組織需要系統化的方式來記錄和分類支出收據,以實現準確的財務追蹤。此技能提供了手動收據輸入、OCR 掃描整合以及在 MySQL 中管理支出記錄的資料庫模式的文件化工作流程。

收據掃描需要準確的 OCR 擷取和資料庫整合。此技能提供完整的指導，說明如何解析收據影像、除錯擷取錯誤，以及使用 Google Gemini AI 建立可靠的費用追蹤工作流程。

需要建立財務模型或分析試算表資料？此技能可建立包含公式、格式化和資料分析的 Excel 檔案。它會自動重新計算公式以確保準確性。

ML 模型常因資料洩漏、不當評估和訓練錯誤而在生產環境中失敗。此技能可偵測 30 多種關鍵反模式，並透過在訓練前掃描您的程式碼和資料分割來幫助防止無效結果。

手動資料庫變更會破壞團隊協作並造成資料遺失風險。本技能提供使用 Prisma 和 Drizzle 進行安全架構遷移的結構化指導，支援回滾和 CI/CD 整合。

在不依賴預製圖表庫的情況下，建立自訂的互動式資料視覺化。此技能引導您使用 D3.js 建立響應式圖表、圖形和地理地圖，以獲得最大的靈活性和控制力。

了解資料建模模式對於建立可維護的 AI 代理框架至關重要。本技能提供類型策略、變異模式和序列化方法的結構化分析，以做出明智的架構決策。

技術團隊在做架構決策時，需要有結構化的框架來客觀比較多種工具。此技能可將分析輸出綜合為決策矩陣，提供清晰建議與完整的取捨說明，適用於任何框架比較。

建置生產級機器學習模型需要複雜的分散式訓練基礎設施。此技能使用 Flow Nexus 平台自動化從架構設計到雲端部署的整個流程。

構建自學習代理需要追蹤經驗並隨時間改進決策制定。此技能提供使用 AgentDB 高性能向量數據庫的 ReasoningBank 自適應學習模式,可實現 150 倍更快的模式檢索和記憶體管理。

機器學習訓練經常因不明原因失敗。此技能會啟動一個專業代理,系統化地分析訓練日誌、損失曲線和模型程式碼,以識別根本原因,例如學習率問題、模式崩潰或架構問題。

將機器學習研究轉化為生產程式碼。獲得神經網路架構、訓練管線和效能最佳化的專業實作,並附帶完整的測試與驗證。

傳統向量資料庫速度慢且佔用大量記憶體。AgentDB 透過先進的量化技術提供快 150 倍的語意搜尋,查詢時間低於毫秒級,記憶體使用減少 4-32 倍。輕鬆建立 RAG 系統、語意搜尋引擎和智慧知識庫。

向量資料庫消耗大量記憶體,且在大規模應用時搜尋速度緩慢。此技能提供經過驗證的優化技術,包括量化、HNSW 索引和快取,可實現 150 倍至 12,500 倍的效能提升,同時將記憶體使用量減少 4 至 32 倍。

AI 代理在會話之間會失去上下文,使其在長期任務中效果不佳。此技能提供 AgentDB 整合模式,用於會話記憶、長期儲存和模式學習,使代理能夠記住互動並隨時間改進。

建構自學習 AI 代理需要從頭實作複雜的強化學習演算法。AgentDB Learning Plugins 提供九種經過驗證的演算法（包括 Decision Transformer 和 Q-Learning）的現成存取功能，讓您能夠訓練透過經驗改進的自主代理。

建立複雜的多代理 AI 系統，具備亞毫秒級資料庫同步與進階搜尋功能。AgentDB 進階功能為生產規模的 AI 應用提供分散式向量資料庫、自訂度量、混合搜尋與 QUIC 網路功能。

追蹤使用者行為對於產品洞察至關重要，但錯誤地實作分析可能會暴露敏感的使用者資料。本技能將引導您完成具有內建 PII 保護和程式碼審查流程的安全 Mixpanel 實作。

此技能提供 Supabase CLI 的已記錄命令。您可以直接從 AI 助手管理 Supabase 專案、資料庫、遷移、Edge Functions 和儲存空間，無需切換上下文。

使用 Flyway 的資料庫遷移需要轉換為線上架構變更格式。此技能將標準 SQL 遷移腳本轉換為 OSC 格式,實現零停機部署。