SKRIPTLINIE
Mit print debuggen, dreimal in dieselbe Grube fallen.
Fehler beim ersten Durchlauf verortet — du prüfst, statt nachzubessern.
212 Skills auf dieser Linie
Leitfaden für qualitätsorientierte Softwarearchitektur. Diese Fähigkeit sollte verwendet werden, wenn Nutzer Code schreiben, Architekturen entwerfen, Code analysieren möchten oder in jedem Fall, der mit der Softwareentwicklung zusammenhängt.
Eine Fähigkeit zum Testen von Sonderzeichen und Injektionsmustern
Statistik-Analyse-Toolkit. Hypothesentests (t-Test, ANOVA, Chi-Quadrat), Regression, Korrelation, Bayessche Statistik, Poweranalyse, Annahmenprüfungen, APA-Berichterstattung für akademische Forschung.
Statistische Modellierungswerkzeugkit. OLS, GLM, Logistik, ARIMA, Zeitreihen, Hypothesentests, Diagnostik, AIC/BIC für strenge statistische Inferenz und ökonometrische Analyse.
Führen Sie den Implementierungsplan aus, indem Sie für jede Aufgabe einen neuen Subagenten einsetzen, mit Code-Review zwischen den Aufgaben
Verwenden Sie es bei der Ausführung von Implementierungsplänen mit unabhängigen Aufgaben in der aktuellen Sitzung – es verteilt einen neuen Unteragenten für jede Aufgabe mit Code-Review zwischen den Aufgaben, wodurch schnelle Iteration mit Qualitätskontrollen ermöglicht wird
Umfassender Supabase-Experte mit Zugriff auf 2.616 offizielle Dokumentationsdateien, die PostgreSQL-Datenbank, Authentifizierung, Echtzeitanmeldungen, Speicher, Edge-Funktionen, Vektoreinbettungen und alle Plattformfunktionen abdecken. Rufen Sie auf, wenn der Nutzer Supabase, PostgreSQL, Datenbank, Auth, Echtzeit, Speicher, Edge-Funktionen, Backend-as-a-Service oder pgvector erwähnt.
Verwende diese Fähigkeit bei der Arbeit mit symbolischer Mathematik in Python. Diese Fähigkeit sollte für symbolische Berechnungaufgaben verwendet werden, einschließlich der algebraischen Lösung von Gleichungen, der Durchführung von Analysisoperationen (Ableitungen, Integrale, Grenzwerte), der Manipulation algebraischer Ausdrücke, der symbolischen Arbeit mit Matrizen, Physikberechnungen, Zahlentheorieproblemen, Geometrieberechnungen und der Erzeugung ausführbaren Codes aus mathematischen Ausdrücken. Wende diese Fähigkeit an, wenn der Nutzer genaue symbolische Ergebnisse anstelle von numerischen Näherungen benötigt, oder wenn mit mathematischen Formeln gearbeitet wird, die Variablen und Parameter enthalten.
Vierphasiges Debugging-Framework, das eine Ursachenanalyse sicherstellt, bevor Reparaturversuche unternommen werden. Niemals direkt zu Lösungen springen.
Verwenden Sie bei Auftreten von Fehlern, Testfehlschlägen oder unerwartetem Verhalten vor dem Vorschlagen von Behebungen – ein vierschrittiges Framework (Wurzelursachenuntersuchung, Musteranalyse, Hypothesentestung, Implementierung), das sicherstellt, dass das Problem verstanden wird, bevor Lösungen versucht werden
Umfassender Leitfaden zu testgetriebener Entwicklung für Engineeringsubagenten mit Unterstützung mehrerer Frameworks, Coverage-Analyse und intelligenter Testgenerierung
Verwenden Sie es proaktiv, wenn Sie Features implementieren oder Bugs beheben müssen und die strenge Test-Driven Development (TDD)-Methodik anwenden. Dieser Agent sollte für alle Codieraufgaben aktiviert werden, die das Schreiben neuer Funktionalitäten, das Refaktorisieren bestehenden Codes oder die Sicherstellung umfassender Testabdeckung erfordern, aber nicht für Design-bezogene Aufgaben verwendet werden. Der Agent ist hervorragend darin, komplexe Anforderungen in testbare Inkremente zu unterteilen und durch disziplinierte TDD-Zyklen eine hohe Codequalität zu wahren. Verwenden Sie diesen Agenten proaktiv oder wenn der Benutzer 'TDD', 'tdd' oder 'Test Driven Development' erwähnt.
[de] Write the test first, watch it fail, write minimal code to pass
Verwende bei der Implementierung jeglicher Funktionen oder Fehlerbehebungen: Schreibe vor der Implementierung des Codes zuerst den Test, beobachte, dass er fehlschlägt, dann schreibe den minimalen Code, um ihn zu bestehen. Dadurch wird sichergestellt, dass Tests das Verhalten tatsächlich überprüfen, da zunächst ein Fehlschlag erforderlich ist.
Führe Tests aus und behebe systematisch alle fehlschlagenden Tests mit intelligenten Fehlergruppen. Verwende es, wenn der Benutzer darum bittet, fehlschlagende Tests zu beheben, Testfehler erwähnt, eine Testsuite ausführt und Fehler auftreten oder bittet, dass Tests bestanden werden.
Testen Sie niemals Mock-Verhalten. Fügen Sie niemals test-only-Methoden zu Produktionsklassen hinzu. Verstehen Sie Abhängigkeiten vor dem Mocken.
Verwenden Sie es beim Schreiben oder Ändern von Tests, Hinzufügen von Mocks oder wenn Sie versucht sind, testexklusive Methoden zum Produktionscode hinzuzufügen – es verhindert das Testen von Mock-Verhalten, die Verschmutzung der Produktion mit testexklusiven Methoden und das Mocken ohne Verständnis von Abhängigkeiten
Steuern Sie tmux-Sitzungen remotely für interaktive CLIs (Python, gdb usw.) indem Sie Tastendrücke senden und die Pane-Ausgabe abfragen. Verwenden Sie es beim Debuggen von Anwendungen, beim Ausführen interaktiver REPLs (Python, gdb, ipdb, psql, mysql, node), bei der Automatisierung von Terminal-Workflows oder wenn der Benutzer tmux, Debuggen oder interaktive Shells erwähnt.
Nutzen Sie diese Fähigkeit bei der Arbeit mit wissenschaftlichen Forschungstools und Workflows in den Bereichen Bioinformatik, Cheminformatik, Genomik, Strukturbiologie, Proteomik und Wirkstoffentwicklung. Diese Fähigkeit bietet Zugang zu mehr als 600 wissenschaftlichen Tools, darunter maschinelle Lernmodelle, Datensätze, APIs und Analysepakete. Nutzen Sie sie, wenn Sie nach wissenschaftlichen Tools suchen, Workflows für die Bioinformatik durchführen, mehrstufige Forschungspipelines zusammenstellen, auf Datenbanken wie OpenTargets/PubChem/UniProt/PDB/ChEMBL zugreifen, Tools für Forschungstasks entdecken oder wissenschaftliche Rechenressourcen in LLM-Workflows integrieren.
Graph-basiertes Toolkit für die Arzneimittelforschung. Vorhersage molekularer Eigenschaften (ADMET), Proteinmodellierung, Wissensgraphen-Reasoning, Molekülgenerierung, Retrosynthese, GNNs (GIN, GAT, SchNet), über 40 Datensätze für PyTorch-basierte ML auf Molekülen, Proteinen und biomedizinischen Graphen.
Bewerten Sie TYPO3-Extensions auf Konformität mit den TYPO3 12/13 LTS-Standards, Codierrichtlinien (PSR-12) und Architekturmustern. Verwenden Sie es bei der Bewertung der Extension-Qualität, der Erstellung von Konformitätsberichten, der Identifizierung von technischen Schulden oder der Planung von Modernisierungen. Validiert: Extension-Architektur, composer.json, ext_emconf.php, ext_*-Dateien, v13-Versäumnisse, Backend-Modul-v13-Konformität (ES6-Module, DocHeader, Modal/Notification-APIs, Module.html-Layout, ARIA, Konsistenz des Extension-Schlüssels, CSRF, Icons), Abhängigkeitsinjektion, Services, Testing, Extbase-Muster, Crowdin, GitHub-Workflows. Doppelte Bewertung (0-100 Basis + 0-22 Excellence). Delegiert an die typo3-tests- und typo3-docs-Kenntnisse für eine tiefe Analyse. PHP 8.1-8.4 Unterstützung.