自訂 React Flow 節點需要一致的 TypeScript、handles 與 store wiring。這項技能會引導 Claude、Codex 和 Claude Code 使用可重用的節點模式。

複雜的 ReactFlow 專案可能會變得緩慢且難以維護。此技能提供用於階層、佈局、狀態與效能的架構模式。

React 和 Next.js 應用程式經常受到資料擷取緩慢、大型 bundle，以及可避免的重新渲染影響。此技能為代理提供具體規則與範例，用於以效能為重點的程式碼生成與審查。

RAG 專案經常失敗，是因為檢索品質薄弱或未被衡量。此技能會引導分塊、嵌入、向量搜尋、混合檢索、重排序與評估選擇。

無障礙元件庫很難只靠 headless primitives 建置。此技能會為生產環境中的 React 團隊提供 Radix UI 架構、主題化與元件模式指引。

量化金融工作需要嚴謹的建模、務實的回測，以及具風險意識的評估。此技能透過指標、驗證步驟和投資組合分析指引來架構研究流程。

Python 團隊需要可重複使用的模式來建立可靠的測試。此技能會引導 pytest fixtures、mocks、async tests、coverage 與 CI 設定。

Python 團隊需要針對可靠服務、工具與資料工作流程的最新指引。此技能會套用現代 Python 模式、測試、型別標註與效能實務。

緩慢的 Python 服務會浪費運算資源並掩蓋瓶頸。此技能會指引效能剖析、基準測試、記憶體調校和精準最佳化。

Python 專案通常需要在框架、非同步、型別標註和結構上做決策。此技能會引導 Claude、Codex 和 Claude Code 做出實用的 Python 選擇。

FastAPI 專案需要在設定、資料模型、路由、驗證、測試和部署之間做出一致的選擇。此技能提供分階段工作流程，並為每個後端步驟提供聚焦的提示。

開始 Python 專案通常需要重複做出許多設定決策。此技能會為 API、Django 應用程式、函式庫和 CLI 工具建立一致的腳手架。

大型輸入矩陣會讓完整測試變得緩慢且成本高昂。此技能可協助建立成對測試集，以較少案例提升涵蓋率。

API 專案需要一致的請求、回應、更新和資料庫 schema。此 skill 會引導 Claude、Codex 和 Claude Code 建立 Pydantic v2 模型家族。

僅從原始封包擷取內容很難理解通訊協定行為。這項技能提供結構化方法，用於擷取、剖析、記錄並測試網路通訊協定。

團隊會花時間重寫常見的編碼、寫作、分析與規劃提示詞。這項技能提供可重複使用的範本與檢查清單，協助建立清楚且結構化的 AI 請求。

薄弱的提示詞會造成 AI 結果不一致，並浪費審閱時間。此技能提供清楚的模式、範本和測試方法，以建立可靠的提示詞。

當目標模糊或複雜時，要寫出清楚的提示詞並不容易。此技能會運用經驗證的提示詞框架，將粗略請求轉化為結構化提示詞。

重複的提示可能會增加延遲和 LLM 支出。此技能可協助團隊選擇提示、回應和 CAG 快取模式。

Prometheus 設定在不同叢集和服務之間可能變得不一致。此技能會引導 Prometheus 設定、抓取目標、記錄規則、警示和驗證。