建構可擴展的軟體系統需要專業的架構指導。此技能提供全面的架構審查、模式評估與設計建議，確保您的系統保持可維護性並具備未來適應能力。

緩慢的應用程式會讓使用者感到沮喪並損害業務指標。此技能協調整個技術堆疊的全面效能優化，運用分析、可觀測性和針對性調整。

建立全面的模擬 API 伺服器，模擬真實後端行為，無需實際服務。透過逼真的回應、情境和合約驗證，實現並行開發和徹底測試。

建立生產就緒的 Airflow DAGs 需要了解運算子、感測器和錯誤處理模式。此技能提供經過實戰驗證的範本和資料管線編排的最佳實踐。

設計不良的工具架構會導致代理產生幻覺、無聲失敗或浪費 token。本技能教授經驗證的模式，用於建立清晰、無歧義的函式呼叫介面，確保可靠運作。

在 Azure AI Foundry 中以容器化服務形式部署自訂 AI 代理程式，無需管理基礎設施。使用 Azure AI Projects SDK 來定義、部署和管理具有自訂 Docker 映像和整合工具的託管代理程式。

多智能體工作流常因協調瓶頸和未管理的成本而受影響。此技能提供分析、編排策略和成本控制，以最大化效率。

此技能使 Claude 能夠管理多個在平行 tmux 工作階段中運行的本地 CLI 代理，提供啟動/停止/監控功能，並支援使用 cron 語法進行自動化工作流程的排程。

此技能透過 Rube MCP 整合自動化 Render 雲端平台操作，包括服務管理、部署觸發和狀態監控。

測試 LLM 模型作為 AI 代理需要一致且可衡量的評估。PinchBench 提供 23 個多樣化任務，涵蓋日曆管理、電子郵件處理、研究、程式編寫和多步驟工作流程，並提供自動評分和公開排行榜提交功能。

在不需要切換 git 分支的情況下，並行開發多個功能。此技能可建立乾淨、隔離的 worktree，並自動進行專案設定和測試基線驗證。

使用無伺服器資料庫建構應用程式需要了解連線方式、擴展行為和平台特定功能。本技能提供在所有開發場景中使用 Neon Serverless Postgres 的全面指導。

Cloud AI teams struggle with managing complex ModelArts resources through web consoles and fragmented scripts. This skill provides a unified command interface to manage notebooks, training jobs, inference services, resource pools, VPC networks, and KMS keys through natural language.

簡化華為雲 ModelArts 上的 AI 模型開發與部署。此技能提供訓練作業、模型、推理服務和筆記本的統一資源管理，並內建安全功能。

手動網頁測試和重複性瀏覽器操作會消耗大量開發時間。本技能透過 Playwright CLI 自動化瀏覽器互動，實現高效測試、截圖、表單填寫和資料擷取。

在部署到 Azure 之前，開發人員需要對其基礎設施程式碼和配置的有效性有信心。此技能執行全面的部署前驗證，包括 Bicep 編譯、Terraform 驗證、Azure CLI 檢查和原則合規性驗證。

此官方 Microsoft 技能提供 Azure 儲存體服務的完整指南，包括 Blob、Files、Queue、Tables 和 Data Lake。它提供 MCP 工具整合和 CLI 命令，協助開發者有效管理雲端儲存資源。

透過產生詳細的 Mermaid 圖表來了解複雜的 Azure 基礎設施，這些圖表會映射整個資源群組中的資源關係、相依性和設定。

Azure PaaS 應用程式通常缺乏區域備援與多區域容錯移轉配置，造成單一故障點。本技能會系統性地掃描 Azure Functions 與 App Service 部署，識別可靠性落差，並透過 CLI 指令或 IaC 補丁來引導修復作業。

在佈建資源前檢查 Azure 配額可用性，防止部署失敗。使用 Azure CLI 配額命令取得跨區域的精確容量資訊。