Best Skills (2026)

1

Manage Headers (Grade A)

Rozwijająca umiejętność bezpieczeństwa do Claude AI. Ocena A. Badanie i konfiguracja nagłówków bezpieczeństwa wysyłanych przez witrynę Power Pages do przeglądarek — polityka bezpieczeństwa treści, ochrona przed frame i clickjackingiem

Brak recenzji· free

Pełna recenzja

Manage Headers (Grade A) to rozwijająca umiejętność bezpieczeństwa do Claude AI. Została zaprojektowana do badania i konfiguracji nagłówków bezpieczeństwa wysyłanych przez witrynę Power Pages do przeglądarek, w tym polityka bezpieczeństwa treści, ochrona przed frame i clickjackingiem, współdzielenie między domenami, zachowanie plików cookie i powiązane ustawienia witryny. Umiejętność ta identyfikuje luki i prowadzi użytkownika przez poprawki, co jest przydatne w zadaniach takich jak przeglądanie nagłówków, naprawianie błędów CSP, kontrolowanie dostępu między domenami, wzmacnianie ustawień plików cookie lub sprawdzanie, czy ustawienia przeglądarki są bezpieczne. Może być używana, gdy użytkownik chce osiągnąć różne cele związane z bezpieczeństwem bez konkretnego wzmianki o 'nagłówkach bezpieczeństwa'.

• Badanie bieżących nagłówków bezpieczeństwa
• Konfiguracja polityki bezpieczeństwa treści
• Włączanie ochrony przed frame i clickjackingiem
• Zarządzanie współdzieleniem między domenami i zachowaniem plików cookie

2

Using Git Worktrees (Grade A)

Skill zabezpieczony pod kątem bezpieczeństwa dla Claude AI, klasy A. Użyj przy rozpoczynaniu pracy nad funkcją wymagającej izolacji od bieżącego środowiska lub przed realizacją planów wdrożeniowych – tworzy izolowane worktree Git.

Brak recenzji· free

Pełna recenzja

Użyj przy rozpoczynaniu pracy nad funkcją, która wymaga izolacji od bieżącego środowiska, lub przed realizacją planów wdrożeniowych. Ta umiejętność tworzy izolowane worktree Git z inteligentnym wyborem katalogu i weryfikacją bezpieczeństwa. Worktree Git tworzy odizolowane przestrzenie robocze współdzielące to samo repozytorium, umożliwiając pracę nad wieloma gałęziami jednocześnie bez przełączania. Główną zasadą jest systematyczny wybór katalogu plus weryfikacja bezpieczeństwa, co zapewnia niezawodną izolację. Proces wyboru katalogu przebiega według następujących kroków: 1. Sprawdź istniejące katalogi w kolejności priorytetu: ukryty katalog ".worktrees", a następnie katalog "worktrees". Jeśli zostanie znaleziony, użyj go. 2. Sprawdź, czy w pliku "CLAUDE.md" określono preferencję katalogu worktree. 3. Jeśli żaden katalog nie istnieje i nie ma preferencji w CLAUDE.md, poproś użytkownika o wybór katalogu. Krok weryfikacji bezpieczeństwa jest krytyczny i polega na sprawdzeniu, czy wybrany katalog jest ignorowany przez Git. Jeśli nie jest ignorowany, umiejętność doda katalog do pliku ".gitignore" i zatwierdzi zmiany. Etapy tworzenia obejmują: 1. Wykrycie nazwy projektu i utworzenie pełnej ścieżki dla worktree. 2. Utworzenie worktree z nową gałęzią. 3. Uruchomienie konfiguracji projektu, które automatycznie wykrywa i wykonuje odpowiednie polecenia konfiguracji (np. instalacja zależności) w zależności od typu projektu (Node.js, Rust, Python lub Go). 4. Weryfikację czystej bazy poprzez uruchomienie testów. Jeśli testy nie przejdą, zgłoś niepowodzenia i zapytaj, czy kontynuować, czy zbadać przyczynę. 5. Zgłoszenie lokalizacji worktree oraz jej gotowości do implementacji funkcji.

• Tworzenie odizolowanej przestrzeni roboczej
• Inteligentny wybór katalogu
• Weryfikacja bezpieczeństwa
• Automatyczna konfiguracja projektu

3

Ga4 Bigquery Schema (Grade A)

Sprawdzone pod kątem bezpieczeństwa narzędzie data‑ai dla Claude AI. Ocena A. Referencja schematu eksportu GA4 do BigQuery — pełna dokumentacja pól, struktury zagnieżdżone, wzorce zapytań oraz wskazówki dotyczące wydajności

Brak recenzji· free

Pełna recenzja

Referencja schematu eksportu GA4 do BigQuery to sprawdzone pod kątem bezpieczeństwa narzędzie data‑ai dla Claude AI. Dostarcza pełną dokumentację pól, struktury zagnieżdżone, wzorce zapytań oraz wskazówki dotyczące wydajności schematu eksportu Google Analytics 4 do BigQuery. Narzędzie pomaga użytkownikom zrozumieć schemat eksportu GA4, pisać poprawne zapytania SQL w BigQuery na danych GA4 oraz stosować najlepsze praktyki wydajnościowe.

• Pełna dokumentacja pól
• Struktury zagnieżdżone
• Wzorce zapytań
• Wskazówki dotyczące wydajności
• Gotowe przykłady SQL

4

Meta Capi (Grade A)

Przetestowana pod względem bezpieczeństwa umiejętność data-ai dla Claude AI. Ocena A. Meta Conversions API (CAPI) Konfiguracja odnośnika — architektura, typy zdarzeń, mieszanie informacji o klientach, deduplikacja, przykłady wdrożenia, AEM

Brak recenzji· free

Pełna recenzja

Meta Capi to przetestowana pod względem bezpieczeństwa umiejętność data-ai dla Claude AI, zapewniająca kompleksowy odnośnik do konfiguracji Meta Conversions API (CAPI). Obejmuje architekturę, typy zdarzeń, mieszanie informacji o klientach, deduplikację, przykłady wdrożenia i Pomiar Zdarzeń Agregowanych. Narzędzie pomaga użytkownikom poprawnie implementować CAPI, debugować problemy ze śledzeniem zdarzeń, poprawiać jakość dopasowania zdarzeń i konfigurować deduplikację. Oferuje precyzyjne odpowiedzi z gotowymi przykładami kodu i może wykorzystywać narzędzia Cogny MCP do sprawdzania konfiguracji użytkowników i dostarczania kontekstowych zaleceń.

• Przegląd architektury CAPI
• Parametry typu zdarzeń
• Mieszanie informacji o klientach
• Strategie deduplikacji
• Pomiar Zdarzeń Agregowanych
• Przykłady wdrożenia w Node.js

5

Callees (Grade A)

Bezpieczna, przetestowana umiejętność programistyczna dla Claude AI. Klasa A. Lista funkcji/metod wywoływanych (bezpośredni wykres wywołań)

Brak recenzji· free

Pełna recenzja

Callees (Grade A) to bezpieczna, przetestowana umiejętność programistyczna dla Claude AI. Identyfikuje, co funkcja lub metoda wywołuje, generując bezpośredni wykres wywołań. Umiejętność ta jest przydatna przy mapowaniu zależności funkcji przed ich ekstrakcją lub przeniesieniem, identyfikacji użycia funkcji ograniczonych lub przestarzałych oraz oszacowaniu wpływu refaktoryzacji. Dostarcza również informacje o wywoływanej funkcji, takie jak nazwa funkcji, numer linii oraz rodzaj wywołania (native ERP, restricted, user function, external). Korzystając z /plugadvpl:callees, użytkownicy mogą podać nazwę funkcji, aby zobaczyć, co ona wywołuje, z opcjami formatowania wyniku jako tabeli lub w formacie markdown. Jest częścią zestawu narzędzi plugadvpl. Ta umiejętność stanowi wartościowe uzupełnienie możliwości programistycznych Claude AI, dostarczając kluczowych wglądów w bazę kodu.

• Bezpośredni wykres wywołań
• Identyfikacja typu wywołania funkcji (native ERP, restricted, user function, external)
• Informacje o linii wywołania
• Obsługa wielu formatów wyjściowych (np. Markdown)

6

Test Module Name (Grade A)

Składnik data-ai przetestowany pod kątem bezpieczeństwa dla Claude AI. Klasa A.

Brak recenzji· free

Pełna recenzja

Nazwij moduły testowe Haskella w oparciu o moduł testowany, dodając przyrostek Spec w tej samej przestrzeni nazw. Dzięki temu wyraźnie oddzielasz katalogi biblioteki i testów, ułatwiając identyfikację zależności i relacji między modułami. Szczególnie ta praktyka jest korzystna podczas pisania lub przeglądania nazw modułów testowych oraz organizacji plików testowych. Na przykład, moduł testowy nazwany Env.TypeSpec powinien znajdować się w tej samej przestrzeni nazw co moduł, który testuje, Env.Type. Zapewnia to przejrzystość relacji między modułami i jest szczególnie przydatne dla modułów o złożonej funkcjonalności, które zależą od wielu modułów lub nie mają zależności od konkretnych modułów.

• Sugestuje nazwy modułów testowych na podstawie modułu testowanego
• Dołącza 'Spec' do nazwy modułu
• Taka sama przestrzeń nazw jak moduł testowany

7

Board Of Directors (Grade A)

Skutecznie przetestowana umiejętność AI do danych dla Claude AI. Klasa A. Symuluje deliberację 5‑członkowej rady ekspertów przy kluczowych decyzjach. Używaj przy ocenie planów, wyborów architektonicznych, projektów funkcji lub innych decyzji.

Brak recenzji· free

Pełna recenzja

Umiejętność Board of Directors symuluje deliberację 5‑członkowej rady ekspertów dla kluczowych decyzji. Oceni plany, wybory architektoniczne, projekty funkcji lub inne decyzje wymagające wieloperspektywnej analizy ekspertów. Rada składa się z pięciu ról: Chief Architect (CA), Chief Product Officer (CPO), Chief Security Officer (CSO), Chief Operations Officer (COO) oraz Chief Experience Officer (CXO). Każdy dyrektor wnosi wiedzę z dziedziny i może kwestionować opinie innych dyrektorów. Proces deliberacji obejmuje indywidualne oceny, dyskusję rady oraz ostateczne głosowanie w celu osiągnięcia konsensusu.

• Symuluje 5‑członkową radę ekspertów
• Indywidualne oceny każdego dyrektora
• Dyskusja rady i odwołania
• Ostateczne głosowanie i budowanie konsensusu
• Ocena oparta na rolach (CA, CPO, CSO, COO, CXO)

8

Advpl Mvc Avancado (Grade A)

Umiejętność programowania przetestowana pod względem bezpieczeństwa dla Claude AI. Klasa A. MVC zaawansowany via PE (Punkty Wejścia) — dodawanie niestandardowych siatek w standardowych ekranach MVC (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU)

Brak recenzji· free

Pełna recenzja

Advpl Mvc Avancado (Grade A) to umiejętność programowania przetestowana pod względem bezpieczeństwa dla Claude AI. Służy do dostosowywania MVC padrão (CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU) poprzez dodawanie siatek, addTrigger w kaskadzie oraz walidacji przy zachowaniu oryginalnych pól. Używa się jej do dostosowywania rutyny MVC TOTVS poprzez Punkt Wejścia (A300STRU, MA440STRU, itp.) i posiada funkcje takie jak walidacja krzyżowa pomiędzy siatkami nadrzędnymi i podrzędnymi w standardowym rejestrze, kalkulacje fiskalne oraz warunkowe blokowanie edycji bazujące na stanie rekordu nadrzędnego. Dodatkowo wspiera integrację z MATXFIS, refaktoryzację MsNewGetDados oraz dodawanie niestandardowych pól.

• Dostosowywanie standardowych rutyn MVC za pomocą Punktów Wejścia (PE)
• Dodawanie niestandardowych siatek i wyzwalaczy do standardowych ekranów
• Implementacja specyficznej logiki biznesowej i walidacji
• Wsparcie dla różnych modułów TOTVS (np. MATA010, MATA070, MATA440)

9

Advpl Fundamentals (Grade A)

Umiejętność programowania przetestowana pod kątem bezpieczeństwa Claude AI. Klasa A.

Brak recenzji· free

Pełna recenzja

AdvPL Fundamentals (Wydanie A) to zabezpieczona umiejętność rozwojowa dla Claudesa AI. Kładzie on duży nacisk na fundametryki ADVPL/TLPP, w tym konwencję notacji węgierskiej, konwencję nazewnictwa, zakresy lokalne i globalne oraz ograniczenia długości nazw. Język AdvPL (Advanced Protheus Language) i jego następca TLPP są zorientowanymi na oprogramowanie firmowymi językami zderwowanych z Clipper/xBase. Mają oni zdecydowane konwencje, które nie są opcjonalne w jak najlepszym kodzie Protheus. Ten szkic jest niezbędny dla deweloperów Protheus, zwłaszcza przy tworzeniu lub refaktoryzacji zmiennych i funkcji. Niezaliczkowane usterki, takie jak bezgłośny błąd w klasyce ADVPL, gdzie nazwa zmiennej zatrzymuje się do 10 znaków, a znaczenie korzystania z poprawnego zakresu dla zmiennych, są tutaj poruszane. Obejmuje zastosowanie zmiennych lokalnych, statycznych, prywatnych i publicznych, w tym reguły wskazujące na widoczność i życie cyklu tych zmiennych. Umysłową budowla jest zaprojektowana do pracy jako praktyczny przewodnik dla deweloperów w celu uniknięcia powszechnych błędów i poprawy ich umiejętności programowania ADVPL/TLPP.

• Notacja húngara
• Konwencje nazewnictwa
• Zakresy lokalne/statyczne/prywatne/publiczne
• Limit 10 znaków dla plików .prw/.prx

Workflow Engine (Grade A) to utility skill, która pomaga definiować maszynowo czytelny DAG przepływu pracy dla wieloetapowego potoku agenta. Umożliwia tworzenie potoków z typami węzłów, warunkami krawędzi, bramkami i wzorcami rozgałęzień. Umiejętność została zaprojektowana z myślą o środowisku testowanym pod kątem bezpieczeństwa klasy Grade A, co sugeruje, że doskonale nadaje się do użycia w wysokobezpiecznym środowisku devops z Claude AI.

• Maszynowo czytelny DAG przepływu pracy
• Definicje typów węzłów
• Zarządzanie warunkami krawędzi
• Obsługa bramek i wzorców rozgałęzień
• Zarządzanie wieloetapowym potokiem agenta