Nx monorepo 需要專業的專案圖表、受影響命令和快取策略知識來優化建置效能。本技能提供專家級的 Nx CLI 命令、程式碼生成模式和 Python 與 uv 工作區的整合，用於 AI 輔助開發。

為外部服務建立 MCP 伺服器需要了解協定規格、工具設計模式和評估方法。本指南提供使用 Python 和 TypeScript 建立生產品質 MCP 伺服器的全面說明，包括工具設計、驗證、錯誤處理和測試的最佳實踐。

製作章節簡報既耗時，通常又會產生平淡、文字密集的演示文稿。本技能提供經過能力校準的提示詞，讓 NotebookLM 能產生符合教學原則的簡報，具有清晰的敘事結構和可操作的結尾。

除錯複雜的 Next.js 應用程式需要檢查路由、元件與建置組態。此技能提供以 MCP 為基礎的工具，可直接從你的開發環境列出路由、檢視元件並檢查建置資訊。

教育工作者難以撰寫具體、可測試的學習成果。本技能根據 Bloom's 分類法和 CEFR 等級生成可衡量的目標，確保學習者清楚知道自己將達成什麼以及如何衡量成功。

為課程製作專業圖表需要數小時的設計工作。此技能提供結構化流程，透過瀏覽器自動化與 6 道品質關卡來使用 Gemini 3 生成教學視覺素材。

團隊經常在不了解架構的情況下複製 Helm 圖表範例。本技能引導您進行系統化的架構分析，以建立符合您特定限制和營運需求的圖表。

建立網頁介面往往產生普通、可預測的設計。此技能指導 AI 助手建立大膽、生產級的前端程式碼，具有獨特的美學、創意排版和精緻的動畫，從標準模式中脫穎而出。

教育工作者需要花費數小時創建符合認知科學原則的多樣化練習。本技能使用範本和基於證據的學習策略，生成包含提取練習、間隔重複和難度進階的完整練習集。

將 Docusaurus 文件部署到 GitHub Pages 需要手動配置建置設定、GitHub Actions 工作流程和部署分支。此技能使用預先驗證的模板和本機測試來自動化整個流程，然後再觸發 CI/CD。

文件請求消耗大量 Token。此技能使用 Context7 MCP 搭配智慧型 Shell 管線篩選，僅擷取程式碼範例和 API 簽章，在保留所有必要資訊的同時減少 86.8% 的 Token 使用量。

內容創作者需要系統化、客觀的品質評估來改進教育材料。此技能提供包含 6 個類別的加權評分量表，結合基於證據的評分方式，以一致地評估和改進書籍章節及課程。

複雜的概念如果呈現方式不當，會讓學習者感到不知所措。本技能運用認知負荷理論設計逐步進度，使內容符合學習者的熟練程度，確保概念以前置知識為基礎，並在各階段提供適當的支架輔助。

手動驗證書籍章節中的程式碼區塊既耗時又容易出錯。此技能可自動偵測程式語言、套用適合各層級的驗證策略，並產生帶有修正建議的可行性錯誤報告。

教學程式碼不僅僅是語法演示。此技能使用推理驅動的教學法產生與生產環境相關的範例，透過規格優先、展示後解釋的模式來促進理解。

建構 ChatKit 聊天機器人需要整合多種技術（FastAPI、OpenAI Agents SDK、MCP 工具）並採用適當的安全模式。此技能提供完整的架構指南，協助建立具備用戶隔離和即時功能的生產級聊天機器人。

教育內容隨著時間推移往往會偏離標準模式。此技能會將課程內容與權威來源進行比較，確保學生學習正確的格式，符合平台慣例。

瀏覽器自動化需要重複的手動網頁互動。本技能提供由 MCP 驅動的工具，可透過 Playwright MCP 伺服器以程式化方式瀏覽網站、填寫表單、點擊元素、擷取螢幕截圖並抽取資料。

規劃大型教育書籍缺乏結構是具有挑戰性的。這個技能提供模板、模式和驗證工具，來建構多章節的學習旅程，管理認知負載並確保敘事連續性。

建立公平的程式設計評量耗時。此技能產生多樣化的題型，符合學習目標，具有有意義的誘答選項、開放式問題的評分標準，以及認知分佈分析。