软件下载帮助文档新闻资讯

Skill UI

浏览并发现 18950+ 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

搜索依赖追踪，共找到 28 条记录

默认排序最新上传最多下载

微服务分布式链路追踪

distributed-tracing

sickn33/antigravity-awesome-skills

该技能提供使用OpenTelemetry和Jaeger等工具进行分布式链路追踪的完整指南。它帮助用户监控跨多个微服务的请求完整生命周期，从而实现对系统性能、调用依赖关系和故障点的全面掌握。适用于排查高延迟、识别性能瓶颈、追踪错误传播等复杂分布式场景。

FreshBooks 项目自动化

freshbooks-automation

ComposioHQ/awesome-claude-skills

通过依赖 Rube MCP 的 FreshBooks 工具包，实现列出企业、管理项目、追踪计时与预算等会计流程的自动化。

服务网格可观测性全指南

service-mesh-observability

sickn33/antigravity-awesome-skills

本指南提供服务网格（如Istio、Linkerd）的全面可观测性实践。它详细讲解了指标（Metrics）、追踪（Traces）和日志（Logs）三大支柱的实现方法，帮助用户监控服务健康状态、可视化服务依赖关系，并追踪延迟、流量、错误等关键性能指标，用于复杂的微服务故障排查和性能调优。

代码库规范逆向工程

Jeffallan/claude-skills

这是一个专业的代码库逆向工程技能，用于从缺乏文档或遗留的代码中提取全面的功能和非功能规范。它通过分析代码结构、追踪数据流和识别可观察的行为来工作。输出使用 EARS 格式组织，能生成清晰的需求文档、架构图和依赖关系图，非常适用于新项目接手或系统现代化。

深度代码库系统分析

wiki-researcher

sickn33/antigravity-awesome-skills

扮演资深软件工程师和系统分析师，用于深入理解复杂代码库的内部机制。它通过追踪实际的代码路径、数据流和依赖关系，提供结构化的架构分析、模式识别和技术评估，确保所有结论均有代码证据支持。

SBOM供应链漏洞分析

analyzing-sbom-for-supply-chain-vulnerabilities

mukul975/Anthropic-Cybersecurity-Skills

该工具用于解析CycloneDX和SPDX格式的SBOM文件，通过与NVD CVE数据库进行关联，识别软件供应链中的潜在漏洞。它能够构建依赖图，计算风险评分，并追踪深层级的传递依赖漏洞路径，帮助组织评估第三方风险和确保软件合规性。

AI智能体供应链完整性审计

agent-supply-chain

github/awesome-copilot

本技能旨在为AI智能体插件、工具和依赖项提供完整的供应链完整性验证机制。它通过生成确定性的SHA-256哈希清单（INTEGRITY.json），使用户能够精确检测任何未经授权的修改、追踪组件来源，并确保部署的资产与原始版本完全一致。适用于CI/CD流程和代码审查，以保护整个智能体生态系统的安全性。

GitHub敏捷项目分解与追踪

github/awesome-copilot

此提示模拟资深项目经理和DevOps专家，用于将完整的PRD、技术分解和测试计划等物料，自动生成结构化的GitHub项目计划。它严格遵循敏捷开发流程（Epic至Task），包含任务分解、依赖关系管理、成功标准和完成定义，帮助用户在GitHub上实现端到端的项目跟踪和协作。

Arize追踪与可观测性配置

arize-instrumentation

github/awesome-copilot

本技能用于指导用户将Arize AX追踪功能集成到现有应用中，特别适用于复杂的LLM应用。它遵循结构化的两阶段流程：首先进行代码库分析（只读），了解所有依赖和架构；随后进行仪器化实现。它支持多语言环境，深度集成OpenTelemetry和各类大模型服务商，旨在提供完整的系统可观测性，且不会修改核心业务逻辑。

通过个人故事追踪游戏开发者

game-person-story

EverMind-AI/EverOS

本技能用于通过搜索开发者罕见的个人故事、轶事或生活细节来间接定位游戏开发者。它不依赖于游戏数据库本身，而是利用访谈、博客或大会演讲中出现的独有、极具辨识度的短语或历史细节。当开发者身份难以直接查证时，这是一种深度研究的有效方法。

足球线索深度追踪法

football-lead-tracking

EverMind-AI/EverOS

这是一种用于深入研究足球主题的进阶搜索方法。它要求用户不只依赖原始问题，而是必须系统地追踪搜索结果中发现的每一个实体（如球员、俱乐部或教练）。将这些实体视为新的线索，通过结合发现的名称和原始问题中的约束条件，进行后续的二次搜索，确保知识链的完整性，不遗漏任何关键信息。

通过MV画面内容追踪歌曲

track-mv-content

EverMind-AI/EverOS

该技能指导用户如何将音乐视频（MV）的视觉内容——例如特定的场景、情感主题（如悲伤、失落）或现实事件——作为强大的搜索锚点。用户不再仅依赖歌名或艺人，而是从MV的叙事细节中提取关键词来优化查询，从而提高定位歌曲的准确性和成功率。适用于音乐研究和文化分析。

语言