Federal acquisition teams need measurable requirements without mixing pricing content into the contract document. This skill builds structured SOW or PWS files and separate internal handoffs.

OT teams need clear technical scope without unsupported authority or pricing conclusions. This skill builds validated DOCX descriptions and a separate cost-analysis handoff.

Other Transaction budgets can mix cost shares, milestone payments, fees, and unlike price bases. This skill builds traceable workbooks with neutral comparisons and validated formulas.

Federal acquisition research can lose traceability across documents, sources, calculations, and decisions. This skill organizes a staged workflow with approvals, evidence IDs, and validated reports.

Federal buyers need transparent LH and T&M estimates that separate labor, travel, materials, and ceilings. This skill builds validated workbooks from documented assumptions and government benchmarks.

Federal FFP estimates require traceable wages, indirect costs, benchmarks, travel, and formulas. This skill builds a validated workbook with visible assumptions and sourced calculations.

Cost-reimbursement estimates require traceable wages, indirect pools, fee treatment, travel, and benchmark data. This skill builds auditable CPFF, CPAF, and CPIF workbooks with validation steps.

Federal contracting research is fragmented across sources and often lacks clear evidence boundaries. This skill structures approved research, records sources, and produces traceable findings or validated briefs.

Federal acquisition policy changes across codified rules, deviations, notices, and guidance. This skill produces dated, sourced analysis with explicit status and decision boundaries.

قد تتطلب عمليات نشر backend في Lovable مطالبات وفحوصات يدوية متكررة. تؤتمت هذه المهارة سير عمل edge function وmigration باستخدام MCP أو أتمتة المتصفح، وتعرض نتائج التحقق.

تحتاج مشاريع Lovable إلى تنسيق دقيق بين GitHub وSupabase وعمليات النشر. تمنح هذه المهارة Claude وCodex وClaude Code مطالبات منظمة وقواعد سير عمل لتغييرات الواجهة الخلفية في Lovable.

تؤدي بيانات المنافسين المتناثرة إلى بطء قرارات المنتج وعدم اتساقها. تنظّم هذه المهارة الأبحاث في مصفوفات ومقارنات للأسعار وتحليلات SWOT وخرائط للتموضع وتقارير.

غالبًا ما تغيّر مولدات الصور بالذكاء الاصطناعي وجه الشخصية وألوانها وملابسها ونسبها بين الصور. توفر هذه المهارة مسارات عمل لأوراق المراجع ومثبتات الوصف ولوحات الألوان وLoRA للحصول على نتائج أكثر اتساقًا.

يمكن أن تُخفي الملفات المرئية أخطاءً ومشكلات في التخطيط ونصوصًا مهمة. تساعد هذه المهارة Claude أو Codex أو Claude Code على فحص لقطات الشاشة والمخططات والنماذج الأولية من خلال ملاحظات موجزة.

تحتاج الفرق إلى مهارة صغيرة للتحقق من أن التثبيت والاستدعاء عبر marketplace يعملان. توفر هذه المهارة مطالبة اختبار بسيطة للتحقق من الربط الأساسي لمهارات الذكاء الاصطناعي.

يؤدي التنقل بين عمل الذكاء الاصطناعي وLinear إلى إبطاء تتبع المشكلات. ترشد هذه المهارة Claude وCodex وClaude Code خلال عمليات Linear GraphQL.

تُبطئ المستودعات الكبيرة عملية التعرّف عليها وعمليات البحث الموجّهة. تساعد هذه المهارة Claude وCodex وClaude Code على تحديد الملفات والرموز والسياق بسرعة.

يفقد المطورون غالبًا وقتًا في العثور على تفاصيل API الموثوقة والأمثلة الحالية. توجّه هذه المهارة Claude وCodex وClaude Code إلى إعطاء الأولوية للوثائق الرسمية وإنتاج شروحات موجزة.

تحويل المتطلبات إلى تغييرات آمنة في الكود يستغرق وقتًا. تعدّل هذه المهارة الملفات، وتتبع اصطلاحات المشروع، وتتحقق من السلوك عبر الفحوصات عندما يكون ذلك ممكنًا.

غالبًا ما تفشل الميزات المعقدة عندما تكون قرارات البنية غير واضحة. تساعد هذه المهارة Claude وCodex وClaude Code على مقارنة الخيارات، وكشف المخاطر، وإنتاج خطط تنفيذ.