登录
下载
Skill UI
浏览并发现
15558+
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
AR
,共找到
12087
条记录
默认排序
最新上传
最多下载
Python测试框架与高级技巧
python-testing
affaan-m/ECC
277
本指南教授使用pytest框架进行专业的Python测试实践。内容涵盖了测试驱动开发(TDD)方法论、高级特性如fixture(支持不同作用域)、参数化、断言技巧以及代码覆盖率的实现,帮助开发者构建健壮且可维护的软件测试套件。
查看详情
PyTorch深度学习模式指南
pytorch-patterns
affaan-m/ECC
128
本技能旨在指导用户掌握 PyTorch 框架中的常见模式和设计最佳实践。它适用于开发复杂的深度学习模型,有助于提升神经网络的结构化程度、代码的复用性以及整体的工程效率。
查看详情
不符合项质量管理
quality-nonconformance
affaan-m/ECC
316
本模块用于记录、跟踪和管理生产或流程审计中发现的任何不符合质量标准或规格的项(不合格品)。它对于进行根本原因分析、制定纠正和预防措施(CAPA)以及确保流程合规性至关重要,是质量改进的核心工具。
查看详情
Quarkus微服务开发模式
quarkus-patterns
affaan-m/ECC
142
这是关于使用Quarkus 3.x构建云原生、事件驱动微服务架构的指南。内容涵盖了RESTful API设计、使用Apache Camel进行事件消息传递、利用Hibernate Panache进行数据访问、事务管理、以及高级的日志上下文处理(MDC)。适用于构建健壮、可扩展、可维护的企业级系统。
查看详情
Quarkus应用安全最佳实践
quarkus-security
affaan-m/ECC
287
本指南提供了构建健壮Quarkus应用的全面安全最佳实践。详细介绍了如何实施安全的认证(JWT, OIDC)、基于角色的授权(RBAC)、使用Bean Validation进行严格输入验证,以及防止SQL注入和CSRF等常见漏洞。是加固资源访问和安全管理密钥的关键知识点。
查看详情
Quarkus事件驱动开发测试
quarkus-tdd
affaan-m/ECC
226
本指南专注于Quarkus 3.x的测试驱动开发(TDD)流程,特别针对事件驱动架构。它整合了JUnit 5、Mockito、REST Assured、Apache Camel和JaCoCo等工具,帮助开发者实现高代码覆盖率(80%+)。适用于开发新功能、修复Bug或重构复杂的事件服务和REST API。
查看详情
Quarkus项目健壮发布验证流程
quarkus-verification
affaan-m/ECC
249
这是一份为Quarkus应用设计的全周期多阶段验证流程指南。它覆盖了从构建、静态代码分析(Checkstyle, SonarQube)、功能测试(单元/集成/API)、安全扫描(OWASP, 依赖检查)、原生编译到性能测试(K6)的各个环节。在提交代码或部署前运行此流程,以确保代码质量和系统稳定性。
查看详情
React Native/Expo生产级开发模式
react-native-patterns
affaan-m/ECC
325
本指南涵盖构建生产级React Native和Expo应用的最佳实践。它详细介绍了Expo Router导航、状态分离、使用TanStack Query和Zod进行数据获取、高效列表渲染、样式选择以及调用原生API等核心模式,确保代码结构合理且性能优异。
查看详情
React现代开发模式与最佳实践
react-patterns
affaan-m/ECC
146
本指南详细介绍了React 18/19的惯用开发模式,旨在指导开发者构建高性能、可访问的组件系统。内容涵盖了纯函数原则、Hooks使用规范、状态管理决策树、服务端/客户端组件边界(RSC),以及如何使用React 19的表单操作等高级实践。
查看详情
React组件测试最佳实践
react-testing
affaan-m/ECC
364
本指南提供了关于React组件、自定义Hook和页面行为测试的全面最佳实践。内容涵盖了使用React Testing Library (RTL) 的最佳实践,包括可访问性断言、模拟用户交互和网络请求Mocking,帮助开发者建立清晰的测试边界。
查看详情
可组合推荐系统管道架构
recsys-pipeline-architect
affaan-m/ECC
128
用于设计和构建可组合的推荐、排序和信息流管道。它遵循业界标准的六阶段架构模式(源获取→数据增强→过滤→评分→选择→副作用)。适用于所有需要为用户或上下文选择“Top K”项目的场景,如社交信息流、广告排序或RAG重排序等,确保系统具备高鲁棒性和可扩展性。
查看详情
递归决策与证据账本
recursive-decision-ledger
affaan-m/ECC
61
适用于需要进行多次迭代、深度计算和严格决策流程的复杂场景(如模型优化、系统部署或交易策略)。它强制建立一个结构化“账本”,详细记录每一次试验的输入、当前状态、历史最佳结果和决策依据。核心目标是确保所有结论均基于可追溯、可验证的证据,并严格控制每一步的推进门禁。
查看详情
上一页
1
2
3
...
653
654
655
656
657
658
659
...
1006
1007
1008
下一页
语言
简体中文
English