生產環境 ML 工作需要部署、監控與架構決策，而這些往往難以標準化。此技能為 Claude、Codex 和 Claude Code 提供 MLOps、LLM 整合與 RAG 規劃的結構化指引。

團隊需要可重複使用的部署指引，而不必從零重建 DevOps 檢查清單。此技能為 Claude、Codex 和 Claude Code 工作流程提供 CI/CD、Terraform、部署與維運參考資料。

新創團隊需要安全的 AWS 設計，同時避免超支。此技能會建議無伺服器架構、IaC 選項、成本控制和部署指引。

當前研究通常需要模型上下文視窗以外的新鮮來源。此技能會將研究提示傳送到 Gemini CLI，並要求提供附來源的 Markdown 答案。

當每個任務都需要乾淨的工作區時，分支設定可能會浪費時間。此技能會建立 Git worktree，並準備本機環境檔案。

GitHub 登入與儲存庫授權通常需要分開的 OAuth 流程。此技能展示一種雙連線 Nango 模式，用於使用者身分、GitHub App 存取權與 Webhook 處理。

手動 UI 檢查可能會漏掉視覺回歸問題，且需要重複投入心力。此技能會引導使用截圖、元素選取和頁面檢查進行瀏覽器自動化，以完成可驗證的 Web 測試。

當物件跨影格移動時，影片區域清理會很困難。此技能可協助 Claude、Codex 和 Claude Code 為提示驅動的影片修補選擇 RunComfy 路線。

短篇 AI 影片片段常常在故事節拍完成前就結束。這項 skill 會引導 Claude、Codex 或 Claude Code 透過 RunComfy 延伸使用者提供的影片。

短影片生成通常需要一致的角色、媒體參考和清楚的模型設定。此技能會引導 Claude、Codex 和 Claude Code 完成 Seedance 2.0 Pro 提示詞與 RunComfy CLI 呼叫。

媒體模型工作流程通常需要手動設定、查找結構描述，以及輪詢。此技能為 Claude、Codex 和 Claude Code 提供實用的 RunComfy CLI 指引，便於進行可重複的終端機自動化。

變更光線通常需要重新拍攝或仔細編修。此技能會將靜態影像導向 RunComfy 重新打光模型，以取得可控的結果。

團隊需要可靠的方法來選擇正確的 Kling 3.0 endpoint，並準備有效的生成輸入。此 skill 會指引 RunComfy CLI 呼叫，涵蓋 text-to-video、image-to-video、音訊、層級與輸出設定。

當照片需要精準的局部編輯時，手動修圖很慢。此技能會透過 RunComfy 模型處理遮罩修補作業，並提供清楚的 CLI 輸入。

選擇合適的圖片編輯模型可能會浪費時間與點數。此 skill 會將每個編輯請求路由到合適的 RunComfy 模型，並提供特定模型的提示詞模式。

團隊需要清楚的短篇 AI 影片生成指引，而不必猜測模型參數。此技能引導 Claude、Codex 和 Claude Code 處理 HappyHorse 1.0 提示詞、結構描述選擇，以及 RunComfy CLI 執行。

圖片編輯經常會偏離來源素材，尤其是在文字、版面配置與身分一致性保留方面。此技能為 Claude、Codex 和 Claude Code 提供實用的 RunComfy 提示詞，用於可控的 GPT Image 2 編輯。

團隊需要在編碼工作流程中進行圖像生成，而不想另外新增獨立的圖像 API 帳戶。此技能會透過本機 Codex CLI 路由 GPT Image 2 請求，並傳回已儲存的圖像檔案。

當提示詞過於寬泛或選錯模型時，精準的單張影像編輯往往會失敗。這項技能為 Claude、Codex 和 Claude Code 提供清楚的 RunComfy 指引，用於 Flux Kontext Pro 編輯。

當提示含糊或模型選擇不當時，快速圖像迭代往往會失敗。此技能會引導 Claude、Codex 和 Claude Code 使用 RunComfy Flux 2 Klein，並採用清晰的提示模式。