92Bilal26

本指南幫助開發人員建立高品質的 MCP 伺服器，使 AI 模型能夠與外部 API 和服務互動。涵蓋 Python FastMCP 和 TypeScript SDK 模式，以及工具設計的最佳實踐。

教育工作者在撰寫具體、可測試的學習成果時常常遇到困難。此技能能產生符合布魯姆分類法和歐洲語言共同參考架構（CEFR）等級的可衡量目標，確保學習者清楚知道自己將達成什麼目標，以及如何衡量成功。

為課程創建專業圖表需要花費數小時的設計工作。此技能提供結構化工作流程，使用 Gemini 3 透過瀏覽器自動化和六道品質控制來生成教學視覺素材。

團隊經常在不了解架構的情況下複製 Helm chart 範例。此技能指導您進行系統性的架構分析，創建符合您特定約束和營運需求的 charts。

構建網頁介面往往會產生通用且可預測的設計。此技能指導 AI 助手創建具有獨特美學、創意排版和精緻動畫的大膽生產級前端代碼,從標準模式中脫穎而出。

教育工作者花費數小時創建應用認知科學原理的多樣化練習。此技能使用模板和基於實證的學習策略,生成包含檢索練習、間隔重複和難度進階的完整練習集。

將 Docusaurus 文件部署至 GitHub Pages 需要設定建置設定、GitHub Actions 工作流程和部署分支。此技能透過預先驗證的範本和本機測試來自動化整個流程，在 CI/CD 觸發之前完成驗證。

文件請求會消耗過多 tokens。此技能使用 Context7 MCP 搭配智慧型 shell 管線過濾，只擷取程式碼範例與 API 簽章，在保留所有關鍵資訊的同時，將 token 使用量降低 86.8%。

內容創作者需要系統化、客觀的品質評估來改進教育材料。此技能提供基於證據的評分系統,包含 6 個類別的加權評量表,以一致地評估和改進書籍章節與課程。

複雜概念若呈現方式不當會讓學習者感到不知所措。此技能運用認知負荷理論設計循序漸進的步驟，配合學習者的熟練程度，確保概念建立在先備知識之上，並在每個階段提供適當的鷹架支援。

適用於 Claude、Codex 和 Claude Code 的 AI 技能

教學程式碼不僅需要展示語法。此技能使用推理驅動的教學法生成與生產環境相關的範例，透過規格優先、展示後解釋的模式來啟發理解。

建立 ChatKit 聊天機器人需要整合多種技術並採用適當的安全模式。本技能提供完整的架構指導，協助建立具備用戶隔離和即時功能的生產級聊天機器人。

教育內容隨著時間推移往往會偏離規範模式。此技能將課程內容與權威來源進行比較，確保學生學習正確的格式，符合平台慣例。

瀏覽器自動化需要重複手動與網頁互動。此技能提供由 MCP 驅動的工具，可透過 Playwright MCP 伺服器以程式化方式導覽網站、填寫表單、點擊元素、擷取螢幕截圖和提取資料。

沒有結構的大型教育書籍規劃極具挑戰性。此技能提供範本、模式和驗證工具，以建構多章節學習旅程，有效管理認知負荷並確保敘事連續性。

建立公平的程式設計評估需要大量心力。此技能可產生與學習目標相符的多樣化題型，包含有意義的干擾選項、開放式問題的分析性評分標準，以及認知分布分析，以確保評估的平衡性。

適用於 Claude、Codex 和 Claude Code 的 AI 技能