将一个想法转化为强大的、平台原生（platform-native）的内容，而不是在所有地方发布同样的东西。

使用 SHA-256 内容哈希（而非文件路径）作为缓存键，缓存高昂的文件处理结果（如 PDF 解析、文本提取、图像分析）。与基于路径的缓存不同，这种方法在文件移动/重命名后依然有效，并在内容变化时自动失效。

生成支持决策的研究，而非流于形式的研究报告。

此技能旨在确保所有代码遵循安全最佳实践，并识别潜在漏洞。

此技能（Skill）旨在确保所有代码遵循安全最佳实践，并识别潜在的漏洞。

使用 [AgentShield](https://github.com/affaan-m/agentshield) 审计您的 Claude Code 配置安全问题。

使用 Swift actor 构建线程安全数据持久化层的模式。该模式结合了内存缓存（In-memory caching）与基于文件的存储，利用 actor 模型（Actor model）在编译时消除数据竞争（Data races）。

解决多智能体工作流（Multi-agent Workflow）中的“上下文问题”。子智能体在开始工作之前，通常不知道需要哪些上下文。

用于构建可扩展服务端应用的后端架构模式与最佳实践。

适用于 React、Next.js 和高性能用户界面的现代前端模式。

面向生产系统的安全、可逆的数据库模式变更（Schema Changes）。

在保持质量的同时控制 LLM API 成本的模式。将模型路由 (Model Routing)、预算跟踪 (Budget Tracking)、重试逻辑 (Retry Logic) 和提示词缓存 (Prompt Caching) 组合成一个可复用的流水线。

撰写听起来像真实人物或品牌、而非通用 AI 生成的长篇内容。

一个高级学习系统，通过原子化的“本能”——带有置信度评分的小型习得行为——将你的 Claude Code 会话转化为可重用的知识。

Claude Code 会话结束时自动进行评估，提取可作为已学习技能保存的可重用模式（Pattern）。

这是一款先进的学习系统，能够通过带有置信度评分的小型已学习行为——“本能（Instinct）”，将 Claude Code 会话转化为可重用的知识。

一个先进的学习系统，通过原子级“本能（Instincts）”——带有置信度评分的小型学习行为，将你的 Claude Code 会话转化为可复用的知识。

构建一致、可靠且易于辩护的面向投资者的材料。

此技能（Skill）旨在确保所有代码开发均遵循 TDD 原则，并具备全面的测试覆盖率。

通过将外部依赖（文件系统、网络、iCloud）抽象到精简且功能集中的协议（Protocols）后面，使 Swift 代码变得可测试。这种模式支持无需实际 I/O 即可进行确定性测试（Deterministic Tests）。