differential-review
Skillgithub.com
执行面向安全的代码变更差异审查,覆盖 PR、提交和补丁,结合 Git 历史构建上下文,量化影响范围,评估测试覆盖,并生成结构化 Markdown 报告,自动识别并拦截安全退化问题。
阿钰同学
Reusable Skill entries; sign in to view source pages.
github.com
执行面向安全的代码变更差异审查,覆盖 PR、提交和补丁,结合 Git 历史构建上下文,量化影响范围,评估测试覆盖,并生成结构化 Markdown 报告,自动识别并拦截安全退化问题。
github.com
构建个人数字操作系统,支持内容创作、关系管理、目标追踪与会议准备等核心场景,通过结构化数据格式和渐进式信息加载机制,实现对个人品牌、知识资产、社交网络及日常运营的系统性AI辅助管理。
github.com
为 Go 语言提供现代化语法增强,支持可选值、结果类型、代数数据类型、模式匹配、安全导航及错误传播等特性,通过转译生成标准 Go 代码,在不破坏生态兼容性的前提下提升表达力与安全性。
github.com
通过标记禁用状态和添加警示信息,实现服务文档的逻辑隐藏与可用性管理,在不影响 SEO 和历史访问的前提下,从列表中移除特定服务展示,同时保留页面内容及跳转链接的持续生效。
github.com
面向关键业务系统的容灾能力建设,根据基础设施环境与恢复指标要求,自动生成跨平台的容灾方案配置和部署代码,覆盖多云及混合架构场景,确保满足指定的 RTO 和 RPO 目标。
github.com
根据业务需求自动生成跨平台的容灾恢复方案,生成高可用架构配置与部署代码,支持多区域冗余、数据复制及故障转移策略的设计与实现,确保系统在中断后满足指定的恢复目标。
github.com
实现对 Discord 服务器的深度自动化管理,涵盖消息收发、表情反应、贴纸与自定义表情上传、投票创建、频道及分类管理、成员与权限查询、内容检索、话题线程操作、消息置顶及审核管控等功能,适配团队协作与社区运营场景。
github.com
专注构建高可用、可扩展的 Discord 机器人,支持 JavaScript(Discord.js)和 Python(Pycord)双栈开发,涵盖网关连接管理、slash 命令注册、按钮与下拉菜单等交互组件、分片部署及速率控制,兼顾安全实践与生产就绪规范。
github.com
自动生成符合业务自动化需求的 Discord 机器人,涵盖从初始化配置、代码编写到最佳实践验证的全流程,支持工作流集成、邮件处理与电子表格操作等企业级场景。
github.com
自动生成和配置 Discord 机器人,支持工作流自动化、邮件处理与电子表格操作,适用于需要集成消息通信与业务流程优化的场景。
github.com
分析 Python 代码库并识别高价值的模糊测试目标,聚焦于解析、解码、验证等边界逻辑,结合代码结构与测试覆盖情况筛选关键函数,生成包含定位结果和后续行动指引的简明报告,辅助自动化测试流程搭建。
github.com
提供对 Linux 系统磁盘空间与文件系统的深度分析能力,涵盖挂载点识别、容量及 inode 使用率统计、目录层级大小分布、大文件定位与底层设备信息获取,适用于存储瓶颈诊断和容量规划场景。
github.com
针对多个相互独立的问题,可同时启动多个专用智能体分别处理,每个智能体聚焦单一故障域,自主完成分析、定位与修复,最终汇总结果并验证整体一致性,显著提升多问题排查与修复效率。
github.com
将复杂任务自动拆解为多个可并行执行的独立子任务,动态规划执行顺序与依赖关系,支持模拟调度和真实 CLI 子代理并行运行,并汇总结果生成结构化报告,适用于多步骤、批处理或需协同工作的场景。
github.com
为分布式微服务架构提供端到端请求追踪能力,支持跨服务调用链路可视化、延迟分析、错误传播定位及性能瓶颈识别,适用于复杂系统调试、依赖关系梳理与可观测性建设。
github.com
提供跨微服务请求的全链路追踪能力,支持在分布式系统中可视化请求路径、分析各环节延迟、定位性能瓶颈与故障点,并通过 Jaeger 和 Tempo 实现 trace 数据采集、存储与查询,适用于复杂架构下的可观测性建设与问题诊断。
github.com
自动化微服务分布式追踪体系的构建,覆盖链路埋点、上下文透传、追踪数据采集与分析全环节,支持根据架构需求灵活适配不同后端系统,并提供可落地的配置方案与代码集成指引。
github.com
自动化微服务架构下的分布式追踪部署,涵盖上下文透传配置、服务端点埋点、链路数据采集与分析后端集成,帮助开发者快速实现跨服务请求的端到端可观测性,定位性能瓶颈和延迟问题。
github.com
简化分布式训练流程,通过统一接口支持多种并行策略与混合精度计算,自动处理设备分配和梯度同步,仅需少量代码修改即可实现跨单机多卡、多节点乃至 TPU 的高效模型训练。
github.com
支持超大规模语言模型训练,通过张量、流水线及专家并行等策略实现高效分布式计算,在H100上可达47% MFU,适用于2B至462B参数模型的生产级训练任务。
github.com
提供基于 PyTorch 的高层训练框架,自动处理分布式训练、混合精度和设备管理,通过模块化回调与标准化流程实现从单卡到超算的无缝扩展,适用于需要简洁代码与工业级稳定性的深度学习项目。
github.com
提供跨集群的分布式训练编排能力,支持 PyTorch、TensorFlow 和 HuggingFace 模型从单机扩展至数千节点,内置超参调优、容错恢复与弹性扩缩容,适用于大规模模型训练和分布式超参搜索场景。
github.com
自动完成分布式训练环境的初始化配置,涵盖多节点通信设置、框架适配(如 PyTorch 和 TensorFlow)、资源调度参数生成及配置校验,输出可直接部署的生产级代码与最佳实践建议。
github.com
自动完成分布式机器学习训练环境的初始化与配置,涵盖多节点通信、数据并行策略、框架适配及生产级参数设定,确保训练任务可扩展且符合主流框架规范。