إعادة تعيين السياق في Claude Code تسبب فقدان التقدم وتكرار الشرح. توفر هذه المهارة نمط نقاط طريق بثلاثة ملفات (خطة/سياق/مهام) الذي يوثق القرارات ويتتبع التقدم ويتيح الاستئناف في أقل من 60 ثانية بعد الانقطاعات.

كتابة كود الخلفية لـ Supabase يمكن أن يكون معقدًا مع العديد من الأجزاء المتحركة. توفر هذه المهارة أنماطًا جاهزة للاستخدام لـ Edge Functions، وتصميم قواعد البيانات، وأمان مستوى الصفوف، والتكاملات حتى تتمكن من الإطلاق بشكل أسرع مع أخطاء أقل.

تحتاج إلى إنشاء أو تحرير أو تحليل مستندات Word مع الحفاظ على التغييرات المتعقبة والتعليقات والتنسيق. توفر هذه المهارة أدوات معالجة OOXML لسير عمل المستندات الاحترافية. تتعامل مع إنشاء المستندات والتحرير والتعليق والتغييرات المتعقبة مع التحقق التلقائي.

تفشل المستندات المعقدة عندما يكون السياق والهيكل ضعيفين. يرشدك سير العمل هذا من خلال مراحل جمع السياق والكتابة المبدئية واختبار القراء لإنشاء مستندات تعمل للقراء.

فحوصات الجودة اليدوية غير متسقة وتستغرق وقتاً طويلاً. تختبر هذه الميزة التحقق الشامل من الجودة عبر التحليل الثابت والاختبار الديناميكي والتحقق من التكامل مع درجات شهادة قابلة للقياس وتوثيق الامتثال.

تضمن أن الكود الخاص بك يعمل بشكل فعلي عن طريق إنشاء بيئات اختبار معزولة وتنفيذ الكود مع مدخلات واقعية. تنقل هذه المهارة ما بعد التحليل الثابت للتحقق من الوظائف الحقيقية من خلال سير عمل الاختبار والتحقق من الصحة والتنحيح المنهجي.

توفر Flow Nexus صناديق رملية للتخزين وقواعد البيانات وخدمات النشر السحابية. تعمل هذه المهارة على أتمتة المصادقة وإنشاء الصناديق الرملية ونشر التطبيقات والمراقبة وإدارة الفوترة لمنصة Flow Nexus.

تتطلب المشاريع المعقدة متعددة الوكلاء تنسيقًا متطورًا. توفر هذه المهارة أنماطًا منهجية للتبديل الديناميكي للطوبولوجيا، وسلوكيات الوكلاء ذاتية التنظيم، وتخصيص الموارد التكيفي لتحسين أداء السرب.

بناء نماذج التعلم الآلي الجاهزة للإنتاج يتطلب بنية تحتية معقدة للتدريب الموزع. تقوم هذه المهارة بأتمتة خط الأنابيب بالكامل من تصميم البنية المعمارية إلى النشر السحابي باستخدام منصة Flow Nexus.

يحتاج صندوق الرمل لـ Claude Code إلى تكوين شبكة آمن لمنع الوصول غير المصرح به مع السماح المجالات الموثوقة. توفر هذه المهلة إرشادات خطوة بخطوة لتكوين قواعد جدار الحماية والمجالات الموثوقة وسياسات الوصول.

مراجعات الكود اليدوية بطيئة وغير متسقة بين المراجعين. تقوم هذه المهارة بتنسيق 15 وكيل ذكاء اصطناعي متخصص للتحقق من طلبات السحب بشكل منهجي عبر أبعاد الأمان والأداء والبنية والتوثيق في سير عمل متكرر مدته 4 ساعات.

مراجعات الكود اليدوية تستغرق وقتًا طويلاً وغير متسقة عبر الفرق. تنسق هذه المهارة خمسة وكلاء ذكاء اصطناعي متخصصين لإجراء تحليل شامل للأمان والأداء والجودة والاختبار والتوثيق على طلبات السحب بشكل متوازٍ، مع تقديم تقارير مراجعة موحدة تحتوي على ملاحظات قابلة للتنفيذ.

المراجعات اليدوية للكود بطيئة وغير متسقة. يقوم هذا التنسيق بتنسيق 4 وكلاء متخصصين في الذكاء الاصطناعي لتحليل طلبات السحب بالتوازي بحثًا عن ثغرات أمنية، اختناقات الأداء، مشاكل أسلوب الكود، فجوات تغطية الاختبارات، واكتمال الوثائق مع درجة الجاهزية للدمج.

تتطلب إصدارات البرمجيات تنسيق تحديثات الإصدار والاختبار والنشر والتوثيق. تقوم هذه المهارة بتنسيق عدة وكلاء ذكاء اصطناعي للتعامل مع سير عمل الإصدار بالكامل تلقائيًا. تضمن عمليات متسقة وتقلل من الأخطاء البشرية وتوفر إمكانيات التراجع.

تنسيق إطلاق المنتجات عبر فرق متعددة أمر معقد وعرضة للأخطاء. تقوم هذه المهارة بتنسيق أكثر من 15 وكيل ذكاء اصطناعي متخصص من خلال سير عمل مُثبت لمدة 10 أسابيع يغطي مراحل البحث والتطوير والتسويق والإطلاق والتحسين.

من الصعب تحديد مشكلات أداء التطبيقات بدون الأدوات المناسبة. تقيس هذه المهارة استخدام المعالج وتخصيص الذاكرة وزمن انتقال الإدخال/الإخراج وطلبات الشبكة لتحديد نقاط الاختناق وإنشاء توصيات التحسين.

تصبح سير العمل المعقدة للوكلاء المتعددين غير قابلة للإدارة عند التعامل معها بشكل تسلسلي. توفر هذه المهارة نهجًا منظمًا لتفكيك المهام وتنسيق التنفيذ الموزع عبر وكلاء متخصصين ودمج النتائج في مخرجات موحدة.

كتابة تعليمات فعالة أمر صعب عندما تكون ميزانيات الرموز محدودة والوضوح مهم. تحلل هذه المهارة تعليماتك لاكتشاف التكرار والتعليمات الغامضة والأنماط السلبية، ثم تقدم توصيات تحسين محددة يمكنها تقليل استخدام الرموز بنسبة 20-50% مع تحسين الوضوح.

المطالبات ضعيفة البنية تنتج استجابات غير متسقة من الذكاء الاصطناعي. تطبق هذه المهارة إطار عمل من 5 مراحل باستخدام Chain-of-Thought و Self-Consistency وأنماط أخرى قائمة على الأدلة لتحويل المطالبات إلى نسخ عالية الأداء مع تحسين قابل للقياس.

يصل أداء الوكيل إلى حد ثابت دون التعلم من التجربة. يلتقط ReasoningBank مسارات القرار، ويستخرج الأنماط، ويدرب النماذج لتحسين استراتيجيات الوكيل بشكل مستمر مع مرور الوقت.