dsh-tree-task-flow
树形任务流:把多步任务组织成目标→任务→子任务三级树,节点完成时由 AI 提交结果,插件随即把该节点的执行过程从上下文里折叠掉,只留下结果。
30 results
树形任务流:把多步任务组织成目标→任务→子任务三级树,节点完成时由 AI 提交结果,插件随即把该节点的执行过程从上下文里折叠掉,只留下结果。
SLI/SLO/错误预算:定义可衡量的可靠性目标、错误预算告警、SRE 实践。受 wshobson/agents(38k★ MIT)启发。
Karpathy 编码方法论:先想后写、简单优先、外科手术式改动、目标驱动验证。受 andrej-karpathy-skills(203k★)启发的 DSH 原创改编。
云 Well-Architected 六支柱评审框架:可靠性(用户经验目标/SLO/冗余/水平扩展/可观测性/优雅降级/恢复测试/无指责复盘)、成本优化、运维卓越、性能优化、安全、可持续性——设计原则+建议驱动架构评估与改进。受 google/skills(18.5k★ Apache-2.0)启发。
请求头注入插件:按 host 规则注入 HTTP 请求头(多条规则各自独立头集合,同名头覆盖原值),绕过目标站点客户端校验;其余请求零影响。默认规则预设 agentrouter.org → User-Agent: RooCode/0.15.0 典型用例
DeepSeek Harness 输入栏「提示词精炼」插件:✨ 一键把模糊草稿改写为目标/背景/步骤/要求/[假设] 结构化提示词;成本可路由(默认模型可换成便宜的优化模型)、结果缓存、token 用量统计落盘。静态版为功能主体,动态版免安装尝鲜。
储蓄目标
涨粉目标拆解
规格驱动开发:写代码前先写结构化 spec(目标/边界/验收标准),分阶段门控推进。受 addyosmani/agent-skills(88k★ MIT)启发。
销售目标拆解
输入一张图像,对其中的人头人体进行检测,输出图片中所有目标的检测框、置信度和标签。
输入一张图像,对其中的电动自行车进行检测,输出图片中所有目标的检测框、置信度和标签。
输入一张图像,对其中的人体、头部和安全帽进行检测,输出图片中所有目标的检测框、置信度和标签。
输入一张图像,对其中的手机进行检测,输出图片中所有目标的检测框、置信度和标签。
包括通用文本识别、手写识别、车牌识别、身份证识别、日常物体检测、昆虫识别、植物识别、护照识别、港澳台通行证识别、银行卡识别、营业执照识别、驾驶证识别、行驶证识别、动物识别、电动自行车检测、手机检测、手势检测、火焰检测、香烟检测、人头人体检测、野生动物检测、鸟类识别、宠物情绪识别、菜品识别、安全帽人体检测、行人检测、反光衣检测、车辆检测、图像分类、目标检测、旋转目标检测、人体姿态估计和万物识别。
输入一张图像,检测人员是否穿戴反光衣,输出图片中所有目标的检测框、置信度和标签(safe/unsafe)。
OKR目标拆解
输入一张图像,检测图像中的车辆类型(car/truck/bus/motorbike/tricycle/carplate),输出所有目标的检测框、置信度和标签。
计划与任务拆解:把目标拆成可验证的小任务、排序依赖、估算工作量、追踪进度。受 addyosmani/agent-skills(88k★ MIT)启发。
输入一张图像,对其中的人/宠物/车/火焰/纸箱进行检测,输出图片中所有目标的检测框、置信度和标签。
输入一张图像,对其中的手势进行检测,输出图片中所有目标的检测框、置信度和标签。
实例分割比目标检测更进一步,不但要识别图像中的单个对象,还要将其从图像的其余部分中分割出来。对图像中的80类COCO目标进行实例分割,输出边界框、掩膜、置信度和类别标签。
检测图像中的80类COCO目标(人、车、动物、日常物品等),输出边界框、置信度和类别标签。
包括日常物体检测、昆虫识别、植物识别、动物识别、电动自行车检测、手机检测、手势检测、火焰检测、香烟检测、人头人体检测、野生动物检测、鸟类识别、宠物情绪识别、菜品识别、安全帽人体检测、行人检测、反光衣检测、车辆检测、图像分类、目标检测、旋转目标检测、人体姿态估计和万物识别。