Communitygithub.com

Analyse CodeQL

Analyse un codebase à la recherche de vulnérabilités de sécurité en utilisant l'analyse interprocédurale de flux de données et de traçage de CodeQL.

Qu'est-ce que Analyse CodeQL ?

Analyse CodeQL est une compétence destinée aux agents d'IA (tels que Claude Code, Cursor ou Codex) qui automatise l'analyse statique de sécurité (SAST) d'un codebase à l'aide de CodeQL. Elle prend en charge les langages Python, JavaScript/TypeScript, Go, Java/Kotlin, C/C++, C#, Ruby et Swift, et propose deux modes de scan : "run all" (security-and-quality + security-experimental) et "important only" (haute précision). La compétence gère l'ensemble du pipeline : construction de la base de données CodeQL (en respectant les méthodes de construction à plusieurs niveaux), création d'extensions de données pour les API spécifiques au projet, sélection d'ensembles de règles et exécution des requêtes. Elle inclut des scripts de vérification de la qualité de la base de données et de validation des ensembles de requêtes pour garantir des résultats fiables. Des workflows dédiés sont fournis pour chaque étape, et une logique de détection automatique détermine s'il faut réutiliser une base de données existante, en construire une nouvelle, ou demander à l'utilisateur de choisir. L'agent exécute les workflows séquentiellement, et rejette explicitement les rationalisations dangereuses telles que l'utilisation de suites par défaut sans modèle explicite ou l'acceptation d'aucun résultat sans vérification.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/bg-szy/TOP-SKILLS/tree/HEAD/skills/skills/codeql

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Que fait Analyse CodeQL ?

Langages pris en charge : Python, JavaScript/TypeScript, Go, Java/Kotlin, C/C++, C#, Ruby, Swift.

Ressources de compétence : Les fichiers de référence et les modèles se trouvent dans {baseDir}/references/ et {baseDir}/workflows/.

Principes Essentiels

  1. La qualité de la base de données est non négociable. Une base de données qui se construit n'est pas automatiquement bonne – une construction en cache n'extrait rien tout en signalant un succès.

  2. Les extensions de données capturent ce que CodeQL manque. Les projets Django, Spring et Express encapsulent toujours les appels à la base de données, l'analyse des requêtes et l'exécution de commandes shell dans des API spécifiques au projet qu'aucun modèle livré ne couvre.

  3. Les références explicites aux suites empêchent la suppression silencieuse des requêtes. Ne passez jamais de noms de paquets à codeql database analyze – chaque defaultSuiteFile du paquet applique des filtres cachés qui peuvent produire zéro résultat. Générez toujours un .qls.

  4. Zéro résultat nécessite une enquête, pas une célébration. Cela peut signifier une mauvaise extraction, des modèles manquants, les mauvais paquets ou un filtrage de suite. Exécutez {baseDir}/scripts/check_db_quality.py après la construction, confirmez que {baseDir}/scripts/verify_query_suite.py s'est terminé avec zéro pour la suite utilisée – les scripts de génération l'exécutent, donc invoquez-le manuellement uniquement pour une suite réutilisée ou modifiée à la main – et dites dans le rapport que les deux ont réussi.

  5. macOS Apple Silicon nécessite des solutions de contournement pour les langages compilés. Le code de sortie 137 est une incompatibilité arm64e/arm64, pas un échec de construction. Essayez les outils Homebrew arm64 ou Rosetta avant de recourir à build-mode=none.

  6. Suivez les workflows étape par étape. Chaque phase conditionne la suivante ; sauter l'évaluation de la qualité ou les extensions de données laisse l'écart invisible dans les résultats.

Chaque appel Bash est un nouveau shell

Rien n'est conservé d'un appel Bash à l'autre : ni les variables, ni les tableaux, ni les fonctions sourcées depuis build_log.sh. Chaque bloc ci-dessous qui utilise une valeur doit la rétablir dans le même bloc. Les workflows pointent ici plutôt que de le répéter ; ce qu'ils précisent est le dommage spécifique à cet endroit, car chacun échoue différemment et silencieusement :

  • une fonction perdue fait que run_logged se termine avec le code 127, que l'échelle de construction lit comme une méthode échouée et descend vers --build-mode=none, sans jamais avoir invoqué CodeQL
  • un tableau perdu se développe en rien, donc chaque --threat-model et --model-packs choisi par l'utilisateur est supprimé tandis que le rapport final les liste toujours comme utilisés
  • un scalaire perdu sous set -u abandonne le bloc avec unbound variable

Répertoire de Sortie

Tous les fichiers générés (base de données, journaux de construction, diagnostics, extensions, résultats) sont stockés dans un seul répertoire de sortie.

  • Si l'utilisateur spécifie un répertoire de sortie dans son invite, utilisez-le comme OUTPUT_DIR.
  • Si non spécifié, par défaut sur ./static_analysis_codeql_1. Si cela existe déjà, incrémentez vers _2, _3, etc.

Dans les deux cas, créez toujours le répertoire avec mkdir -p avant d'écrire des fichiers.

Définissez USER_SPECIFIED_DIR sur le chemin littéral de l'invite de l'utilisateur avant d'exécuter ceci, ou laissez-le non défini pour un auto-incrémentation. Rien d'autre ne l'assigne.

# Résoudre le répertoire de sortie
USER_SPECIFIED_DIR="${USER_SPECIFIED_DIR:-}"   # remplacez par le chemin de l'utilisateur ici, le cas échéant
if [ -n "$USER_SPECIFIED_DIR" ]; then
  OUTPUT_DIR="$USER_SPECIFIED_DIR"
else
  BASE="static_analysis_codeql"
  N=1
  while [ -e "${BASE}_${N}" ]; do
    N=$((N + 1))
  done
  OUTPUT_DIR="${BASE}_${N}"
fi
mkdir -p "$OUTPUT_DIR"

Le répertoire de sortie est résolu une fois au début avant l'exécution de tout workflow. Tous les workflows reçoivent $OUTPUT_DIR et y stockent leurs artefacts :

$OUTPUT_DIR/
├── rulesets.txt                 # Ensembles de requêtes sélectionnés (journalisés après l'étape 3)
├── codeql.db/                   # Base de données CodeQL (répertoire contenant codeql-database.yml)
├── build.log                    # Journal de construction
├── codeql-config.yml            # Configuration d'exclusion (langages interprétés)
├── diagnostics/                 # Requêtes de diagnostic et CSVs
├── extensions/                  # YAML d'extension de données
├── raw/                         # Sortie d'analyse non filtrée
│   ├── results.sarif
│   └── run-all.qls | important-only.qls
└── results/                     # Résultats finaux (filtrés pour important-only, copiés pour run-all)
    └── results.sarif

Découverte de Base de Données

Une base de données CodeQL est identifiée par la présence d'un fichier marqueur codeql-database.yml dans son répertoire. Lors de la recherche de bases de données existantes, collectez toujours toutes les correspondances – il peut y avoir plusieurs bases de données d'exécutions précédentes ou pour différents langages.

Commande de découverte. find_databases.sh affiche un chemin de base de données par ligne, en filtrant les fichiers marqueurs qu'une construction échouée laisse derrière elle. Construisez le tableau dans le même bloc qui le sélectionne – chaque appel Bash est un nouveau shell, donc un tableau construit ici est vide au prochain appel, et l'exécution conclut qu'il n'y a pas de base de données :

# Substitution de commande, pas `done < <(...)` : une substitution de processus ignore le
# code de sortie du script, donc "codeql n'est pas sur le PATH de ce shell" (code de sortie 2)
# arriverait comme une liste vide et dirigerait vers "construire une nouvelle base de données"
# avec trois bonnes bases de données sur le disque.
if ! DB_LIST=$("{baseDir}/scripts/find_databases.sh" "${OUTPUT_DIR:-.}" .); then
  echo "ERREUR : la découverte de la base de données a échoué – voir le message ci-dessus" >&2
  exit 1
fi

FOUND_DBS=()
while IFS= read -r db; do
  [ -n "$db" ] || continue
  FOUND_DBS+=("$db")
done <<<"$DB_LIST"

echo "Trouvé ${#FOUND_DBS[@]} base(s) de données existante(s)"

# Les métadonnées nécessaires à l'invite de sélection, collectées ici plutôt que dans un bloc
# qui leur est propre : FOUND_DBS est perdu au prochain appel Bash, et une boucle sur un
# tableau qui n'existe plus n'affiche rien et signale un succès.
for db in "${FOUND_DBS[@]}"; do
  CODEQL_LANG=$(codeql resolve database --format=json -- "$db" 2>/dev/null | jq -r '.languages[0]')
  CREATED=$(grep '^creationMetadata:' -A5 "$db/codeql-database.yml" 2>/dev/null | grep 'creationTime' | awk '{print $2}')
  echo "$db — langage : $CODEQL_LANG, créé : $CREATED"
done

Ne supposez jamais qu'une base de données est nommée codeql.db – découvrez-la par son fichier marqueur.

Lorsque plusieurs bases de données sont trouvées : utilisez AskUserQuestion pour permettre à l'utilisateur de sélectionner la base de données à utiliser, ou d'en construire une nouvelle, à partir du langage et de l'heure de création imprimés ci-dessus. AskUserQuestion prend au maximum quatre options, donc avec plus de bases de données que cela, proposez les trois plus récentes plus "Construire une nouvelle base de données" et listez les autres dans le texte de l'invite. Ignorer AskUserQuestion si l'utilisateur a explicitement indiqué quelle base de données utiliser ou s'il faut en construire une nouvelle dans son invite.

Démarrage Rapide

Pour le cas courant ("analyser ce codebase à la recherche de vulnérabilités") :

# Vérifier que CodeQL est installé. Arrêtez-vous ici si ce n'est pas le cas – chaque commande
# ultérieure échoue avec une erreur moins informative, et l'exécution gaspille un cycle de
# construction avant d'en donner la raison.
if ! command -v codeql >/dev/null 2>&1; then
  echo "ERREUR : codeql introuvable sur le PATH. Installez-le avec l'une des commandes :" >&2
  echo "  gh extension install github/gh-codeql   # puis : gh codeql install-stub" >&2
  echo "  brew install --cask codeql" >&2
  echo "  https://github.com/github/codeql-action/releases  (codeql-bundle)" >&2
  exit 1
fi

# jq analyse `codeql resolve database --format=json` à l'étape suivante. Sans lui, CODEQL_LANG
# revient vide et l'exécution continue avec le mauvais langage.
if ! command -v jq >/dev/null 2>&1; then
  echo "ERREUR : jq introuvable sur le PATH (brew install jq / apt install jq)" >&2
  exit 1
fi

# uv exécute à la fois les scripts de garde et les deux générateurs de suites. Vérifiez-le ici
# plutôt qu'au moment de la génération de la suite, qui a lieu après la construction – sinon
# une machine sans uv passe toute la construction avant d'échouer.
if ! command -v uv >/dev/null 2>&1; then
  echo "ERREUR : uv introuvable sur le PATH (https://docs.astral.sh/uv/getting-started/)" >&2
  exit 1
fi

codeql --version

Ensuite, résolvez OUTPUT_DIR en utilisant le bloc dans Répertoire de Sortie ci-dessus – il honore un répertoire spécifié par l'utilisateur, ce qu'un simple auto-incrément ne fait pas.

Ensuite, exécutez le pipeline complet : construire la base de données → créer les extensions de données → exécuter l'analyse en utilisant les workflows ci-dessous.

Rationalisations à Rejeter

Ces raccourcis conduisent à des résultats manqués. Ne les acceptez pas :

  • "security-extended suffit" - C'est la base. Vérifiez toujours si les packs Trail of Bits et Community Packs sont disponibles pour le langage. Ils capturent des catégories que security-extended manque complètement.
  • "security-and-quality est la suite la plus large" - security-and-quality exclut tous les chemins de requête experimental/. Pour le mode run-all, importez à la fois security-and-quality et security-experimental. Le delta est de 1 à 52 requêtes selon le langage.
  • "La base de données s'est construite, donc elle est bonne" - Une base de données qui se construit ne signifie pas qu'elle s'est bien extraite. Exécutez toujours l'évaluation de la qualité et vérifiez le nombre de fichiers par rapport aux fichiers source attendus.
  • "Les extensions de données ne sont pas nécessaires pour les frameworks standard" - Même les applications Django/Spring ont des wrappers personnalisés que CodeQL ne modélise pas. Ignorer les extensions signifie manquer des vulnérabilités.
  • "build-mode=none est acceptable pour les langages compilés" - Cela produit une analyse gravement incomplète. À n'utiliser qu'en dernier recours absolu. Sur macOS, essayez d'abord la solution de contournement de la chaîne d'outils arm64 ou Rosetta.
  • "La construction échoue sur macOS, utilisez simplement build-mode=none" - Le code de sortie 137 est causé par une incompatibilité arm64e/arm64, pas un échec de construction fondamental. Voir macos-arm64e-workaround.md.
  • "Aucun résultat signifie que le code est sécurisé" - Exécutez check_db_quality.py et verify_query_suite.py et signalez qu'ils ont réussi. Sans eux, zéro résultat et une base de données qui n'a rien extrait produisent la même sortie.
  • "Je vais simplement exécuter la suite par défaut" / "Je vais simplement passer les noms des packs directement" - Chaque defaultSuiteFile du pack applique des filtres cachés et peut produire zéro résultat. Utilisez toujours une référence de suite explicite.
  • "Je vais placer les fichiers dans le répertoire courant" - Tous les fichiers générés doivent aller dans $OUTPUT_DIR. Disperser des fichiers dans le répertoire de travail rend le nettoyage impossible et risque d'écraser les exécutions précédentes.
  • "Utilisez simplement la première base de données que je trouve" - Plusieurs bases de données peuvent exister pour différents langages ou d'exécutions précédentes. Lorsque plus d'une est trouvée, présentez toutes les options à l'utilisateur. Ignorez l'invite uniquement lorsque l'utilisateur a déjà spécifié la base de données à utiliser.
  • "L'utilisateur a dit 'analyser', cela signifie qu'il veut que je choisisse une base de données" - "Analyser" n'est pas une sélection de base de données. Si plusieurs bases de données existent et que l'utilisateur n'en a pas nommé une, demandez.

Sélection du Workflow

Cette compétence comporte trois workflows. Une fois un workflow sélectionné, exécutez-le étape par étape sans sauter de phases.

Ces exécutions sont longues. Une construction de base de données comporte quatre méthodes de repli, donc utilisez les outils de tâche pour suivre la progression. Décidez quelles étapes méritent d'être suivies en fonction de l'exécution.

WorkflowObjectif
build-databaseCréer la base de données CodeQL en utilisant les méthodes de construction en séquence
create-data-extensionsDétecter ou générer des modèles d'extension de données pour les API du projet
run-analysisSélectionner les ensembles de règles, exécuter les requêtes, traiter les résultats

Construction sans assistance

Ce plugin fournit /static-analysis:codeql-build, qui exécute les étapes de construction de la base de données de bout en bout : détecter le langage et la chaîne d'outils, parcourir l'échelle des méthodes en appliquant les correctifs de build-fixes.md entre les échelons, et appliquer le contrôle de qualité.

/static-analysis:codeql-build {"target": "/abs/path", "lang": "cpp"}

Il ne demande rien. Le fait que chaque méthode échoue et qu'une base de données construite mais sous le seuil de qualité reviennent sous forme de statuts – no-method-succeeded et built-below-threshold – pour que vous agissiez ici, car savoir si les erreurs d'extracteur restantes se limitent à du code dont personne n'a besoin d'analyse est un jugement que l'exécution ne peut pas prendre.

Utilisez-le lorsque la construction est la partie longue et incertaine et que vous souhaitez qu'elle soit menée à son terme. Travaillez build-database.md à la main lorsque vous voulez avoir votre mot à dire sur la méthode à essayer, ou lorsqu'un échec de construction nécessite une interprétation en temps réel.

Logique d'Auto-Détection

Si l'utilisateur spécifie explicitement quoi faire (par exemple, "construire une base de données", "exécuter l'analyse sur ./my-db"), exécutez ce workflow directement. N'appelez PAS AskUserQuestion pour la sélection de la base de données si l'invite de l'utilisateur rend déjà son intention claire – par exemple, "construire une nouvelle base de données", "analyser la base de données CodeQL dans static_analysis_codeql_2", "exécuter une analyse complète à partir de zéro".

Pipeline par défaut pour "test", "analyser", "scanner" ou similaire : Découvrez les bases de données existantes en utilisant la commande dans Découverte de Base de Données ci-dessus, puis décidez.

ConditionAction
Aucune base de données trouvéeRésoudre un nouveau $OUTPUT_DIR, exécuter construction → extensions → analyse (pipeline complet)
Une base de données trouvéeUtiliser AskUserQuestion : la réutiliser ou en construire une nouvelle ?
Plusieurs bases de données trouvéesUtiliser AskUserQuestion, limitée à quatre options – voir Découverte de Base de Données
L'utilisateur a explicitement indiqué son intentionIgnorer AskUserQuestion, agir selon ses instructions directement

Invite de Sélection de Base de Données

Lorsque des bases de données existantes sont trouvées et que l'utilisateur n'a pas explicitement spécifié laquelle utiliser, présentez-les via AskUserQuestion sous l'en-tête "Bases de Données CodeQL Existantes". Étiquetez chaque option avec le chemin, le langage et l'heure de création collectés ci-dessus – ./static_analysis_codeql_1/codeql.db (langage : python, créé : 2026-02-24) – et faites de la dernière option "Construire une nouvelle base de données".

Après la sélection :

  • Si l'utilisateur choisit une base de données existante : Définissez $OUTPUT_DIR sur son répertoire parent (ou le répertoire le contenant), définissez $DB_NAME sur le chemin sélectionné, puis procédez aux extensions → analyse.
  • Si l'utilisateur choisit "Construire nouvelle" : Résolvez un nouveau $OUTPUT_DIR, exécutez construction → extensions → analyse.

Invite de Décision Générale

Si ni la base de données ni le workflow ne sont clairs à partir de l'invite, proposez les quatre workflows via AskUserQuestion

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

bg-szy/TOP-SKILLS

Brand-first landing page designer — runs a brand-identity interview (colors, typography, shape language), then generates and iterates on a polished landing page via Stitch with deployment-ready HTML. Use when the user asks to create, design, or build a landing page, homepage, or marketing page and has no established visual direction. Skip when they have a design mockup, need a dashboard or app UI, are working at component level, building a multi-page app, or restyling with known design tokens — use frontend-design instead.

bg-szy/TOP-SKILLS

Fill out Microsoft Azure Landing Zone (ALZ) Accelerator checklists by interviewing the user, mapping their Azure subscriptions, integrating IP addressing documentation, and applying Microsoft Cloud Adoption Framework best practices. Produces a completed Excel checklist (.xlsx) ready for ALZ deployment. Use this skill whenever the user mentions Azure Landing Zone, ALZ checklist, landing zone accelerator, platform landing zone configuration, ALZ bootstrap, hub-and-spoke setup, Azure network topology planning, or wants to fill out any ALZ-related checklist or configuration file. Also trigger when the user uploads an Excel file that contains tabs like "Accelerator - Bootstrap", "Accelerator - Bicep", or "Accelerator - Terraform".

bg-szy/TOP-SKILLS

Compose a premium, animated landing page section by section in Next.js + Tailwind + Motion (Framer Motion) — built on a real design system, with editorial copy and motion that feels human-crafted, not template-generated. Use when building or rebuilding a landing page, marketing site, or hero/feature/pricing/CTA sections that need to look production-ready and bespoke from day one.

bg-szy/TOP-SKILLS

Write high-converting landing page copy using proven frameworks like PAS (Problem-Agitate-Solution), AIDA, and StoryBrand. Creates headlines, value propositions, CTAs, and full page sections optimized for conversion. Use when users need landing page copy, sales page content, or marketing website text.

bg-szy/TOP-SKILLS

Optimize landing pages for conversions, performance, and SEO. Use when improving landing pages, increasing conversions, or optimizing page performance.

bg-szy/TOP-SKILLS

Review investment portfolios for risk, diversification, fees. Asset allocation recommendations, tax-loss harvesting, rebalancing.

bg-szy/TOP-SKILLS

Beads Viewer - Graph-aware triage engine for Beads projects. Computes PageRank, betweenness, critical path, and cycles. Use --robot-* flags for AI agents.

bg-szy/TOP-SKILLS

CI red? Call us. Pipeline fire brigade deploys. Use when user mentions CI failures, build errors, test failures, or pipeline issues. Do NOT load for: local builds, standard implementation work, reviews, or setup.

bg-szy/TOP-SKILLS

CASS Memory System - procedural memory for AI coding agents. Three-layer cognitive architecture with confidence decay, anti-pattern learning, cross-agent knowledge transfer, trauma guard safety system. Bun/TypeScript CLI.

bg-szy/TOP-SKILLS

Mandatory entry point: read this first for any request to make, create, edit, animate, or render a video, animation, or motion graphic, including a promo, explainer, captioned clip, title card, overlay, slideshow or interactive deck, Remotion port, or any HyperFrames HTML composition. Also use it to inspect, diagnose, validate, preview, publish, or batch-render an existing HyperFrames project. Inputs may be a website URL, GitHub PR, Figma design or URL, text or brief, existing footage, or music. It resumes project state, captures intent when applicable, selects and installs the owning workflow, and routes domain capabilities. HyperFrames is the default output framework unless the user explicitly chooses another framework for the deliverable or asks only to record a browser session.

bg-szy/TOP-SKILLS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

bg-szy/TOP-SKILLS

Use when the user asks to "pre-launch check the landing page", "run a Quality-Score preflight", or "verify ad-to-page message match before launch"; produces an ad↔page continuity report — message-match gaps, above-the-fold check, page-speed read, form-friction count, mobile-render flags — as a pass/fix punch list. Not for redesigning or rewriting the page — use landing-optimizer; not for scoring the account or the RQS — use ad-account-auditor. 落地页体验预检/广告落地页一致性检查

bg-szy/TOP-SKILLS

Use when the user asks to "optimize our landing page for influencer traffic", "fix our promo-code landing page", or "improve conversion from a creator campaign"; produces a message-match audit, page-structure and social-proof recommendations, a promo-code/CTA conversion plan, and an A/B test roadmap. Not for measuring campaign results after launch — use performance-analyzer.

bg-szy/TOP-SKILLS

Audit a landing page, sales page or checkout page for conversion leaks and return a fix list ordered by expected revenue impact. Use when asked to review, critique or improve a landing page, sales page, opt-in page, product page or checkout flow, when conversion rate is low, when paid traffic is not converting, or when someone asks "why isn't this page converting" or wants a CRO / landing page review.

bg-szy/TOP-SKILLS

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

bg-szy/TOP-SKILLS

Create high-converting, visually distinctive landing pages. Use when building marketing pages, product launches, SaaS homepages, or any single-page conversion-focused website. Guides section-by-section composition with anti-AI-slop principles.

bg-szy/TOP-SKILLS

Landing page conversion optimization with layout rules, hero section design, and CTA psychology. Covers above-the-fold formula, social proof placement, mobile design, and F-pattern reading. Use for: startup landing pages, product pages, SaaS marketing, conversion optimization. Triggers: landing page, hero section, above the fold, conversion optimization, landing page design, cta button, hero image, landing page layout, saas landing page, product page design, conversion rate, landing page best practices

bg-szy/TOP-SKILLS

Account assets, equity and fund positions, P&L, cash flow records, account statements, margin ratios, buy-power estimates, order management, and DCA recurring investments via Longbridge (most require Trade permission). Frameworks: portfolio diagnosis, rebalancing, asset allocation, risk analysis (VaR/CVaR), performance attribution, and tax-loss harvesting. Triggers: "持仓", "账户", "盈亏", "资产", "对账单", "下单", "买入", "卖出", "撤单", "定投", "组合诊断", "再平衡", "资产配置", "风险分析", "绩效归因", "税损收割", "持倉", "賬戶", "盈虧", "對賬單", "下單", "買入", "賣出", "組合診斷", "再平衡", "稅損收割", "positions", "portfolio", "P&L", "order", "buy", "sell", "DCA", "statement", "risk analysis", "rebalancing", "tax harvesting", "我的风险", "持仓风险", "风险敞口", "資產", "資產配置", "風險分析", "績效歸因", "撤單

bg-szy/TOP-SKILLS

Auto-loaded context for Portfolio Buddy 2 development. Use for ANY task involving: React 19 development, TypeScript, portfolio analysis features, metrics calculations, trading strategy comparison, or working with the Portfolio Buddy 2 codebase. Contains tech stack, known issues, and architectural constraints.

bg-szy/TOP-SKILLS

Process video files with audio extraction, format conversion (mp4, webm), and Whisper transcription. Use when user mentions video conversion, audio extraction, transcription, mp4, webm, ffmpeg, or whisper transcription.

Skills associés