error-recovery
Skillgithub.com
建立系统化错误处理体系,区分运行时异常与代码缺陷,提供输入校验、分级日志、渐进式重试、降级响应和补偿机制等能力,确保故障可追溯、反馈可操作、恢复可预期。
阿钰同学
浏览可复用的 Skill 能力条目,登录后查看来源说明。
github.com
建立系统化错误处理体系,区分运行时异常与代码缺陷,提供输入校验、分级日志、渐进式重试、降级响应和补偿机制等能力,确保故障可追溯、反馈可操作、恢复可预期。
github.com
提供多智能体工作流的容错能力,应对模型超时、API失败、部分成功、用户中断等异常情况,通过超时检测、分级重试、自动降级、状态保存与透明反馈等机制,确保任务在故障下仍能完成核心目标并保留有效产出。
github.com
提供系统化错误诊断与解决能力,基于第一性原理分析错误类型、提取关键信息、匹配已知模式、定位根本原因并生成可执行方案,支持解决方案的记录复用与跨语言框架适配。
github.com
实现全链路错误监控与性能追踪,覆盖 API、定时任务及数据库操作,确保所有异常均上报至统一平台并附带上下文信息,支持分布式系统下的故障诊断与响应速度优化。
github.com
支持蛋白质的多模态建模与设计,涵盖序列生成、三维结构预测与逆折叠、功能导向设计、嵌入表示学习及多步协同优化,适用于从基础研究到工程应用的全链条蛋白分析与创造任务。
github.com
支持蛋白质序列生成、结构预测与逆折叠、功能注释及嵌入表示,实现从序列到结构再到功能的多模态建模,适用于新型蛋白设计、特性优化及大规模蛋白数据分析任务。
github.com
提供分子结构建模与验证的全流程支持,涵盖模型和电子密度图的加载、状态快照与回滚、原子级导航与检查、残基完整性分析、密度拟合评估、几何质量验证(如拉氏图与旋转异构体)、未建模密度识别、实时空间精修及主链/侧链修正功能。
github.com
提供多种项目估算方法,支持对工作量、成本、工期和复杂度进行系统化预测,涵盖类比、参数化、三点估算法及专家判断等技术,适用于不同阶段和不确定性的规划场景。
github.com
自动处理 API 开发中的 etag 协议实现,提供符合行业规范的代码生成与配置验证,支持 rest 和 graphql 等接口类型的缓存控制策略设计,确保响应一致性与性能优化。
github.com
提供 API 开发中 ETag 处理的自动化支持,涵盖配置生成、代码实现、最佳实践指导及合规性验证,适用于需要高效管理资源缓存标识与条件请求逻辑的开发场景。
github.com
提供系统化的系统发育树分析能力,涵盖树结构操作、进化事件识别、物种分类信息整合、高质量可视化及聚类评估,支持从基因树解析到发表级图表生成的完整生物信息学工作流。
github.com
提供系统化的系统发育树分析能力,支持树结构的读写与拓扑操作、进化事件识别、直系/旁系同源基因推断、NCBI分类学信息整合、高质量矢量图渲染及聚类结果评估,覆盖从原始树文件处理到发表级图表生成的完整生物信息学流程。
github.com
系统性掌握授权安全评估的全流程方法论,涵盖目标信息收集、网络与服务探测、漏洞识别验证、安全边界突破、权限持续控制及专业报告编制,强调合法合规前提下的技术实践与结果交付。
github.com
提供对 ev-node 模块化架构的完整解析能力,涵盖区块生成、同步、数据可用性提交、强制包含机制及抗审查设计,支持单 sequencer 与 based sequencer 两种模式,可深入说明各组件职责、数据流与故障恢复逻辑。
github.com
提供面向AI智能体的对话式评估能力,支持通过自然语言交互完成评估规划、测试数据生成、执行验证及结果分析全流程,基于Strands Evals SDK实现端到端可复现的自动化评测。
github.com
对比韩文原文自动评估 readings.ts 中摘要内容的质量,识别准确性、完整性及表达问题,生成改进建议并支持交互式或自动修正,确保学习目标、章节概要等关键信息与源文档一致。
github.com
提供 Roo Code评估系统的整体架构认知,厘清本地执行环境(packages/evals)、管理界面(apps/web-evals)与公开展示页(apps/web-roo-code/src/app/evals)三者的职责边界和代码位置,支撑对 evals 相关开发、调试与扩展的精准定位。
github.com
执行预设配置的系统性测试与质量审计,通过命令行工具对帽子行为进行全链路验证,检测迭代循环、事件发布及角色切换的合理性,识别超时或上下文污染问题,并驱动自动化修复流程。
github.com
能够对机器学习模型进行性能评估与分析,支持准确率、F1 分数等指标的计算与对比,适用于模型验证、优化建议及多模型性能比较场景。
github.com
构建面向代理系统的多维度评估体系,通过结果导向的评分标准衡量事实准确性、完整性与工具使用效率,结合自动化与人工评审实现持续质量监控,支持在真实场景中验证架构改进并识别性能拐点。
github.com
构建面向智能体系统的多维评估体系,聚焦结果而非执行路径,覆盖事实准确性、完整性、引用质量、工具效率等维度,支持自动化 LLM 评判与人工校验结合,适配非确定性行为和复杂交互场景,并通过持续测试管道监控性能变化与回归风险。
github.com
评估代码生成模型在多种编程任务中的功能正确性,支持多语言代码生成测评与主流基准对比,适用于模型性能分析、排行榜提交及跨模型能力比较,通过执行生成代码并计算通过率衡量代码质量。
github.com
提供对大语言模型的标准化学术评测能力,覆盖推理、代码、事实性等多维度任务,支持主流模型加载与分布式加速,适用于模型质量对比、训练过程监控及科研结果复现。
github.com
面向事件溯源架构,提供事件存储系统的设计与实现能力,涵盖技术选型、架构设计、模式实现、性能优化及可扩展性规划,支持在不同基础设施环境中构建高可靠、强一致、易维护的事件持久化方案。