Best კარიერის უნარები (2026)

1

Manage Headers (Grade A)

უსაფრთხოების შემოწმებული განვითარების უნარი Claude AI‑თვის. Grade A. შემოწმებს და კონფიგურირებს უსაფრთხოების header‑ებს, რომელსაც Power Pages საიტი ბრაუზერებს გაგზავნის – Content Security Policy, frame და clickjacking დაცვა

შეფასებები არ არის· free

სრული მიმოხილვა

Manage Headers (Grade A) არის უსაფრთხოების გამოცდილი განვითარების უნარი Claude AI‑თვის. მისი მიზანია შეამოწმოს და კონფიგურაცია მოახდინოს უსაფრთხოების თავსართებზე, რომელთაც Power Pages საიტი ბრაუზერებს აგზავნის, მათ შორის Content Security Policy, კადრის და clickjacking‑ისგან დაცვის, cross-origin გაზიარება, cookie‑ის ქცევა და შესაბამისი საიტის პარამეტრები. უნარი განსაზღვრავს ხარვეზებს და მომხმარებელს აჩვენებს, როგორ გაასწოროს ისინი, რაც ხდის მას გამოსადეგად ისეთი ამოცანებისთვის, როგორიცაა თავსართების გადამოწმება, CSP‑ის შეცდომების გასწორება, cross-origin წვდომის კონტროლი, cookie‑ის პარამეტრების გააციფრება ან ბრაუზერის პარამეტრების უსაფრთხოების შემოწმება. გამოიყენება, როდესაც მომხმარებელი სხვადასხვა უსაფრთხოების‑შეისმნებელი მიზნებს ისახავს, არ მიუთითა კონკრეტულად 'security headers'.

• მიმდინარე უსაფრთხოების header‑ების შემოწმება
• კონფიგურირებს Content Security Policy‑ს
• ჩართავს frame‑სა და clickjacking‑სგან დაცვის ფუნქციებს
• მართავს cross-origin გაზიარებას და cookie‑ის ქცევას

2

Using Git Worktrees (Grade A)

სამუშაოს უსაფრთხოებაში ჩამოყალიბებული მონაცემების აი-თეკნოლოგია ქლუდ აი-სამართავი სისტემისთვის. A ხარისხი. გამოიყენეთ, როდესაც იწყებთ ფინანსურ სამუშაოსთან დაკავშირებულ სხვა სივრცეთან დამოუკიდებლობის აუცილებლობით ან აუცილებელი განხორციჭული გერხვების წესების შედგენა წინასწარ

შეფასებები არ არის· free

სრული მიმოხილვა

ამ ოპერაციით ხელსაწყოს გამოიყენეთ როდესაც დაიწყეთ ფინქს-ს სამუშაო ნახევრის განვითარება, რომელსაც არსებული ვერთქვემნა სივრცეს ეკავშირდება. ასევე ინდახლოპლანის განხორციელება დაწყეთ. ეს ხელსაწყო დაფუძნებულია გიტი გროუს ვუგტირესზე და ფორმილიერულ საქმიან სარგებებზე. ვუგტირესი იწარი მუშაობისა იზოლირებული სივრცეს, გარდა იდენტიკური რეპოზიტორიის მართვის, შემდოდი ონ მულტიპლეს შტრინდს ერი სემნულ მიმართულებით, წინადადება ცვლილებ. ვუგტირესის მხარშენობის საფუძველია სისტემატური საქმიან სარგებებზე, პროექტის, იწარი ბრანკების სარგებებზე, რაც იწვევს სანდო იზოლაციას. საქმიანი მრჩევი ეწოდება დაფუძნებული ასეთი მცოხი ხუხისის გზავკაშების საქმიანობებით. თვით საქმიან სივრცეზე დაფუძნებული აშლი ოდენ გზავვდი არს. თვით აშანი სარკა ხალაში საზს გზავოო არ გაამოა დურე და არს დურე გალმე სა აშმორ ხმუა ნი შტრის სა ომთრი ფო დერვ მა ნა ლიო სუ მირც ა. საფრთხის დამახსოვრება საფეხური საკრიტიკოა და მოიცავს თუ გადაწყვეტილი ფოლდერი გიტის მიერ არ არის აღიარებული. თუ არ არის აღიარებული, ნახევრად-ავტომატურმა სარგებლის ფორმით ფოლდერის სახელს გამოსახულობით ".gitignore" ფაილსაშორს უნახავად და გადახრა შენახვა. შექმნის წესები შემდეგნია: 1. პროექტის სახელის აღმოჩენა და სრული პათი მისამართის შექმნა კომპონენტისთვის. 2. კომპონენტის შექმნა ახალი ფონკციით. 3. პროექტის შექმნის დაფუძველების მხოლოდ, პროექტის აუდიტო და წამქებსასა (ზ.შ: დეპენდენსიის ინსტგლ, ან სეპარანგ, ან ან გო. ზოგი დეპენდენს, გ. მა.) 4. გამიზადი დე სირკუტი ბეზლაინი ბა პროექტის კომბენი ბეზლაინ ვონ რა ცაინ ლეტ. ე. ფოქ დე. რობ ფა ვა ან გ. გ. იდ. ი . ი

• დამოუკიდებელი სივრცის შექმნა
• წარმოების თავსაფრთხოების (SMART) სამუშაო მიმართულება
• უსაფრთხოების (SAFETY) დასამუშავებს
• აუტომატური პროექტის შედგენა
• ნაბიჯის დასამუშავება

3

Ga4 Bigquery Schema (Grade A)

უსაფრთხოების შემოწმებული მონაცემ-აი-ის უნარი Claude AI-სთვის. შეფასება A. GA4 BigQuery ექსპორტის სქემა — სრულყოფილი ველური მითითება, ნესტირებული სტრუქტურები, შეკითხვის შაბლონები და წარმადობის რჩევები

შეფასებები არ არის· free

სრული მიმოხილვა

Ga4 Bigquery Schema არის უსაფრთხოების ორგანიზებული მონაცემები-აი ფუნქცია, რომლებზეც სწავლულია სპეციალისტები, საშვებთან თვისობრივი რეფერენსი, მოთავსებული სტრუქტურები, აკასუჟეტს წილები და პერფორმანსის სადახვეები გუგლის ანალიტიკა 4-ის ბიგ კვადრი ექსპორტ სქემაზე. ის ძირითადად არის შექმნილი იმისთვის, მომხმარებლებს ეხმარებოდეს ფლობიენ GA4 ექსპორტ სქემის განსაკითრიში, რიგითად პროცესიც კორექტრიულად ნაწერობთ BigQuery SQL წილებ, ბიგ-კუდრ მონაცემებზე და შეეფოლოს პერფორმანსის საუკეთო ნაბ. სპეციალო მიწურვა. სხემა რეგულარული მონაცემების წარსადენად აღნიშნავს BigQuery-ში, ნაწლავგანტოვანი და საჩქარო სტრუქტურით, სამთავრობო და საყოველთაო ანდერძობები დამზადებულია. ყოველერედრული ველები თავდაპირველი ივენთის მახსობლობა თავსატყრო ველები კვრივბელი ველები, შეიმუშავებულია საერთო მიზნების დაფა. მთელი ზოგჯერ ველების ქვევთარმონოლოგიის სვენების ცხემის, ევენტები თვის, ივენტ ქიმუშის, ქვევ.ვ. ევენტ_პარამეტრების ველი ევენტების პარამეტრების მასივია, მითითებული ჯგუფების სიმბოლოებით და ღირსებით სახელდებით, როგორიცაა page_location და page_title. მექანიზმმა მოიცვლა ნაგვილებული სტრუქტურები მომხმარებელი თვისებებისთვის, დევისთვის ინფორმაციაზე, გორგიულ ინფორმაციაზე და ვჭირ-ვკიდრები ვივესთორნერის მონაცემებისთვის. გა4 ბიგ კვერი სქემა (Grade A) უნარი მომხმარებლებს სქემის გარშემო გასასვლელს სთავაზობს, .რათა მომხმარებლებს ეფექტიანი წინადადებების დაწერის ნაცვლად მიაწვდინოს. შემუშავებულია გამოყენების შეტყობინებები, გამოცდილება და შესრულების საშუალებები, რათა მომხმარებლებს მიაღებინოს მაქსიმალური ბედავა მათი გა4 დანახვიდან. ამ პროექტის გამოყენების შედეგად, მომხმარებლებს უფრო წვლილიანი დაშვება მათი დანახვიდან ეგზისტირების განხილვისთვის და უწყების მნიშვნელოვან გადაწყვეტებში მიიღებიან გადაწყვეტები. Ga4 Bigquery Schema — საუკეთესო წყაროა ისეთი ადამიანებისთვის, ვინც მუშაობს როგორც GA4 წინადადებაში, BigQuery-ში, საჭიროება დიდ და დაწვრილებით გაზარდებს სკემასა და მის მთელ სამუშაო ნათესობებს. SDK-ის საინფორმაციო უსაფრთხო და Grade-A სერტიფიკაციით, მომხმარებლები შეეცადებიან იდენტურობას იმის ნიჭის ზუსტ და სავალალო საკითხად წარმოებდეს სანაცვლოს მეშვეობით საერთოდ, „Ga4 Bigquery Schema“ საინტერესო საკავშიროა მეტად ათვეს გაინაფორმატირებული მონაცემებისთვის ორივე სისტემაში. მისი სრულყოფილი რეფერენსის მეთოდები, დახვე

• სრული ველური მითითება
• ნესტირებული სტრუქტურები
• შეკითხვის შაბლონები
• წარმადობის რჩევები
• მომზადებული SQL მაგალითები

4

Meta Capi (Grade A)

უსაფრთხოების შემოწმებული data‑ai უნარი Claude AI‑თვის. Grade A. Meta Conversions API (CAPI) კონფიგურაციის მითითება — არქიტექტურა, მოვლენების ტიპები, მომხმარებლის ინფორმაციის ჰეშირება, დედუპლიკაცია, განხორციელების მაგალითები, AEM

შეფასებები არ არის· free

სრული მიმოხილვა

Meta Capi არის უსაფრთხოების ტესტირებული data-ai უნარი Claude AI‑სთვის, რომელიც უზრუნველყოფს კომპლექსურ მითითებას Meta Conversions API (CAPI) დაყენებისთვის. იგი მოიცავს არქიტექტურას, მოვლენების ტიპებს, კლიენტის ინფორმაციის ჰეშირებას, დედუპლიკაციას, განხორციელების მაგალითებს და Aggregated Event Measurement‑ს. ინსტრუმენტი მომხმარებლებს ეხმარება CAPI‑ს სწორად დანერგვაში, მოვლენების ტრეკინგის პრობლემების დებაგინგში, Event Match Quality‑ის გაუმჯობესებაში და deduplication‑ის კონფიგურაციაში. ის გთავაზობთ ზუსტ პასუხებს მზად‑გამოსაყენებელი კოდის მაგალითებით და შეუძლია Cogny MCP‑ის ინსტრუმენტების გამოყენება მომხმარებლის კონფიგურაციების შესამოწმებლად და კონტექსტული რეკომენდაციების მიწოდებისთვის.

• CAPI არქიტექტურას მიმოხილვა
• ღონისძიების ტიპის პარამეტრები
• მომხმარებლის ინფორმაციის ჰეშირება
• დედუპლიკაციის სტრატეგიები
• აგრეგირებული მოვლენების გაზომვა
• Node.js დანერგვის მაგალითი

5

Callees (Grade A)

უსაფრთხოების გადამოწმებული განვითარების უნარი Claude AI-თვის. Grade A. ფუნქციის/მეთოდის პირდაპირი გამოძახების გრაფიკის ჩამოთვლა

შეფასებები არ არის· free

სრული მიმოხილვა

Callees (Grade A) არის უსაფრთხოების შემოწმებული განვითარება უნარი Claude AI‑სთვის. იგი განსაზღვრავს, რომელი ფუნქციები ან მეთოდები გამოიძახება ფუნქციით, და ქმნის პირდაპირი გამოჩენის გრაფიკს. უნარი სასარგებლოა ფუნქციის დამოკიდებულებების რუკის დასადგენად მისი ამოძრავებამდე ან გადატანის წინ, შეზღუდული ან მოძველებული ფუნქციების გამოყენების იდენტიფიკაციისთვის და რეფაქტორინგის გავლენის შეფასებისთვის. ის ასევე აწვდის ინფორმაციას callee‑ს შესახებ, როგორიცაა ფუნქციის სახელი, ხაზის ნომერი და გამოხვერის ტიპი (native ERP, restricted, user function, ან external). /plugadvpl:callees‑ის გამოყენებით მომხმარებლები შეუძლიათ ფუნქციის სახელის შეყვანა, რათა ნახონ, რისი გამოიძახება, და ასევე გამოირჩიონ შედეგის ფორმატირება ცხრილში ან markdown‑ში. ეს plugadvpl toolkit‑ის ნაწილია. ეს უნარი სასარგებლო დამატებაა Claude AI‑ს განვითარების შესაძლებლობებში, რომელიც უზრუნველყოფს აუცილებელ ხედვებს კოდბაზის შესახებ.

• პირდაპირი გამოძახების გრაფიკის ჩამოთვლა
• ფუნქციის გამოძახების ტიპის განსაზღვრა (ნატიური ERP, შეზღუდული, მომხმარებლის ფუნქცია, გარე)
• გამოძახების ადგილას ხაზის ინფორმაცია
• მრავალ ფორმატში (მაგ. Markdown) გამოტანის მხარდაჭერა

6

Test Module Name (Grade A)

თვითმეთვებული სივსხად-აი-მოხელეთა დაზგვი. სადარედ. სახელი ჰესკელურ ტესტ მოდულებს დაიგოკი გაადაგვით. იყენე, როცა ნ. ჰესკელი ტესტ მოდულ თუ განსასხობთ.

შეფასებები არ არის· free

სრული მიმოხილვა

საკვალიფიკაციოდ, ათვისების ადგილის (API, ) საბ-წევრო კოდში, , იხარჯება თანასწორულად ტესტირების მოდული, -ს მითითებით . ეს პროცედურა რაფტ-ნამდვილ, და ძლივს საკვალიფიკაციო მომტიოები და მოდულთა მდედვო

• სამუშაოებს აუცილებელი მოდულის სახელი რობოტოპ აი-ს
• და კლუდ აი-ს საკონტრაქტო სიტყვების საბოლოო კატეგორია.
• დონე ა-ში.
• Haskell საშვებებს ამოწმებს მოდულისთვის ანუ აფურთოებს მას
• იმავე ნაციონალურში
• ის მოდულის სახელის მიხედვით

7

Board Of Directors (Grade A)

უსაფრთხოების მიხედვით შემოწმებული data-ai უნარი Claude AI‑სთვის. Grade A. 5-წეველთა ექსპერტთა საბჭოს განხილვის სიმულაცია ძირითადი გადაწყვეტილებებისთვის. გამოიყენეთ, როცა შეფასებთ გეგმებს, არქიტექტურული არჩევანს, ფუნქციონალური დიზაინს ან ნებისმიერ გადაწყვეტილებას.

შეფასებები არ არის· free

სრული მიმოხილვა

Board Of Directors skill simulates a 5-member expert board deliberation for major decisions. It evaluates plans, architecture choices, feature designs, or any decision requiring multi-perspective expert analysis.

• 5-წეველთა ექსპერტთა საბჭოს სიმულირება
• თითოეული დირექტორის ინდივიდუალური შეფასება
• საბანკის განხილვა და წინააღმდეგობების განხილვა
• საბოლოო ხმა და კონსენსის შექმნა
• როლი‑ზე დაფუძნებული შეფასება (CA, CPO, CSO, COO, CXO)

8

Advpl Mvc Avancado (Grade A)

სეკურიტი ავანკადან განვითარების უნარი კლუდ აი-სანახ. სრტ. A კატეგორია. ADVPL MVC ავანცადო სრტ. მეშვეობით PE (შესასვლელების პუნქტები) — ადგილობრივი გრიდების დამატება სტანდარტულ სკრინ მეშვეობით (CNTA300/MATA070/MATA440/MATA460/FINA040 *STRU)

შეფასებები არ არის· free

სრული მიმოხილვა

Advpl Mvc Avancado (Grade A) არის საინჟინერო ნებდევორპის სრულყოფილების განყოფილება, რომელიც შექმნილია Claude AI-სთვის. ის განვითარების მოდელით (MVC) padrão (CNTA300/MATA070/MATA440/MATA460/FINA040 *STRU მეშვეობით) მოდიფიკაციის საშუალებას შესწავლავს, გრიდებს, addTrigger-ს და ავტომატურად დამატების შემდეგ ვალიდაციას, გრიდებს რომლებშიც კადასტრალურ ენტიტებში ბარით (pai/filha) საზღვარგარეთ ვალიდაციური შესწორება მოხდება. ასევე, ფინანსური კალკული და შეხედულების გამოყენება, თანდაყოლა MATXFIS საცდელ. აგრეთვე ის ტექსტური ვარიანტების (MsNewGetDados) რაციონალიზაციას სინქრონზებებთან ერთად დაემატება ვლადების სხვა თვისებები და პროვაჟისტულე ვარიანტები.

• სტანდარტულ ADVPL MVC რუტინების (სრტ. PE) კონფიგურაცია
• ადგილობრივი გრიდებისა და გათირევის დამატება სტანდარტულ სკრინებზე
• სპეციფიკური მიმდინარეობის ლოგიკისა და ვალიდაციების შეტანა
• კლიენტების TOTVS მოდულების (მაგალითად, MATA010, MATA070, MATA440) მხარდასაჭერი სერვისი

Docs Writer (Grade A) არის პროცესული ნიჭი, რომელიც უზრუნველყოფს რეპოზიტორიის დოკუმენტაციის ზუსტულობასა და სიუხვეს. განკუთვნილია მუშათვნებისთვის ვრ. კლოდ აი-თან, და ამ ნიჭის ობიექტურად წააგავა უსაფრთხოების ტესტ. მნიშვნელოვანია ის უზრუნველყოფაა, რომ დოკუმენტაცია ატაც ყოფილა, დოკს ვებ სიტე, ანტებ. ფაილებსა და ჩანგლოგში. ეს იწყობს იმედს, რომ ეს დაწყებულია დევოპს პროექტებისთვის, რაც მაშველობს მთავარ ფილოსოფიას მართვისა და ოპერაციული ეკიპის თანამშრომლობაში. მისი მოცემული უნარი უმეტესად განკუთვნილია პროცესების ავტომატიზაციისა, ან ავტომატისა იმ დოკუმენტაციის კვალსაც, ის სწორად და აგვიაპონ ყავს. თუმცა, გადასახადებლად დოკუმენტაციის მინჯვრიგეთ, გარკვეული სირთულეებს წააგავს, განსაკუთრებით მაშინ, როცა ის სწრაფი ცვლილებების პროექტებში ხვდება. "საუკეთესო ხარისხის (Grade A) შეფერხება ამბობს მაღალ დონის პროცენტორი და სიზუსტი პერფორმანსში. მაგრამ, მარტივი ცნობის გარეშე, არ იკვეთეს Docs Writer (Grade A) - ის სანგროვო, გულისხმობები, სინგულარობა. მუშაობათა განხორციელების სისტემაში საერთოდ, დოკს რაიტერი გრედ ას იწვევს ცვლილებათა თვალსაზრისით მნიშვნელოვანი როლის შესრულებაში განვითარების ან დევოპს პროცესში, რათა გუნდებს სწავლების სწორი და აქტუალური ინფორმაციის მისაღებად.

• დოკუმენტაციის სიზუსტის შენარჩუნება
• ავტომატური განახლებები
• რეპოზიტორიის სინქრონიზაცია
• ცვლილებების ჟურნალის მართვა
• აგენტის ფაილების განახლება

10

Advpl Fundamentals (Grade A)

საჭირო განვითარების სამუშაო უნარი, იმოწყობილი ესკადეფ აი კლუდ აი (Grade A). ADVPL/TLPP ფუნდამენტები — ჰუნგარული სამანიშვნებელი, სახელად, ადგილობრივი, სტატიკური, კოცნეზო, სოფრიზო, ლიმიტი 10 chars), საკრიპტო ნგარება (c/n/d/l/a/o/b/x/u), სახელადი კონვეფციები, ადგილობრივი, სტატიკური, კოცნიზო, სოტიზო, ლიმიტი 10 chars).

შეფასებები არ არის· free

სრული მიმოხილვა

AdvPL Fundamentalis (Grade A) - ეს არის საჭირო განვითარების უნარი კლაუდ აისთვის. იგი მოიცავს ADVPL/TLPP-ის ფუნდამენტალურ კონცეფციებს, მათ შორის უნგარულ ნოტაციას, აღნიშვნის კონვენციას, ლოკალურ და გლობალურ დიაპაზონებს და სახელის სიგრძეების შეზღუდვებს. ADVPL (ავანსედ Protheus ენა) და მისი გამგზავრების ტექნოლოგია არის კლიფპერი/ქსბეის ძირეული ლექსიკის ხარისხობრივი გაფართოები. მათი საფუძველი სამი სავალალო ნაშთები, აუცილებლობის მიხედვით არათა არ დაეთბობინება პროფესიონალურ Protheus კოდებში. ამ გამოცდაში იყურებიან დამკვეთი მემკვიდრე ამ დახმარებას აღწერს ყველაზე ხშირ ფიქრებს, როგორიცაა ADVPL კლასიკურის სუსტი ბუღა, სადაც ცვლადის სახელი 10 სინგლს იკუნთნა და ცვლების რეგისტრდაციის სწორ სახელმწიფოებრივ მწყობრის გამოყენების მნიშვნელობა. იგი არის პრაქტიკული გეიდი პროგრამისტებისათვის ლოკალური, სტატიკური, პრივატული და საზიარო ცვლადების გამოყენების შესაბამის წესები მათი არსებობის ხანგრძლივობის საფუძველზე. უმაღლესი პორტფელის საფუძველის ფონდამენტალები (Grade A), აცილობს ზემოთხსენებული ცვლადების შინაარსს. ეს საფეხური არის დიზაინირებული იმისათვის, რათა პროგრამისტებს შეუძლოს კავშირგაბურჯქოს მარტივად ზუსტ სიბიებს და უფრო მოკლე პერიოდებში ADVPL/TLPP პროგრამირების მონაცემები გრძელვადიანად შეძლოს.

• ჰუნგარული სამანიშვნებელი
• სახელად. კონვეფცია
• ადგილობრივი, სტატიკური, კოცნიზო, კოსაფ்஘
• ლიმიტი 10 chars]
• pros
• :