默认配图

如何用 AI 学会 Git 常用命令

「Git 基础操作」是「龙虾部署大师」技能市场中的版本控制助手技能:作用是把常用的本地 Git 命令和协作流程整理清楚并安全执行,覆盖初始化、克隆、配置用户名邮箱、查看状态、暂存、提交、修订提交、查看差异,以及分支创建切换删除、合并、冲突检查、远程仓库管理、fetch、pull、rebase、push 和安全强推。它把这些操作规范化,并整理命令输出便于查看。 技能效果 让它演示查看仓库改动时,它真的初始化了一个 git 仓库、造了四个文件并改动一部分,再用命令展示出已暂存、未暂存、未跟踪三种状态和当前分支。 Git 命令记不牢,问题出在哪 Git 的日常痛点不是不会用,而是命令零散、易记错,且部分操作有破坏性。查状态、看差异、暂存、提交、改提交、建分支、切分支、合并、推远端——每个动作都有自己的参数和细节,偶尔用一次就要翻文档。更要紧的是,rebase、强推这类操作一旦用错,可能覆盖他人提交或丢失历史。结果是:简单操作要查,危险操作不敢轻易动,效率和安全两头都打折扣。 本地 Git 工作区流转 工作区 add 暂存区 commit 本地仓库 push 远端 这个技能能帮你做哪些 Git 操作 它把本地版本控制的常用动作整理成一套可以放心调用的能力,并附带安全约束。基础层面,提供初始化、克隆、全局配置用户名邮箱、状态检查和提交。日常层面,覆盖暂存、差异查看、提交修订,以及分支的创建、切换、删除和管理。协作层面,处理合并、冲突检查、远程仓库添加、fetch、pull、rebase、push,对安全强推这类有风险的操作格外谨慎。它还会清理命令输出,按状态、日志或分支列表选择合适的展示格式,让结果一眼能读懂。它定位在常用命令与基础协作流程,更复杂的历史搜索、stash、标签、cherry-pick、子模块等会指向扩展文档。 基础init/clone/commit 日常diff/分支/改提交 协作merge/pull/push 安全强推谨慎/输出清晰 用前须知 该技能无需 API Key,但需要本机已安装 Git。涉及远程仓库推送或私有仓库时,需要额外配置对应平台的认证(如 SSH Key 或访问令牌),否则推拉操作会因权限不足而失败。 怎么用它 用法是把当前要做的版本控制动作用自然语言说清楚,不必记参数,由它选用安全的命令并整理输出。例如可以这样对它说: 可以这样对它说 "看一下当前仓库哪些文件改过、哪些还没暂存,顺便告诉我当前在哪个分支。" "把这次改动提交成一条记录,提交信息写修复登录,不要改上一条提交。" "新建一个 feature 分支,把本地改动推到远端并设置上游。" 它适合这些场景:新项目要初始化仓库、配置用户信息并完成第一次提交;开发者要创建功能分支、切换分支、合并并处理冲突;需要查看未暂存或已暂存差异、确认提交范围是否正确;团队协作时设置远程仓库、拉取更新并推送新分支。 大家常问 git 的工作区、暂存区和本地仓库到底是什么关系? 工作区是你正在编辑的文件目录,可自由增删改;暂存区是 .git/index 里那张「下一次提交的清单」,由 git add 把工作区改动登记进来;本地仓库是 .git/objects/ 里的不可变提交快照,由 git commit 把暂存区那张清单永久写入。HEAD 则是指向当前分支最新提交的指针,决定 commit 的父提交是谁。 git merge 和 git rebase 都能合分支,本质区别是什么? merge 是追加一个有两个父提交的合并节点,原有的两条分支提交一字不改地保留下来,历史呈分叉拓扑;rebase 是把当前分支的提交挨个搬到目标分支顶端,重新生成全新哈希的提交,历史变成一条直线。前者不改写历史、可被 revert 整体撤销,后者重写历史,已推送到远端共享的提交不要 rebase。 为什么 git push --force 被视为危险操作? 普通 git push 会做快进检查,若远端有本地没有的提交就拒绝推送,保护远端历史完整性。--force 直接跳过这道检查,把远端分支引用强行指向本地 HEAD,远端那些你没拉到的提交立刻从引用图里被切断,沦为悬空对象,等 git gc 一跑就永久丢失。别人在那段历史上的工作也会一起被覆盖。 git reset 和 git revert 都能撤销改动,怎么区分? reset 是把当前分支指针往回挪,属于改写本地历史,被甩开的提交进入 reflog 等待回收;--soft 只挪 HEAD、--mixed 还重置暂存区、--hard 连工作区一起回退。revert 是基于要撤销的那个提交生成一条反向变更的新提交追加到末尾,历史不被改写,安全可分享给协作方。共享分支用 revert,本地未推送用 reset。 想用上这个技能? 「Git 基础操作」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

升学志愿怎么填?就业倒推查真实薪资数据再判断

「升学志愿咨询」是「龙虾部署大师」技能市场中的志愿分析技能:它用就业倒推、家庭背景分流、城市优先、中位数原则和不可替代性检验等方法分析院校与专业选择,强调先查真实就业、薪资、录取分数和行业趋势数据,再结合普通家庭的风险承受能力给出明确判断、关键追问和取舍依据。 技能效果 判断“人工智能专业稳不稳”前,它先查最新的人才缺口、供需比和薪资数据,再给出会分化的结论。 填志愿,为什么容易被"感觉"带偏 填报志愿的决策周期短、信息却又多又杂。家长和考生常被几种倾向带偏:只看学校名气,忽略专业的真实就业去向;被某个专业的"情怀叙事"打动,却没核对薪资中位数和行业变化;用个别成功或失败案例代替整体趋势判断。更现实的是,同一个选择对不同家庭的风险并不相同——普通家庭能承受的试错空间,和有资源托底的家庭并不一样。缺了真实数据和与家庭条件匹配的框架,很容易做出经不起推敲的决定。 凭感觉填志愿的三个偏差 只看名气忽略就业去向 被情怀打动不核薪资中位数 个案代替趋势忽视行业变化 同一选择 · 不同家庭 · 风险承受能力不同 缺真实数据 + 匹配框架 → 决策经不起推敲 这个技能用什么框架帮你判断 它的原则是"先查真实数据,再给判断"。面对涉及具体专业、院校、政策或行业变化的问题,它会先获取最新的就业率、薪资中位数、录取分数、排名和招聘趋势,再用一套现实导向的方法分析:就业倒推(从毕业后能去哪反推该不该选)、家庭背景分流(按家庭资源校准可承受的风险)、城市优先(平台与机会往往集中在城市)、中位数原则(看普通毕业生的真实去向而非头部个例)、不可替代性检验(这个专业的壁垒是否够硬)。交付的是明确判断、关键追问和数据依据,而不是含糊的安慰。 先查数据就业/薪资/分数 就业倒推 家庭背景分流 城市 / 中位数原则 明确判断+ 关键追问 + 数据依据 用前须知 该技能无需本地依赖或 API Key。涉及具体院校、专业、政策、薪资和就业数据时,需要联网查证最新信息,因此使用时应保证网络可访问;纯框架性问题则可直接分析。它给出的是基于现实数据的判断框架,最终决策仍需结合考生本人的意愿与具体情况。 怎么用它 用法是把考生的分数、家庭情况和纠结的选项用自然语言说清楚,让它结合数据分析。例如可以这样对它说: 可以这样对它说 "看看孩子想报人工智能专业到底稳不稳,先查最新的就业数据再下判断。" "我家是普通家庭,分数够南京审计,帮我分析怎么选,别只看学校名气。" "分析一下新闻学这个专业,要结合就业率和薪资中位数,别只讲情怀。" 它适合这些场景:高考填报前比较专业和城市,需要结合分数、家庭和就业风险;家长想评估某个热门专业是否适合普通家庭长期投入;考研或转专业时,判断学校平台与专业壁垒哪个更重要;讨论教育选择与职业规划时,用现实就业数据校准预期。 想用上这个技能? 「升学志愿咨询」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

深度阅读怎么分析?提取正文用思维框架拆论证出笔记

「深度阅读分析」是「龙虾部署大师」技能市场中的长文研读技能:支持 URL、PDF、DOCX、TXT 和粘贴文本输入,先提取正文,再按快速、标准、深度、研究四级模式调用 SCQA、5W2H、批判性思维、第一性原理等框架,把长文拆成核心论证,并输出可复用的学习笔记、写作素材或决策框架。 技能效果 让它深读一篇正念训练与工作记忆的实证论文,它拆出 SCQA 与 5W2H、揪出剂量不匹配和缺中介分析等四处漏洞,再给论证强度打了 6.5 分并列出该补的引用。 长文读完就忘,问题出在哪 论文、报告、策略长文读起来都费时,但"读过"和"读懂、能用"之间常常隔着一道坎。很多人通读一遍后只留下零散印象:抓不住核心主张,分不清哪些是事实、哪些是作者观点;看不出论证里的证据强弱和逻辑漏洞;想引用或落地时,又得回头重读。归根结底,是缺少一套和阅读目的匹配的拆解方法,于是阅读停留在"看完",没有沉淀成可复用的结构化产物。 长文论文/报告 通读一遍 零散印象抓不住主张/分不清事实观点 要用时回头重读 这个技能怎么把长文读"透" 它先识别输入类型(URL、PDF、DOCX、TXT 或粘贴文本)并提取正文,再询问你的阅读目的、想要的分析深度和偏好框架,然后按四级模式推进——快速、标准、深度、研究,深度越高调用的思维框架组合越完整。可用的框架包括 SCQA、5W2H、批判性思维、逆向思维、第一性原理、系统思维等,用来拆解核心论证、评估证据质量、找出逻辑缺口。它在输出时会刻意保留事实、观点和行动项的边界,便于后续验证和复用。 提取正文URL/PDF/DOCX 按目的选深度,调用框架 快速 · SCQA 标准 · 5W2H 深度 · 批判性 研究 · 第一性原理 结构化产物 学习笔记 / 写作素材 决策框架 / 行动项 保留事实 · 观点 · 行动边界 用前须知 该技能无需 API Key。处理 PDF / DOCX 时,正文提取依赖 Python 及 pdfplumber、python-docx 或 docx2txt;输入 URL 时需要网络可访问该内容。它做的是结构化拆解与提炼,关键事实和引用仍建议回到原文核对。 怎么用它 用法是把要读的材料(链接、文件或粘贴文本)交给它,说清阅读目的和想要的深度。例如可以这样对它说: 可以这样对它说 "这篇论文按标准深度读,帮我拆出主张、证据和逻辑漏洞,再评估论证强度。" "这份报告太长,做成学习笔记,列出可用的框架,最后提三条可执行的动作。" "把这篇文章用 SCQA 和逆向思维分析,找出可以落地的启发,别只做摘要。" 它适合这些场景:阅读研究论文时,需要提炼核心假设、证据质量和局限性;处理商业长文或策略报告,希望得到可落地的行动方案;为写作引用整理关键论点、证据、反方视角和内容缺口;面对复杂决策材料,需要从多个角度评估风险、收益和备选项。 想用上这个技能? 「深度阅读分析」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

股票模拟交易怎么练?查持仓、下委托走全流程

「股票模拟交易」是「龙虾部署大师」技能市场中的模拟组合技能:它基于妙想 API 提供 A 股模拟组合管理,支持持仓查询、资金查询、买入、卖出、撤单、委托查询和历史成交查询,用自然语言即可触发模拟委托,用于交易流程练习、策略演示和产品原型验证,明确不用于真实资金交易。 技能效果 演示一次模拟交易时,它按加权平均成本法记录六笔买卖,算清佣金、印花税等费用和每笔盈亏。 想练交易,又不敢拿真钱试 刚学投资的人面临一个两难:不实际下单,永远体会不到买入、卖出、撤单和资金变化的完整流程;真的拿钱去练,又要承担实打实的亏损风险。验证一个策略想法同样如此——在真实账户上反复试错代价太高。「股票模拟交易」要解决的,是提供一个零真实资金风险的环境:照着真实的下单流程走一遍委托、成交、盈亏,把交易这件事先练熟、把策略先演示清楚。 模拟环境里的一笔交易闭环 下委托 成交/撤单 持仓变化 资金/盈亏 全程模拟 · 不涉及真实资金 这个技能能帮你做什么 它围绕一个 A 股模拟组合账户提供完整的交易动作。查询层面,可查模拟组合的持仓、成本、市值、当日和累计盈亏,以及可用资金、总资产和历史成交;交易层面,可执行 A 股的买入、卖出模拟委托,支持限价与市价参数;管理层面,可撤销指定委托或当日未成交委托,并查询委托状态;容错层面,当接口返回未绑定账户或密钥错误时,会说明下一步该怎么处理。它的输出既能用作交易流程练习,也能用于策略演示和产品原型验证。 买入/卖出限价/市价 撤单/委托状态查询 持仓/盈亏 资金/成交历史查询 用前须知 该技能需要 MX_APIKEY,并在妙想 Skills 页面创建且绑定模拟组合账户,MX_API_URL 可选且有默认值,依赖 Python 3 与 requests。它明确仅用于模拟,不用于真实资金交易、不代客操作、不构成投资建议;模拟结果用于练习与演示,与真实成交存在差异。 怎么用它 用法是把要做的模拟交易动作或要查的账户信息用自然语言说清楚。例如可以这样对它说: 可以这样对它说 "在模拟账户里买入 600519 一百股,按当前价格挂单并记录委托号。" "查一下模拟组合的资金、持仓和今天的委托记录,盈亏也一起看清楚。" "把今天所有未成交的委托撤掉,再看可用资金和持仓变化是否更新,口径写清。" 它适合这些场景:投资学习者在无真实资金风险的环境中练习买卖流程;策略验证前模拟买入、卖出、撤单和资金变化;查看当前模拟账户的持仓、可用资金和盈亏结构;以及接口返回未绑定账户或密钥错误时,明确下一步处理。适用于投资教学、个人练习、策略演示和金融产品原型,而非真实下单。 想用上这个技能? 「股票模拟交易」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

如何用 AI 整理零散笔记

「笔记整理」是「龙虾部署大师」技能市场中的笔记沉淀与检索技能:作用是对接 Get 笔记,完成文本、链接、图片笔记的保存、搜索、列表管理、知识库和标签操作。通过自然语言或 /note 指令,它能把聊天、网页、图片里的资料存进个人笔记系统,并用全局召回和知识库召回执行跨笔记的语义搜索,构建可复用的知识沉淀。 技能效果 整理一段杂乱的会议速记时,它把零散内容归到议题下、分点重写,并提炼出待办和要点。 资料越存越多,却越来越找不到 看到有用的链接、截图、想法,随手存下来不难,难的是事后还能找到、还能复用。常见的困境有三个:来源散——有的在聊天里,有的在浏览器收藏,有的拍了张图就忘了;检索弱——只能靠关键词逐个翻,记不清当初用了什么标题;缺组织——存归存,从没按主题归过类,时间一长就成了一堆躺着吃灰的素材。结果是"存过"却"用不上"。 散落的资料 链接 截图 想法 网页 归类 + 可语义检索 竞品调研 · 标签 直播电商 · 知识库 语义召回历史片段 这个技能能帮你管理什么 它把"随手存"和"找得到、用得上"接到一起。核心能力有四块:一是保存文本、链接和图片笔记,并对图片这类异步任务轮询进度直到完成;二是通过全局召回和知识库召回,执行跨笔记的语义搜索,不必记住原始标题也能找回内容;三是浏览、查看、更新、删除笔记,并按需生成分享链接;四是管理知识库、订阅内容、直播关注和笔记标签的增删。它按保存、搜索、列表、知识库、标签、配置等不同场景路由到对应能力,让个人资料从"散乱堆积"变成"有主题、可检索的知识库"。 保存文本/链接/图片 归类知识库/标签 语义召回跨笔记搜索 复用分享/引用 用前须知 该技能需要 Get 笔记的 API Key 和 Client ID,并具备 note.content.read/write、note.recall.read 等权限。它会注意 64 位笔记 ID 的精度安全(JavaScript 处理时按字符串保留),并守住私密笔记的隐私边界。 怎么用它 用法是用自然语言把要存什么、怎么归类、要找什么说清楚,无需手动调接口或记 ID。例如可以这样对它说: 可以这样对它说 "这个链接先存到 Get 笔记里,标签写产品调研和竞品来源,备注一下出处。" "找一下去年收藏的那篇投流复盘,按时间倒序打开最近三篇原文。" "新建一个竞品知识库,把这几条笔记一起放进去,标签写直播电商。" 它适合这些场景:把聊天、网页、图片里的资料快速存进个人笔记并保留来源;查找近期笔记、查看原文详情或按语义检索历史片段;整理主题知识库,把相关笔记批量加入或移出并维护标签;配置 Get 笔记授权,排查 401、403、限流和会员权限问题。 大家常问 为什么散乱的笔记越存越找不到?只讲 AI 笔记整理的原理(结构化分类、标签体系、卡片化、双链、Zettelkasten、PARA),不要提及任何第三方笔记/PKM 工具或本地知识库框架。 本质是缺骨架和缺连接:每条笔记没有固定归属,也没有跨条目的关系记录,下次回想时只能在平行条目里淹没。AI 笔记整理用结构化分类把笔记推到所属知识簇、用标签做多维标记、用卡片化拆出最小知识单元、用双链织出关系网,让"存过"真正变成"找得到"。 什么是笔记的语义召回?只讲 AI 笔记整理的原理(结构化分类、标签体系、卡片化、双链、Zettelkasten、PARA),不要提及任何第三方笔记/PKM 工具或本地知识库框架。 语义召回指 AI 按笔记含义而非字面关键词查找内容,搜"苹果"会按上下文区分"水果"还是"手机品牌"。它把分类下钻、标签交集、双链遍历、PARA 层级匹配等多路检索结果按相似度排序后合并,因此换个表达也能找回旧笔记,不必记得当初的原标题。 笔记的标签和知识库有什么区别?只讲 AI 笔记整理的原理(结构化分类、标签体系、卡片化、双链、Zettelkasten、PARA),不要提及任何第三方笔记/PKM 工具或本地知识库框架。 两者不是同一层级:标签是元数据层,多对多附在笔记上做筛选;知识库是成果层,承载卡片、链接、标签、分类的整体。一篇笔记只能进一个分类却可以挂多个标签,知识库则把这些维度合到一起做检索与推理,标签只是其中的一个索引面。 什么是卡片化笔记?只讲 AI 笔记整理的原理(结构化分类、标签体系、卡片化、双链、Zettelkasten、PARA),不要提及任何第三方笔记/PKM 工具或本地知识库框架。 卡片化笔记把知识拆成最小独立单元,一张卡只承载一个概念、观点或事实,并配一个可独立引用的标题。AI 会把长文按语义边界自动切分、为每张卡生成摘要、检测重复卡片建议合并,让同一张卡可在不同主题里被复用,避免笔记越写越粗、越难检索。 想用上这个技能? 「笔记整理」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29
默认配图

行情数据怎么查?基于东方财富自然语言查行情出Excel

「行情数据查询」是「龙虾部署大师」技能市场中的金融数据检索技能:它基于东方财富权威数据库,用自然语言查询行情、估值、资金流向、财务指标、企业信息、股东高管和关联关系等数据,并把结果整理成多 sheet Excel、文字说明和原始 JSON。 技能效果 查腾讯控股行情时,它返回最新价、当日涨跌幅和近五个交易日收盘价,还逐日标出放量与异常波动。 查一组金融数据,为什么总是绕远路 要查某只股票的最新价、市盈率、主力资金,或某家公司的财务和股东结构,传统做法是在不同页面之间来回切换、手动复制再拼到表格里;指标口径、单位、时间范围每次都要重新对齐,数据多了还容易漏抄错抄。更麻烦的是直接问大模型——它的记忆可能停留在旧数据,时效性金融问题答得并不可靠。「行情数据查询」要解决的,是让查询走权威数据库、用自然语言一次问清,并把结果落成可直接分析的结构化文件。 自然语言提问 → 权威数据 → 结构化输出 自然语言问句证券/指标/时间 东方财富官方 API权威数据库 多 sheet Excel结果说明原始 JSON 这个技能能帮你查到什么 它覆盖的范围比单纯的价格查询更广。行情维度,可按自然语言查股票、指数、基金、债券和板块行情;公司维度,可获取上市与非上市公司的财务、融资和经营信息;关系维度,能解析证券主体、指标元信息以及企业、股东、高管、证券之间的关联关系。每次查询会同时产出三种产物:多 sheet Excel、多表说明文本和 API 原始 JSON,三者分别对应直接分析、快速阅读和留档复核。 行情价/估值/资金 公司财务/经营 关系股东/高管 用前须知 该技能需要 Python 和环境变量 MX_APIKEY;查询文本会发送至东方财富官方 API 域名 mkapi2.dfcfs.com,默认输出到本地工作区目录。技能内部会提醒避免超大范围查询,以减少模型上下文膨胀、提升数据时效性。它提供的是数据检索与整理,不构成投资建议,也不承诺数据的完整或准确无误,重要决策请以官方原始数据为准。 怎么用它 用法是把要查的证券、指标和时间范围用自然语言说清楚,不必关心调用哪个接口、字段叫什么。例如可以这样对它说: 可以这样对它说 "查腾讯控股最新价、涨跌幅和最近五个交易日收盘价,一起看清楚,异常的标出来。" "东方财富这只股票当前的市盈率、主力资金和换手率是多少,按最新数据来。" "把贵州茅台近一周的成交量、收盘价整理成表格,并保留单位,把样本标明。" 它适合这些场景:查询某只股票的最新价、近几日收盘价或市盈率等指标;分析上市公司的财务、主营业务、股东结构或高管信息;研究企业、股东、高管和证券之间的关联关系;以及在金融问题需要及时数据支撑、不想依赖模型记忆或旧数据时。适用于投资研究、金融数据分析、财务顾问、量化研究和需要快速获取结构化数据的业务人员。 想用上这个技能? 「行情数据查询」就在「龙虾部署大师」的技能市场里,打开 技能市场 就能一键安装使用。 还没装龙虾?先 一键部署「龙虾部署大师」,在本地跑起来后再装技能即可。 注:技能的实际效果与所选用的 AI 模型能力有关,不同模型下的表现可能存在差异。

2026/05/29

客服
扫描与客服沟通

回顶部
提示

正在拉起鸿蒙应用市场,如遇无法拉起/无法下载的情况,可使用鸿蒙设备,自行前往应用市场,搜索「Win解压缩」安装。

知道了