该技能提供了使用 JUnit 5 测试 Spring ApplicationEvent 发布者和事件侦听器的全面模式。它涵盖了测试事件发布、侦听器执行、事件传播以及同步和异步事件处理，而无需完整的 Spring 上下文启动。

提供可用于生产的 TypeScript 文档，通过分层文档架构为多个受众提供服务。使用 TypeDoc 生成 API 文档、创建架构决策记录并维护全面的代码示例。

提供有关在 TypeScript/JavaScript 项目中使用 Turborepo monorepos 的全面指南。 Turborepo 是一个用 Rust 编写的高性能构建系统，它通过智能缓存、并行化和依赖图分析来优化任务执行。该技能涵盖工作区创建、任务配置、框架集成（Next.js、NestJS、Vite）、测试设置、CI/CD 管道和性能优化。

Build Retrieval-Augmented Generation systems that extend AI capabilities with external knowledge sources.

Qdrant 是一个用于语义搜索和相似性检索的 AI 原生向量数据库。该技能提供了将 Qdrant 与 Java 应用程序集成的模式，重点关注 Spring Boot 集成和 LangChain4j 框架支持。为 RAG 系统、推荐引擎和语义搜索应用程序提供高效的矢量搜索功能。

该技能提供了用于创建、优化和实施高级提示模式的全面框架，可显着提高跨各种任务和模型的 LLM 性能。它涵盖了少样本学习、思维链推理、提示优化工作流程、模板系统以及用于生产就绪的人工智能应用程序的系统提示设计。

提供有关在 TypeScript/JavaScript 项目中使用 Nx monorepos 的全面指南。 Nx 是一个智能构建系统，具有高级缓存、受影响的命令执行以及强大的 React、Next.js、NestJS 等生成器。该技能涵盖工作区创建、项目生成、任务执行、缓存策略、模块联合和 CI/CD 集成。

该技能使用 Drizzle ORM 自动为 NestJS 应用程序生成完整的 CRUD（创建、读取、更新、删除）模块。它按照 zaccheroni-monorepo 模式创建所有必需的文件。

该技能为使用 TypeScript 构建 NestJS 应用程序提供了全面的指导，包括与 Drizzle ORM 集成以进行数据库操作。它涵盖了 NestJS 开发的所有主要方面，从基本模块结构到微服务和 GraphQL 等高级模式。

使用 LangChain4J 为检索增强生成应用程序配置向量存储。

使用 LangChain4j 基于注释的编程工具系统定义工具并使 AI 代理能够与外部系统、API 和服务进行交互。

由于 LLM 响应的不确定性和 AI 工作流程的复杂性，LangChain4J 测试需要专门的策略。该技能为使用模拟进行单元测试、使用测试容器进行集成测试以及 RAG 系统、AI 服务和工具执行的端到端测试提供了全面的模式。

在以下情况下使用此技能：

使用 LangChain4j 实施模型上下文协议 (MCP) 服务器，通过标准化工具、资源和提示模板扩展 AI 功能。

该技能为使用 LangChain4j 构建声明式 AI 服务提供了指导，使用基于接口的模式、系统和用户消息的注释、内存管理、工具集成以及抽象出低级 LLM 交互的高级 AI 应用程序模式。

使用 Drizzle ORM 构建类型安全数据库应用程序的专家指南。涵盖所有支持的数据库的架构定义、关系、查询、事务和迁移。

以draw.io 的原生XML 格式创建专业的逻辑图。此技能可以生成可用于生产的 .drawio 文件，用于使用通用形状和符号进行逻辑流程图、系统架构可视化和抽象流程表示。

该技能为在 Java 21+ Spring Boot 3.5+ 应用程序中实现简洁架构、六边形架构（端口和适配器）和领域驱动设计战术模式提供了全面的指导。它通过适当的分层和依赖关系管理确保关注点的清晰分离、独立于框架的域逻辑以及高度可测试的代码库。

提供全面的 CLAUDE.md 文件管理功能，包括审核、质量评估和有针对性的改进。这项技能通过维护高质量的文档文件确保 Claude Code 拥有最佳的项目环境。

为检索增强生成 (RAG) 系统和文档处理管道实施最佳分块策略。这项技能提供了一个全面的框架，用于将大型文档分解为较小的、语义上有意义的片段，在保留上下文的同时实现高效的检索和搜索。