adr-drafting
以一致模板生成并管理项目的 Architecture Decision Record (ADR)。
▸ 推荐理由规范化架构决策记录流程，方便团队保留技术决策历史与可追溯性。
▸ 风险提示需要读写仓库文件权限以创建/提交 ADR
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 2249 个
ios-simulator-skill
基于可访问性驱动的 iOS 模拟器测试、构建与自动化脚本集合。
▸ 推荐理由为 AI agent 优化的模拟器操作与语义化 UI 导航，适合移动测试自动化场景。
▸ 风险提示仅在 macOS/Xcode 环境可用，运行脚本会调用本地命令。
awq-quantization
AWQ 提供激活感知的 4-bit 权重量化，在显存受限时提升推理速度并尽量保留精度。
▸ 推荐理由比传统量化更保精度，适合在受限 GPU 上部署大模型以显著降成本与加速推理。
▸ 风险提示量化可能导致精度下降或与特定模型/任务不兼容
ray-train
使用 Ray Train 在单机到数千节点集群上编排分布式训练与超参调优。
▸ 推荐理由便于横向扩展、容错与超参搜索，适合跨节点大规模训练场景。
▸ 风险提示需要集群端口与远程资源权限，部署与网络配置可能复杂
pytorch-lightning
提供高层 Trainer API，简化 PyTorch 训练代码并无缝扩展到分布式与加速后端。
▸ 推荐理由显著减少样板代码并平滑扩展到多卡/多节点，适合快速开发与实验迭代。
pytorch-fsdp2
教你在训练脚本中正确集成 PyTorch FSDP2，实现模型分片、混合精度与分布式检查点。
▸ 推荐理由解决单卡内存瓶颈并支持混合精度与 checkpoint，适合大模型训练工程师。
▸ 风险提示需要配置分布式环境与权限，调试复杂且依赖特定 PyTorch 版本
training-llms-megatron
使用 Megatron-Core 在多GPU集群上高效训练 2B–462B 参数的语言模型。
▸ 推荐理由针对超大模型的并行策略与高 MFU 优化，适合追求极致 GPU 利用的研究/工程团队。
▸ 风险提示依赖 NVIDIA 驱动与专有镜像，安装可能拉取外部容器镜像并需高端 GPU
deepspeed
DeepSpeed 的分布式与内存优化实践指南与开发支持。
▸ 推荐理由覆盖 ZeRO、并行策略与精度技巧，适合大模型训练与性能优化工程师。
▸ 风险提示部署与调优复杂，需大量 GPU/集群资源且配置繁琐。
huggingface-accelerate
将 PyTorch 脚本快速转换为多后端分布式训练的轻量工具。
▸ 推荐理由将分布式训练抽象为少量改动，极大降低上手与工程成本。
▸ 风险提示需正确配置集群与资源，错误设置可能导致性能或稳定性问题。
torchforge-rl-training
Meta的PyTorch原生RL库，分离基础设施与算法以便于快速实验与扩展。
▸ 推荐理由适合做算法迭代和接入分布式训练工具链的开发者。
▸ 风险提示可能依赖Meta内部组件或特定版本，需注意兼容性与依赖。
unsloth
提供 Unsloth 的快速微调与显存/速度优化方案与实践。
▸ 推荐理由针对训练速度与显存瓶颈有实测加速与优化技巧。
▸ 风险提示依赖底层优化与特定库版本，可能与部分硬件不兼容。
peft-fine-tuning
用 PEFT/LoRA 等方法对大模型进行参数高效微调的实践与示例。
▸ 推荐理由能在有限显存下训练并显著降低训练开销，适合实务微调。
▸ 风险提示需 PyTorch/HuggingFace 环境与显卡，且会下载大模型权重。
llama-factory
面向 LLaMA-Factory 的无代码 WebUI 微调与模型管理指导。
▸ 推荐理由适合非工程师通过界面快速运行 QLoRA 与模型调优。
▸ 风险提示可能自动下载第三方模型与依赖，注意授权与磁盘占用。
axolotl
提供 Axolotl 的微调流程、YAML 配置与方法（LoRA/QLoRA 等）。
▸ 推荐理由覆盖丰富方法与模型，适合做生产级微调方案参考。
▸ 风险提示安装/运行会下载外部预训练模型并需大量 GPU/磁盘资源。
distributed-llm-pretraining-torchtitan
提供基于 PyTorch 的 4D 并行分布式 LLM 预训练平台（TorchTitan）。
▸ 推荐理由面向有大规模 GPU 集群与预训练需求的团队，提升训练可扩展性与性能。
▸ 风险提示依赖大量 GPU/集群资源，部署与权限复杂，应有运维保障。
nanogpt
约 300 行简洁实现的 GPT 教学代码，便于学习与实验复现。
▸ 推荐理由对想从零理解 Transformer/GPT 细节的开发者与学生非常友好。
advise-project-approach
为软件项目提供架构、技术选型与实施策略的研究与建议。
▸ 推荐理由适合立项前或中途决策，节省调研时间
web-quality-audit
一键进行全站质量审计，覆盖性能、可访问性、SEO与最佳实践。
▸ 推荐理由一次性覆盖性能、可访问性与SEO，适合发布审核。
seo
基于Lighthouse给出技术型SEO优化建议与结构化数据方案。
▸ 推荐理由技术向SEO检查与结构化数据建议，便于实施。
performance
提供深度网页性能诊断与具体优化方案和代码示例。
▸ 推荐理由从瓶颈定位到代码修复，落地性强。
core-web-vitals
针对LCP/INP/CLS三项指标给出优化策略与修复建议。
▸ 推荐理由聚焦影响体验与排名的关键指标，修复导向。
best-practices
提供面向现代网页的安全、兼容与代码质量最佳实践。
▸ 推荐理由提供可执行的安全与兼容修复建议。
accessibility
根据WCAG2.2对网站进行可访问性审计与改进建议。
▸ 推荐理由覆盖Lighthouse与WCAG要点，便于前端改进。
landing-page-creator
生成高转化的单文件响应式联盟着陆页 HTML 模板。
▸ 推荐理由无需构建或依赖，快速部署且便于 A/B 测试和托管。
github-pages-deployer
生成可直接部署到 GitHub Pages 的站点结构与 Actions 工作流。
▸ 推荐理由自动化部署与域名/SSL 指南能让非开发者也能上手托管。
▸ 风险提示可能要求向 GitHub 仓库推送并配置 Actions / 权限
bio-link-deployer
生成可部署的单文件 Linktree 风格个人链接页。
▸ 推荐理由快速产出无需构建、可随处托管，适合内容创作者快速汇总链接。
review-r
对.R脚本做只读的全面代码审查，覆盖质量、可重现性与域内正确性。
▸ 推荐理由系统化的R审查流程，适合数据分析 / 科研代码审计与改进建议。
r-package-check
执行 R 包发布前的完整检查：更新文档、跑测试、R CMD check 并按 CRAN 政策逐项复核。
▸ 推荐理由一站式 R 包发布门控，直击 CRAN 问题。
▸ 风险提示会运行包内测试和代码，存在执行不可信代码的风险。
qa-quarto
用对抗 critic/fixer 循环检查 Quarto HTML 与 Beamer PDF 的内容与视觉一致性并自动修复直至通过。
▸ 推荐理由自动找出并修复转换误差，节省手动比对与调整的重复工作。
permission-check
诊断Claude Code在多层配置堆栈中为何触发或不触发权限提示的原因
▸ 推荐理由定位多层覆盖导致的静默权限问题，便于开发与运维排查
▸ 风险提示会读取项目与用户层的配置文件，读取用户目录需谨慎授权
new-diagram
从模板生成TikZ图，应用规范检查并自动编译直至通过审查
▸ 推荐理由避免从零写TikZ的繁琐，内置规范与自动编译反馈环节
▸ 风险提示会在本地调用LaTeX/TikZ编译器和生成文件，存在命令执行风险
extract-tikz
从 Beamer 源代码提取 TikZ 图，编译为独立 PDF 并转换为 SVG。
▸ 推荐理由自动化把 LaTeX 图块转为网页友好 SVG，便于在 Quarto 等中复用。
▸ 风险提示需要本地 LaTeX/编译工具与外部转换工具，过程会执行编译命令。
deploy
将 Quarto (.qmd) 幻灯片渲染并同步到 docs/ 以发布到 GitHub Pages。
▸ 推荐理由把渲染与同步流程一键化，适合常发讲义/课程的作者。
▸ 风险提示会执行仓内同步脚本，可能运行 shell 命令，应在受信环境下使用。
compile-latex
用 XeLaTeX 多轮次编译 Beamer 幻灯片并处理参考文献。
▸ 推荐理由一键解决引用与多轮编译烦恼，适合学术幻灯片作者。
▸ 风险提示需本地 TeX 环境和 bibtex，可能调用外部编译命令。
commit
自动分阶段、提交、开 PR 并合并到 main 的 Git 工作流技能。
▸ 推荐理由适合自动化日常 git 操作与发布审查流程。
▸ 风险提示会执行推送与合并操作，可能影响主分支，需谨慎授权。
test-case-management
在 TestRail/Xray/Zephyr/Qase 中编写并组织确定性的手动与混合测试用例。
▸ 推荐理由把用户故事快速转为可重复、可审计的测试套件，降低维护成本。
▸ 风险提示需要第三方测试管理平台访问权限，涉及凭证与权限管理。
synthetic-monitoring
在生产上定时运行脚本化探针，持续检测关键用户流程与可用性。
▸ 推荐理由能在低流量时发现问题，适合 SRE/运维与 QA 团队。
▸ 风险提示需要对生产环境持续访问与警报配置，涉及权限与误报风险。
service-virtualization
提供决策框架与实现方案，在测试中隔离或模拟外部依赖并防止真实调用泄露。
▸ 推荐理由帮助选择合适的隔离策略并在 CI 中防止真实依赖泄露，适合复杂集成环境。
▸ 风险提示会使用 Docker/Testcontainers 等组件，需主机支持与额外权限。
selector-drift-recovery
在 UI 重构后批量重生成并验证失效的测试选择器并提交修复 PR。
▸ 推荐理由显著减少 UI 重构对回归测试维护的人工成本，适合频繁迭代的前端团队。
▸ 风险提示需访问测试构建和运行浏览器环境，可能依赖敏感测试凭证。
security-testing
把 OWASP Top10 与 SAST/DAST/依赖扫描纳入 CI，覆盖常见注入与认证缺陷。
▸ 推荐理由将多层安全检查自动化到 PR 流程，显著降低常见安全风险。
▸ 风险提示会运行扫描器并可能触发外部网络访问，需在受控环境执行。