下载

Skill UI

浏览并发现 7129+ 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 ODI ，共找到 189 条记录

默认排序最新上传最多下载

请求所需上下文文件

what-context-needed

github/awesome-copilot

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。

生成编码标准文档

write-coding-standards-from-file

github/awesome-copilot

扫描指定文件或目录，提取现有语法风格，再根据配置模板撰写项目编码规范或贡献指南，并可检测或修复不一致项后保存到首个可用规范文件名。

中文Git提交规范与自动化指南

chinese-commit-conventions

jnMetaCode/superpowers-zh

本指南基于Conventional Commits规范，为中文团队提供了完整的Git提交规范。它详细指导了如何编写结构化、可追溯的Commit Message，涵盖了提交类型、主题、详细描述和重大变更（BREAKING CHANGE）的标注。使用规范提交能有效实现Changelog的自动化生成，保持项目版本历史的清晰度和专业性。

国内Git工作流规范与实践

chinese-git-workflow

jnMetaCode/superpowers-zh

本技能提供了一套完整的Git工作流规范，专为国内开发团队环境设计。它解决了GitHub访问不稳定、CI/CD方案不适配以及提交规范不统一等痛点。内容涵盖了主流工作流模型（如主干开发、Git Flow）、分支命名规则、中文约定式提交规范，以及针对Gitee、Coding等国内平台的CI/CD配置。

板球赛事与队伍识别技巧

cricket-tournament-team

EverMind-AI/EverOS

本技能指导用户如何系统性地研究板球相关问题，通过确定具体的赛事类型（如ODI、T20、Test、IPL）和所有参与队伍（包括小众国家队），从而极大地缩小和集中搜索范围。这是一种结构化的信息检索方法，确保在任何板球主题上都能获取全面准确的信息。

通过地理线索锁定乐队

band-geographic-first

EverMind-AI/EverOS

本技能用于解决那些没有直接给出国家名称，而是通过间接地理线索（如国土面积范围、欧盟成员资格年份、国旗颜色等）来暗示目标国家的问题。核心在于将国家识别视为一个系统性的推理谜题，尤其要注意当存在多个符合线索的国家候选时，必须按流程系统性地测试每一个可能性，以缩小搜索范围，最终锁定乐队名称。

板球运动员生涯数据验证

cricket-career-verify

EverMind-AI/EverOS

本技能用于全面验证候选板球运动员的职业生涯数据。通过交叉比对维基百科或Cricinfo等来源的结构化信息，可以确认包括出生日期、首次亮相的比赛细节（包括赛制、对手、得分）、生涯里程碑及效力球队等所有关键约束。特别注意区分ODI、T20I和Test等不同赛制，确保数据准确性。

代码库深度架构文档化

acquire-codebase-knowledge

github/awesome-copilot

本技能能够系统性地分析和学习现有代码库的全部知识，自动生成包含技术栈、架构、结构、规范、集成、测试策略和潜在风险等七份详细文档。适用于新成员入职、项目审计或创建完整的、可验证的系统知识库。

生成分步执行计划

agentscope-ai/QwenPaw

当面对需要多步拆解、步骤间有依赖关系或流程复杂的任务时使用。本技能用于向更强的Agent请求一份明确、可落地、按顺序排列的执行计划。请注意，该计划的目的是让用户自己去执行，而不是让Agent代为执行任务。

上一页 1 2 3...13 14 1516

语言