数据库
SQL、Schema 设计、迁移和数据库操作
Skills 列表
database-optimizer
优化数据库查询并提升 PostgreSQL 和 MySQL 系统的性能。在调查慢查询、分析执行计划或优化数据库性能时使用。适用于索引设计、查询重写、配置调优、分区策略、锁争用解决等场景。
jeffallansql-pro
优化SQL查询、设计数据库架构并排查性能问题。当用户询问查询为何缓慢、需要编写复杂连接或聚合、提到数据库性能问题，或想要设计或迁移架构时使用。适用于复杂查询、窗口函数、CTE、索引策略、查询计划分析、覆盖索引创建、递归查询、EXPLAIN/ANALYZE解读、查询前后基准测试，或在数据库方言（PostgreSQL、MySQL、SQL Server、Oracle）之间迁移查询。
jeffallanpostgres-pro
在优化PostgreSQL查询、配置复制或实现高级数据库功能时使用。调用以进行EXPLAIN分析、JSONB操作、扩展使用、VACUUM调优、性能监控。
jeffallanarchitecture-designer
用于设计新的高层系统架构、审查现有设计或做出架构决策时使用。调用此技能可创建架构图、编写架构决策记录（ADR）、评估技术权衡、设计组件交互以及规划可扩展性。适用于系统设计、架构审查、微服务结构设计、ADR编写、可扩展性规划和基础设施模式选择——区别于代码级设计模式或仅数据库设计任务。
jeffallan
n8n-subworkflows
Build reusable, composable n8n sub-workflows. Use when extracting shared logic, building anything multi-step or reused across workflows, or any workflow over ~10 nodes — and whenever the user mentions sub-workflows, Execute Workflow, reuse, shared/common logic, modular workflows, "Define Below" inputs, waitForSubWorkflow, mode each vs all, or exposing a workflow as an agent tool. Covers typed sub-workflow inputs, all-vs-each execution, verb-first naming for discovery, stateless vs stateful design, and splitting by input shape.
czlonkowski
story-short-analyze
短篇网文拆文。拆解爆款短篇小说（番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材）的故事核、结构、情感线、反转设计、写作手法、共鸣层次。单一全量拆解管道：跑完 Stage 2-6 产出完整拆文报告，落盘到 拆文库/{书名}/，下游 story-short-write 同时读拆文报告 + 情节节点 + 写作手法 + 原文 + _meta.json 写下一篇。触发方式：/story-short-analyze、/短篇拆文、「拆短篇」「拆这篇短文」「短篇拆文」「精细拆解短篇」「8000 字短篇拆解」「番茄短篇拆文」「故事会拆解」「盐言故事拆解」「分析这篇短篇」——均进入同一管道。
zenstory-ain8n-node-configuration
操作感知的节点配置指南。在配置节点、理解属性依赖、确定必填字段、选择get_node详细级别或学习按节点类型的常见配置模式时使用。设置节点参数时始终使用此技能——它解释每个操作需要哪些字段、displayOptions如何控制字段可见性，以及何时使用patchNodeField进行精确编辑与完整节点更新。
czlonkowski
nitro
Nitro is the framework-agnostic server toolkit (powering Nuxt) for building and deploying web servers anywhere. Use when working with nitro.config, server routes/event handlers, route rules, caching, storage, tasks, websockets, or deploying to Node/Bun/Deno/Cloudflare/Vercel.
antfu
story-short-analyze
短篇网文拆文。拆解爆款短篇小说（番茄短篇 / 故事会 / 知乎盐选 / 追妻 / 世情 / 重生 / 虐渣等通俗题材）的故事核、结构、情感线、反转设计、写作手法、共鸣层次。单一全量拆解管道：跑完 Stage 2-6 产出完整拆文报告，落盘到 拆文库/{书名}/，下游 story-short-write 同时读拆文报告 + 情节节点 + 写作手法 + 原文 + _meta.json 写下一篇。触发方式：/story-short-analyze、/短篇拆文、「拆短篇」「拆这篇短文」「短篇拆文」「精细拆解短篇」「8000 字短篇拆解」「番茄短篇拆文」「故事会拆解」「盐言故事拆解」「分析这篇短篇」——均进入同一管道。
worldwonderer
wecomcli-manage-smartsheet-schema
企业微信智能表格结构管理技能。提供子表（Sheet）和字段（Field/列）的增删改查能力。适用场景：(1) 查询智能表格的子表列表 (2) 添加、更新、删除子表 (3) 查询子表的字段/列信息 (4) 添加、更新、删除字段/列。当用户需要管理智能表格的表结构、列定义、子表配置时触发此 Skill。支持通过 docid 或文档 URL 定位文档。
wecomteam
ralph-tui-create-json
Convert PRDs to prd.json format for ralph-tui execution. Creates JSON task files with user stories, acceptance criteria, and dependencies. Triggers on: create prd.json, convert to json, ralph json, create json tasks.
subsy
dms-schema-conversion
Handles the full DMS Schema Conversion lifecycle including creating migration projects, converting database schemas to a target engine, running compatibility assessments, navigating metadata trees, exporting converted DDL to S3, applying schema changes to a target database, and converting SQL statements between database engines. Applies when migrating database schemas between heterogeneous engines using AWS DMS Schema Conversion.
aws
golang-database
Go数据库访问综合指南——参数化查询、结构体扫描、可空列、事务、隔离级别、SELECT FOR UPDATE、连接池、批量处理、上下文传播及迁移工具。适用于编写、审查或调试与PostgreSQL、MariaDB、MySQL或SQLite交互的Golang代码；用于数据库测试；或关于database/sql、sqlx、pgx的问题。不生成数据库模式或迁移SQL。
samber
supabase-postgres-best-practices
来自 Supabase 的 Postgres 性能优化和最佳实践。在编写、审查或优化 Postgres 查询、模式设计或数据库配置时使用此技能。
supabase
database-schema-designer
为SQL和NoSQL数据库设计健壮、可扩展的数据库模式。提供规范化指南、索引策略、迁移模式、约束设计和性能优化。确保数据完整性、查询性能和可维护的数据模型。
softaworksexporting-rds-to-s3
将 Amazon RDS 或 Aurora 数据库快照以 Apache Parquet 格式导出至 Amazon S3，适用于数据分析、备份或数据迁移等场景。涵盖快照选择与创建、IAM 角色配置、KMS 加密、S3 存储桶准备、导出任务执行、进度监控及数据校验的全流程处理。当需要将 RDS/Aurora 数据导出到 S3 供 Athena、Glue 或 Redshift Spectrum 分析消费时使用。
awscreating-amazon-aurora-db-cluster-with-instances
按正确顺序依次处理集群创建、实例配置以及 Secrets Manager 密码管理，快速搭建包含完整实例的 Amazon Aurora 数据库集群。适用于需要按生产级配置创建新的 Aurora MySQL 或 PostgreSQL 集群的场景。
awsquerying-data-lake
执行并管理跨默认和联合目录（Glue、S3 Tables、Redshift）的 Athena SQL 查询。触发短语包括：查询数据、运行 SQL、athena 查询、分析表、SQL 查询、工作组状态、分析表结构、查询 Redshift 目录、查询 S3 Tables。请勿用于查找特定数据资产（使用 finding-data-lake-assets）、完整目录审计（使用 exploring-data-catalog）或导入数据（使用 ingesting-into-data-lake）。
awsingesting-into-data-lake
将数据从S3文件、本地上传、JDBC数据库（Oracle、SQL Server、PostgreSQL、MySQL、RDS、Aurora）、Amazon Redshift、Snowflake、BigQuery、DynamoDB或现有Glue目录表（迁移）导入到AWS数据湖。默认目标为S3 Tables；在未采用S3 Tables的环境下，支持在通用桶上使用标准Iceberg。处理一次性加载、周期性管道、迁移。触发词：导入数据、加载数据、摄取、同步数据库、迁移表、将数据移至AWS、设置管道、ETL、从Snowflake拉取、将BigQuery查询结果存入S3、导出DynamoDB、CTAS、转换为Iceberg。请勿用于设置或排查Glue连接（请使用connecting-to-data-source）、创建空表（请使用creating-data-lake-table）、运行查询（请使用querying-data-lake）、通过模糊名称查找表（请使用finding-data-lake-assets）、目录审计（请使用exploring-data-catalog）或SaaS平台（如Salesforce、ServiceNow、SAP、MongoDB、Kafka）。
aws
wp-plugin-development
在开发WordPress插件时使用：架构与钩子、激活/停用/卸载、管理界面与设置API、数据存储、定时任务/任务、安全性（nonce/权限/清理/转义）以及发布打包。
wordpress
postgres
Use this skill for any PostgreSQL database work — table design, indexing, data types, constraints, extensions (pgvector, PostGIS, TimescaleDB), search, and migrations. **Trigger when user asks to:** - Design or modify PostgreSQL tables, schemas, or data models - Choose data types, constraints, indexes, or partitioning strategies - Work with pgvector embeddings, semantic search, or RAG - Set up full-text search, hybrid search, or BM25 ranking - Use PostGIS for spatial/geographic data - Set up TimescaleDB hypertables for time-series data - Migrate tables to hypertables or evaluate migration candidates - Plan or execute safe schema migrations with zero downtime **Keywords:** PostgreSQL, Postgres, SQL, schema, table design, indexes, constraints, pgvector, PostGIS, TimescaleDB, hypertable, semantic search, hybrid search, BM25, time-series, migration
timescale
clean-architecture
围绕依赖原则组织软件：源代码依赖从框架指向用例，再指向实体，方向向内。当用户提到“架构分层”、“依赖原则”、“端口与适配器（六边形架构）”、“洋葱架构”、“尖叫架构”、“业务逻辑应该放在哪里”、“与数据库解耦”、“无需重写即可替换框架”或“保持业务规则独立”时使用。也适用于决定代码属于哪一层、将核心逻辑与基础设施隔离、定义模块边界，或讨论框架是否应该调用你的代码还是反过来。涵盖组件原则、边界和SOLID。关于代码级质量，请参考clean-code。关于领域建模，请参考domain-driven-design。
wondelai
mantis-history
Analyzes the repository's version control system (VCS) history to extract past vulnerabilities, security fixes, and vulnerability patterns. Use as an initial pre-processing step to build a historical vulnerabilities database (workspace/historical_learnings.jsonl) that informs subsequent stages about past issues and fixes. Don't use for code reviews, writing test scripts, or patching code.
google
efcore-patterns
Entity Framework Core best practices including NoTracking by default, query splitting for navigation collections, migration management, dedicated migration services, and common pitfalls to avoid.
aaronontheweb