诊断生产力系统反复失效的根因,给出最小干预——容量测算、瓶颈定位、可靠的本地记录。
编程
round-robin-allocator
试用均匀轮转分配工具 — 将 N 个对象在 T 个轮次中按比例分配 K 种选项,最大化覆盖多样性,支持四种后处理模式调整重复分布。
它能做什么
给 N 个「对象」,在 T 个「轮次」中,按比例把 K 种「选项」分配出去, 并让每个对象每轮尽量拿到不同的选项。
技能文档
round-robin-allocator
给 N 个「对象」,在 T 个「轮次」中,按比例把 K 种「选项」分配出去, 并让每个对象每轮尽量拿到不同的选项。
核心能力
- 自然语言解析:支持中英文混合描述(如「33个项目,4个月,5套方案,比例7:8:10:3:5」)
- Hamilton 配额 + 贪心分配:精确按比例计算配额,最大化覆盖多样性,迭代优化消除重复
- 四种后处理模式:ID排序 / 随机打乱 / 均匀分布 / 自定义月间重复比例
- 确认表 + 配置系统:代码强制钩子流程,支持跳过确认、默认模式持久化
- 多种输出:Markdown 明细表 + HTML 热力图表(含 3D 散点图)+ CSV 可选导出
- 补全机制:缺参数时不会编造或推断,通过选项 9 自然语言补充
📚 渐进式加载:本技能采用渐进式 MD 体系,
SKILL.md为入口(≤230行),详细内容拆分到references/*.md按需加载。
渐进式文件索引
| 文件 | 说明 |
|---|---|
references/usage.md | 详细使用指南(确认表/菜单/后处理/配置/输出) |
references/algorithm.md | 分配算法与后处理算法说明 |
references/antipatterns.md | 反模式与常见错误 |
references/faq.md | FAQ 与排错指导 |
references/changelog.md | 更新日志 |
使用方式
AI 对话
场景 1:标准分配(等分比例)
用户:我有 33 个项目,4 个月,5 套方案,比例是 7:8:10:3:5
计算报告:已解析参数 N=33, T=4, K=5, 比例=7:8:10:3:5
结果:输出分配明细表 + 热力图表(含分布统计和 3D 散点图)
场景 2:均匀分布(避免集中)
用户:12 个学生,6 周,3 个课题,比例 4:4:4,用 fair 模式
计算报告:已解析参数 N=12, T=6, K=3, 比例=4:4:4, 模式=fair
输出结果:每周 3 个课题均匀分配,每个学生前两周不重复,热力图显示覆盖平衡
命令行
python scripts/main.py --input "33个项目,4个月,5套方案,比例7:8:10:3:5"
python scripts/main.py --input "..." --mode fair
python scripts/main.py --input "..." --no-confirm
→ 详见 references/usage.md
限制与边界
| 约束项 | 说明 |
|---|---|
| 输入规模 | 建议 N ≤ 1000 个对象,T ≤ 52 轮,K ≤ 20 种选项。超过会降低性能 |
| 比例约束 | 比例之和必须等于 N。不指定比例则默认等分 |
| 参数缺失 | N/K/T 缺任意一个无法执行,工具不会自动推断 |
| 运行环境 | 脚本需 Python ≥ 3.8,仅标准库。HTML 可视化图表依赖 CDN(Chart.js + Plotly.js) |
| 后处理范围 | 后处理只影响分配显示顺序,不影响配额计算的正确性 |
触发场景
正向触发:
- 用户需要均匀轮转分配:将 N 个对象在 T 个轮次中分配 K 种方案
- 需求涉及配额/覆盖/轮转/方案分配
- 需要调整重复事件的月间分布
否定条件:
- 简单问答、闲聊、问候
- 用户明确说"不分配"
文件结构
round-robin-allocator/
├── SKILL.md # 入口文档
├── _meta.json # 元数据
├── references/ # 渐进式文档
│ ├── usage.md # 使用指南
│ ├── algorithm.md # 算法说明
│ └── changelog.md # 更新日志
└── scripts/
├── allocator.py # 核心算法(纯标准库)
├── main.py # CLI 入口
└── visualizer.py # HTML 生成器
依赖
- Python ≥ 3.8,仅标准库
- HTML 可视化:Chart.js + Plotly.js(CDN 加载)
详见 反模式
详见 FAQ
相关技能
从 AdMapix API 拉取广告创意、应用、榜单和收入预估等数据,原样返回结构化 JSON。
在本地磁盘以分类纯 Markdown 文件保存需要长期留存的事实,与智能体内置记忆并存。
把自然语言描述转为结构化 JSON,并由 mcp-diagram-generator MCP 服务生成 Draw.io、Mermaid 或 Excalidraw 图表文件。
按用户明确指令,在得到大脑(Get笔记)中保存、搜索并管理笔记与知识库。
以 AI 机器人身份加入视频会议,提供语音、虚拟形象与屏幕共享四种模式。
ldxs001 的更多技能
浏览全部技能Skill 标准化规范引擎。支持 R-01~R-26 规范审查(audit / create / update / refactor / bump / readonly 六模式),含权限扫描、数据目录合规检查、渐进式加载、LLM 二次筛分类。
全平台统一发布工具。支持 skills 和 agents 的 Gitee/GitHub/ClawHub/SkillHub/PyPI 同步与 Release 创建,LLM 驱动的文件过滤与脱敏。
Execute→Review→Advance 三步循环执行框架。增强步骤规划能力、增强语义理解;明确空转/重试/换思路/求助完整流转规则;最多重试3次、最多空转3次强制约束。
调用链编排技能 — 既是调用链编辑器,也是粗粒度规划器。理解用户意图 → 规划 Skill 参与顺序 → 更新/保存/推荐调用链 → 拼接为调用链(支持循环/分支编排、子步骤拓扑排序、准确步骤计数)。
draw.io 自动做图 Skill。当用户要求画图、生成图表、做架构图、流程图、UML、ER 图、时序图、思维导图等时触发。生成 .drawio 文件并用 draw.io 打开。支持思考-确认-迭代-版本回溯的完整工作流,8 个 Hook Point 安全校验。
8种原子组件自由组合 + 3级约束, cell merging, two-level module system (base + composite), 7+ built-in templates, grid-aware visual editor, style presets, post-generation...