n8n-extending-mcp-official
n8n Extending MCP 技能用于把任意启用了 MCP 访问的 n8n 工作流暴露为编码智能体可按名调用的工具，适用于封装 MCP 未原生提供的 n8n API 能力，或把通用业务工作流变成智能体可调用工具。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-14 00:15
智能体与模型
26,326 个结果
n8n-node-configuration-official
n8n 官方节点配置技能，指导在配置任意 n8n 节点时先获取节点参数结构再构建配置，避免凭记忆猜测导致验证错误，覆盖 HTTP、Webhook、数据库、通信、AI、触发器、Merge、Switch 等节点。
n8n-subworkflows-official
n8n 的官方技能，讲解子工作流（Sub-workflows）的构建与使用：将可复用逻辑封装为函数，通过 Execute Workflow Trigger 定义输入、末节点返回输出，供其他工作流或智能体工具调用，包含输入模式、无状态与有状态模式、抽取时机和搜索查找约定。
clawdirect
ClawDirect 是面向 AI 智能体的社交网页体验目录（https://claw.direct）。该技能可浏览目录、为条目点赞或添加新站点，通过 ATXP 进行智能体认证，使用 npx atxp-call 调用 MCP 工具。
neo4j-graphrag-skill
基于 neo4j-graphrag Python 包（v1.22.0+）在 Neo4j 上构建 GraphRAG 检索管道的技能，涵盖检索器选型、索引创建、检索查询编写、与 LLM 组合成管道及常见错误排查。
agent-evaluation
用于评估和改进 Claude Code 命令、技能与智能体的方法集合，适合测试提示词效果、验证上下文工程选择并衡量智能体表现。
build-mcp
build-mcp 是一份用于开发高质量 MCP（Model Context Protocol）服务器的指南技能，帮助 LLM 通过设计良好的工具与外部服务交互。它覆盖从调研规划、实现、审查到评测的四个阶段，并提供 Python 与 Node/TypeScript 的实现参考与最佳实践。
context-engineering
面向智能体系统的上下文工程技能，讲解上下文的组成、注意力预算与约束，帮助编写、编辑和优化命令、技能与子智能体。
create-agent
用于创建 Claude Code 智能体（agent）的指南型技能，说明 agent 文件结构、YAML frontmatter 字段、触发条件写法、系统提示词设计与校验规则，并给出代码质量审查、测试生成等示例。
create-command
create-command 是 context-engineering-kit 中的元命令助手，用于交互式创建新的 Claude 命令，帮助确定命令用途、分类与模式，选择项目或用户位置，生成命令文件并配套资源与文档。
create-skill
用于指导创建或更新 Claude 技能的技能编写指南，强调把测试驱动开发（TDD）应用于流程文档：先写压力场景观察基线失败，再编写 SKILL.md 并验证代理遵守，最后重构堵住漏洞。
do-competitively
do-competitively 是一个多智能体竞争式任务执行技能：并行生成多个方案，由元评审生成评估规范，多评审独立打分，再按共识自适应选择打磨、重做或证据式合成，最终产出更优解。
do-in-parallel
do-in-parallel 是一个并行任务编排技能，可跨多个文件或目标同时运行独立任务。它通过子智能体并行执行，按任务选择模型档位，并由 meta-judge 定义标准、judge 外部验证，未达标可带反馈重试。
do-in-steps
do-in-steps 是一个面向复杂任务的串联执行技能，位于 neolabhq/context-engineering-kit 项目中。它把用户给出的一个复杂任务拆解为有顺序、有依赖关系的多个步骤，逐步顺序执行，并将每一步的上下文传递到下一步。每一步都配有 LLM-as-a-judge 的独立校验环节：先由 meta-judge 定义该步骤的验收标准，再由实现代理完成工作，最后由 judge 依据标准打分验收，未通过时按反馈重试（最多 3 次）。该技能支持 --strict 严格模式（仅当评分 >= 4.0 才视为通过）、--model 指定模型（haiku/sonnet/opus），并内置模型层级选择策略与升级规则。调用示例：/do-in-steps Refactor UserService class and update all consumers --strict。校验报告按 .specs/reports/{task-name}-step-{N}-{YYYY-MM-DD}.md 命名，执行前需先创建该目录。
judge
Judge 是 context-engineering-kit 中的评估命令，先启动 meta-judge 生成评估规范，再启动 judge 子代理对当前对话中产生的工作（如代码、文档、配置）进行独立评分与报告，仅评估、不修改产物。
launch-sub-agent
launch-sub-agent 是 context-engineering-kit 中的子智能体调度技能，依据任务复杂度自动选择模型、匹配专用智能体，并强制加入零样本思维链与自我批判循环。
memorize
memorize 是 context-engineering-kit 中的记忆固化命令，用于把反思与评审中得到的洞察整理成可执行条目写入 CLAUDE.md，供后续任务直接复用，避免重复犯错并提升智能体表现。
multi-agent-patterns
面向 Claude Code 的多智能体架构设计技能，通过分布式上下文隔离超越单智能体限制，涵盖主管/编排、点对点/群体与分层三种模式，并讨论协调、共识与失败模式。
plan-task
plan-task 是 context-engineering-kit 中的任务精炼命令，把 /add-task 生成的草稿任务规格通过多智能体工作流完善为可实施任务，产出验收标准、架构、分步子任务文件，并最终移到 todo/ 目录。
prompt-engineering
提示工程（Prompt Engineering）技能，提供少样本学习、思维链、提示优化、模板系统与系统提示设计等高级技巧，用于编写更可靠的 LLM 提示、命令、钩子与技能。
reset
reset 是 FPF 推理周期中的重置技能，用于将当前推演会话恢复为全新状态。它支持软重置（归档当前会话）、硬重置（删除全部 FPF 数据）和决策重置（保留知识、回退假设层级）三种方式。
setup-context7-mcp
setup-context7-mcp 是一份配置指南，用于在项目中接入 Context7 MCP 服务器，以便按具体技术加载最新文档。它引导用户选择配置层级并更新 CLAUDE.md，包含项目共享、项目本地和用户全局三种路径，还会检索相关技术文档。
test-prompt
用于在部署前测试各类提示词的技能/命令，把测试驱动开发的RED-GREEN-REFACTOR流程套用到LLM指令上，通过子代理在无提示与有提示两种情况下运行场景来验证行为。
thought-based-reasoning
面向大语言模型推理的思维链提示技术合集，涵盖 CoT、零样本 CoT、自一致性、思维树、由易到难、ReAct、PAL、Auto-CoT、Reflexion 等方法，说明各自适用场景、提示模板与优缺点。