序。采用渐进式、级联式的搜索方法，可以逐步缩小范围，从而提高信息检索的准确性和效率。

语言