所有 Skills
找到 8742 个 Skills
Skills 列表
google-analytics-admin-api-basics
用于管理 Google Analytics 账号与媒体资源设置，支持通过 Cloud CLI 启用 Analytics Admin API、查询账号及媒体资源列表，并管理数据流、自定义维度、转化事件与产品集成。当需要通过代码/程序化方式配置 Google Analytics 账号、新建媒体资源、设置数据留存、配置 Measurement Protocol 密钥，或者管理 Firebase 与 Google Ads 账号关联时，使用此 Skill。
google
codegen
用于 json-render 的代码生成工具。在根据 UI 规范生成代码、构建自定义代码导出器、遍历规范或为 @json-render/codegen 序列化属性时使用。
vercel-labsmcp
json-render 的 MCP Apps 集成。用于构建在 Claude、ChatGPT、Cursor 或 VS Code 中渲染交互式 UI 的 MCP 服务器，或将 json-render 与模型上下文协议集成。
vercel-labs
simple-issue-description
Turn a rough bug report, feature request, support note, or pull request into a short, plain-language issue focused on the problem and desired behavior. Use when a contributor asks to simplify an issue, explain what a PR is for, create the corresponding issue for a PR, remove implementation detail from a report, or invokes /simple-issue-description.
every-appcore
用于定义模式、目录和AI提示生成的核心包，适用于@json-render/core，定义模式、创建目录或构建用于UI/视频生成的JSON规范。
vercel-labsreact
用于 json-render 的 React 渲染器，将 JSON 规范转换为 React 组件。当使用 @json-render/react、从 JSON 构建 React UI、创建组件目录或渲染 AI 生成的规范时使用。
vercel-labs
img2threejs
Turn an object or character reference image into a quality-gated, animation-ready procedural Three.js model built in code. Use for image-to-3D reconstruction, detail-accurate object rebuilds, stylized/likeness-maximized human characters, sculpt specs, and staged code generation.
img2threejsgke-basics
负责管理 GKE 集群的核心创建与资源供应、凭据获取、Autopilot 与 Standard 模式的选择以及工作负载部署。适用于创建 GKE 集群、获取 kubectl 访问凭据、配置 Workload Identity，或在 Autopilot 和 Standard 模式之间做出决策等场景。请勿用于 GKE 专项网络配置（请使用 gke-networking）、高级安全加固（请使用 gke-platform-security 或 gke-workload-security）或集群升级（请使用 gke-upgrades）。
googlegke-upgrades
负责规划、执行和验证 Google Kubernetes Engine (GKE) 集群（包含 Standard 标准模式与 Autopilot 托管模式）的升级与运维操作。能够产出升级方案、升前/升后检查清单、附带 gcloud 命令的运维 Runbook、发布渠道（Release Channel）策略以及排障指南。支持各类节点池升级策略（如浪涌升级 surge、蓝绿升级 blue-green）、版本兼容性评估、PDB 规范管理，以及针对特定工作负载（有状态应用、GPU、Operator 算子）的专项处理。 当用户提及 GKE 升级、Kubernetes 版本跨度升级、节点池运维、GKE 打补丁、集群版本管理、发布渠道选择、维护时间窗口设定、浪涌升级、升级卡死或任何 GKE 生命周期的管理任务时（哪怕只是像“我们该升下集群了”、“规划一下下次 GKE 维护”或“升级卡住了”这类随口一提的描述），均可触发本 Skill。 请勿用于 GKE 集群新建、应用接入 (Onboarding)、基础网络/路由配置或安全策略配置（此类场景请使用 gke-basics 或其他相关的 GKE Skill）。
googleagent-platform-alert-configuration
基于 OpenTelemetry (OTel) 指标为 AI Agent 配置最佳实践告警策略。适用于分析、编写或部署告警策略，以监控 Agent 的延迟、错误率、Token 消耗及质量指标。注意：可靠性（Reliability）、成本（Cost）、安全防护（Safety）和系统安全（Security）告警使用通用 OTel 指标，支持跨运行时生效（如 Cloud Run、Vertex AI 等）；而质量（Quality）告警依赖 Vertex AI Online Monitors，仅适用于 Vertex AI 部署环境。
googlebigquery-ai-ml
利用 BigQuery 内置的机器学习与生成式 AI（GenAI）能力进行高级数据分析。适用于编写 SQL 查询以实现时间序列预测、数值预测、异常检测、关键驱动因素分析、语义搜索或向量检索、文本分类、相似度计算、内容摘要生成、语言翻译、模型评估、按语义条件过滤，以及在 BigQuery 中调用生成式 AI 能力等场景。请勿用于处理常规的 BigQuery 数据集、数据表或作业管理需求。
googlebigtable-basics
协助完成 Bigtable 的实例与表资源创建、高性能 Schema 设计以及数据查询。适用于设计 Bigtable 行键（row key）、配置列族（column family）、编写 SQL 查询或客户端代码（Java、Go、Python），以及排查性能瓶颈和热点（hotspotting）问题。也适用于使用 gcloud 或 cbt CLI 配置 Bigtable 集群。请勿用于常规 Cloud SQL 管理。
google
open-code-review
使用 alibaba/open-code-review 的 `ocr` CLI 对 Git 变更进行 AI 驱动的代码审查。当用户要求审查代码、审查拉取请求、审查暂存/未暂存的更改、审查提交或比较分支以发现代码质量问题时使用。生成行级别的审查评论，并可在请求时自动应用修复。配合适当的审查规则，可以检测各种类型的问题，包括错误、安全漏洞、性能问题和代码质量问题。
alibabaagent-platform-eval-flywheel
使用“评估质量飞轮（Eval Quality Flywheel）”方法论，评估并持续提升 Google Cloud 上的 AI 模型与 Agent 质量。适用于：评估 Agent 或模型、构建评估数据集、挑选或编写评估指标、分析失败归因、对比修复前后的效果，以及需要 Agent Platform 评估方法论指导（包含数据集 Schema、LLM 裁判打分/LLM-as-judge 机制、常见失败原因）的场景。如果是模型微调需求，请使用 agent-platform-tuning；如果是通用生产部署，请使用 agent-platform-deploy。
googleworkload-manager-basics
当需要通过官方公共客户端库或 REST API 来管理 Google Cloud Workload Manager 的评估、规则、已扫描资源和校验结果时，使用本 Skill。适用于查看工作负载最佳实践规则，针对 Google Cloud 通用最佳实践、SAP、SQL Server 或组织自定义规则创建并运行评估，审查违规项，导出结果至 BigQuery，或者在缺乏专用公共 CLI 或 MCP Server 的情况下通过客户端库实现 Workload Manager 自动化。请勿用于通用的 Google Compute Engine 实例管理、VPC 配置或标准 IAM 审计。
googlegoogle-cloud-networking-observability
通过分析日志、指标和诊断信息排查 Google Cloud 网络问题。适用于排查 VPC Flow Logs（含成本估算）、NAT、防火墙或威胁日志，查询延迟与吞吐量指标，或运行 Connectivity Tests 进行路径诊断。请勿用于通用 VM 管理或非可观测性任务。
googleagent-platform-deploy
把 Model Garden 中的开源模型或自定义权重部署到 Agent Platform 端点、查看正在进行的部署进度，或通过取消部署模型及删除端点来清理资源。适用于以下场景：主动部署模型、列出 Model Garden 中可用的模型目录（CATALOG）、检查特定模型是否支持部署（`gcloud ai model-garden models list-deployment-config`）、查询部署成本、排查部署报错（如配额限制），以及取消部署/清理端点。拷贝并部署 1P 微调模型（1P Tuned Model）时也使用本 Skill。如果是纯查询/探索类问题，例如“X 部署了吗？”、“列出我的端点”或“哪些区域有运行中的模型？”，请勿使用本 Skill，而应使用 `agent-platform-endpoint-management`。如果是公共 Vertex AI 部署，请使用 `vertex-deploy` Skill；如果是运行模型评估，请使用 `agent-platform-eval-flywheel` Skill。
googleagent-platform-tuning
Agent Platform 模型微调。当需要使用 Agent Platform 基础设施微调开源模型（Open Models）或 Gemini 模型时使用此 Skill。请勿用于 Agent Platform 之外的模型训练、将模型部署到 Endpoint（请使用 `agent-platform-deploy`），或管理推理服务 Endpoint（请使用 `agent-platform-endpoint-management`）。
googleagent-platform-prompt-management
用于在 Agent Platform 中管理和编排 Prompt。适用于创建、列出、查询、版本控制或删除 Agent Platform 中的托管 Prompt。请勿用于模型训练、模型部署到 Endpoint，或管理非 Agent Platform 的 Prompt。
googlecloud-run-basics
管理 Cloud Run 服务、任务和工作者池。当您需要部署响应 HTTP 请求的应用程序（服务）、运行事件触发或定时任务（任务），或处理始终在线的基于拉取的背景处理（工作者池）时使用。
googlegemini-api
当用户询问企业级环境下的 Gemini 使用，或明确提到 Vertex AI、Google Cloud 或 Agent Platform 时使用。本 Skill 指导如何在 Agent Platform 上通过 Google Gen AI SDK 使用 Gemini API，涵盖 SDK 的用法（Python、JS/TS、Go、Java、C#），以及多模态输入、工具调用、媒体生成、上下文缓存、批量预测和 Live API 等核心能力。
googlebigquery-basics
管理 BigQuery 中的数据集、表和作业。当您需要与 BigQuery 交互、运行 SQL 查询、管理 BigQuery 资源（数据集、表、视图）或执行基本数据导入和分析时使用。
googlecloud-sql-basics
此文件用于生成或解释 Cloud SQL 资源。当用户要求为 MySQL、PostgreSQL 或 SQL Server 创建 Cloud SQL 实例或数据库时，请使用此文件。 Cloud SQL 将第三方 MySQL、PostgreSQL 和 SQL Server 实例作为 Cloud SQL 中的资源进行管理。例如，当 Cloud SQL 创建一个开源 MySQL 实例时，生成的资源是 Google Cloud 管理的 Cloud SQL for MySQL 实例。 Cloud SQL 负责处理关系型数据库工作负载的备份、高可用性和安全连接。
googlefirebase-basics
当你处理使用 Firebase 产品或服务的项目时，尤其是移动或 Web 应用，请使用此技能。
google