手動建立 MCP 工具需要理解複雜的巨集系統與型別限制。本技能提供使用 rmcp crate 建立型別安全工具的專家指引，涵蓋自動綱要生成、驗證與 async 模式。

MCP 伺服器需要資源來向 AI 助手提供資料和檔案。此技能引導開發人員實作可透過 URI 定址的資源，包括快取、串流和適當的 MIME 類型處理，以實現可投入生產環境的整合。

建置 MCP 伺服器需要精心設計的提示來引導 AI 互動。本技能提供使用 rmcp Rust crate 建立可重用、參數化提示的模式與範例。

建構生產環境的 MCP 伺服器需要仔細注意架構、安全性和效能。本技能提供關於建立可維護且安全的 MCP 伺服器實作的專家指導，採用經過驗證的模式。

撰寫深層巢狀 Rust 控制流的開發者在可讀性和可維護性上遇到困難。此技能主動偵測巢狀 if-let 模式（3 層以上）並建議使用 let 鏈重構，以獲得更簡潔、更可讀的 Rust 2024 代碼。

AWS Lambda 函數常因效率不佳的模式而面臨冷啟動緩慢和高成本的問題。Lambda 優化顧問會分析 Lambda 程式碼，並針對效能、記憶體配置和成本降低提出具體的改進建議。

隨著團隊急於交付功能，程式碼架構會逐漸退化。此技能能主動識別 Rust 程式碼庫中的架構違規，並建議改進方案以實現清晰的埠和轉接器分離。

Rust 開發者經常在正確的錯誤處理模式上感到困惑。這個技能會主動審查程式碼，並建議使用 Result 類型、自訂錯誤類型（使用 thiserror）以及正確的錯誤傳播（使用 ? 運算子）來進行慣用語改進。

開發者在 Rust 錯誤類型匹配和重複的 map_err 調用上遇到困難。本技能提供慣用的模式，使用 From trait 實作、? 運算子以及 thiserror 和 anyhow 等庫來轉換錯誤。

領域模型往往淪為沒有行為的簡單資料容器。本技能指南開發人員使用值物件、具有識別性的實體以及遵循 DDD 原則的領域事件，來建立富有表達力且型別安全的領域模型。

資料湖需要在分區、儲存層和架構設計方面做出謹慎的架構決策，這些決策會影響效能和成本。本技能提供專家指導，幫助使用現代模式和最佳實踐構建可擴展的湖倉一體架構。

緩慢的 DataFusion 查詢會浪費資源與時間。此技能會分析 SQL 與 DataFrame 操作，找出效能問題並提出具體最佳化建議，包括 predicate pushdown、partition pruning、column projection 與 join 排序。

AWS Lambda 冷啟動會導致無伺服器應用程式的延遲激增。此技能透過二進制優化、延遲初始化模式和部署最佳實踐，提供專家指導以減少 Rust Lambda 函數的冷啟動時間。

手動瀏覽器測試和網頁擷取既耗時又容易出錯。本技能提供企業級的瀏覽器自動化功能，使用 WebDriver 協議，可實現可靠的表單填寫、螢幕截圖、效能監控，以及跨 Chrome、Firefox 和 Edge 的多步驟網頁工作流程。

Rust Lambda 函數通常混合了 I/O 和 CPU 工作負載。此技能幫助您使用 tokio、rayon 或 spawn_blocking 選擇正確的並發模式，以實現最佳效能。

Rust 開發者經常使用過時的異步模式，這些模式會增加不必要的依賴項和效能開銷。本技能提供有關原生異步函數在特徵中的專家指導、異步閉包，並幫助從 async-trait 遷移到更簡潔、更快速的程式碼。

大多數介面都缺少讓軟體感覺正確的那些看不見的細節。本技能運用成熟的設計工程原理，針對動畫、過渡效果和元件拋光提供指導，幫助您打造使用者喜愛的介面。

手動管理插件發布容易出錯且不一致。此技能可自動化整個發布工作流程，包括版本升級、git 標籤、提交訊息，以及帶有適當更新日誌連結的 GitHub 發布。

手動創建和更新 Markdown 文件中的目錄既耗時又容易出錯。此技能通過解析標題自動生成和更新目錄，支持批量處理、可配置的深度級別和智能插入模式。

AI 代理在對話結束時會失去上下文。此技能使用 GitHub Issues 作為永久記憶，可在上下文耗盡後仍保留，並讓多個工作階段之間協作無縫銜接。