在 AI 輔助下撰寫更簡潔、快速且更容易維護的 C++ 程式碼。此技能可幫助開發人員產生可用於正式環境的程式碼、應用現代 C++ 模式，並在無需深入專業知識的情況下優化效能。

透過資源適配調整、預留實例和成本治理策略，降低 AWS、Azure 和 GCP 的雲端支出。

不一致的樣式和分散的元件使用會造成維護挑戰。此技能提供統一的設計系統，包含語彙和模式，用於打造凝聚的介面。

在模糊或無效的行銷文案中掙扎，無法將訪客轉化為客戶。此技能引導您透過結構化流程，創作清晰、可信且以行動為導向的文案，與您的受眾和業務目標保持一致。

行銷團隊難以在文案中保持一致性和影響力。本技能應用經過驗證的七遍編輯框架來提升清晰度、語調和轉化率，同時不失您品牌的獨特聲音。

開發人員需要對 GitHub Copilot 進行程式化訪問，以實現自訂 AI 工作流程。這個 SDK 提供跨 Node.js、Python、Go 和 .NET 的會話管理、自訂工具、鉤子和 MCP 整合。

簡化您的 ConvertKit (Kit) 電子郵件行銷工作流程，無需手動 API 呼叫。這個技能可透過 Rube MCP 整合處理訂閱者管理、標籤、廣播和分析。

AI 助手常會忘記對話之間的上下文，讓用戶感到沮喪。此技能實現了分層記憶系統，可實現持續且智慧的對話回憶。

長時間對話和複雜的提示會讓 LLM 不堪重負，導致資訊遺失和回應品質下降。此技能教授策略性上下文策展、token 最佳化以及智慧摘要，以維持高品質的 AI 互動。

上下文視窗限制了 AI 模型每次能處理的內容。本技能提供壓縮、遮蔽、KV 快取最佳化和分割等技術，以有效最大化上下文容量，可將 AI 的處理能力提升一倍或兩倍。

此技能協助開發人員為 AI 應用程式設計與實作動態上下文管理系統，包括向量資料庫、知識圖譜以及能夠在適當時機為 AI 系統提供正確資訊的智慧式記憶體架構。

此技能協助 Claude 在工作階段之間保留專案知識、架構決策和工作流程狀態，實現在長期 AI 協作中的無縫連續性。

此技能協助 AI 助手在複雜工作流程中還原與重構專案語境，實現長期任務的無縫延續，同時避免關鍵資訊的遺失。

AI 代理在上下文管理方面面臨困難，導致效能下降和 token 浪費。此技能教授上下文工程的核心原則，包括注意力預算、漸進式揭露和 token 優化。

團隊在一致性的 AI 輸出和分散的專案知識方面面臨困難。此技能建立結構化的情境產物，確保對齊的 AI 行為，並在開發會議間保留組織記憶。

語言模型隨著上下文長度增加會出現可預測的性能退化。此技能有助於診斷「遺失在中間」、中毒、干擾和衝突模式，以建立更可靠的 AI 系統。

AI 代理在積極壓縮後會浪費 token 來重新擷取遺失的上下文。本技能教授結構化摘要策略，可在降低最多 98% token 成本的同時保留關鍵資訊。

不再依賴過時的 AI 訓練資料文檔。此技能將 Claude Code 連接到 Context7 API，即時存取最新的庫和框架文檔。

內容行銷人員在跨管道擴展優質內容並同時維持 SEO 效能方面遇到困難。此技能提供 AI 驅動的內容創作、發布和優化策略，可提升參與度並帶來收益。

內容創作者難以產出符合 SEO 友善的行銷素材，同時維持一致的品牌調性。此技能提供品牌調性分析、SEO 優化腳本，以及部落格文章和社群媒體內容的範本。