sent
Sent Meta Dispatcher 是一个路由型技能，不直接执行操作，而是把宽泛或含糊的 Sent 请求分派到对应的 MCP 操作技能或专家技能。适用于用户只说“帮我用 Sent”而未指明渠道（SMS、WhatsApp、RCS）或工作流阶段，或请求可能跨多个技能的场景。
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
26,336 个结果
sent-contacts
Sent Contacts 是 Sent 平台的联系人管理工具集，可通过 MCP 工具执行联系人列表、查找、详情查看、批量创建、汇总和删除操作，适用于搜索联系人等场景。
sent-messaging
Sent Messaging 是一套通过 MCP 工具操作短信、WhatsApp 或 RCS 直发消息的技能，支持发送消息（messages.send）、查询单条消息（messages.get）和活动历史（messages.activities.list），并在发送前进行范围检查、载荷预览与显式确认。
maintaining-agent-context
用于审计、优化并维护代码仓库面向编码智能体的上下文架构，覆盖 AGENTS.md、CLAUDE.md、.claude/rules/ 等指令文件及其指针，分析单位为整体架构而非单个文件。
Audition
该技能通过 Flue 让编码智能体在桌面端操作 Adobe Audition：将 ExtendScript 经 audition_bridge.py 传入并返回 JSON 结果，无需 MCP 服务器，适合检查会话、轨道、剪辑、标记及执行有限编辑。
flue
Flue 是一个轻量级桥接工具，让编码类智能体（agent）通过一条命令从 shell 直接驱动专业桌面软件，如 Photoshop、Premiere、Blender、Unity 等。它并非 MCP 服务器。工作流程为：agent shell 发出桥接命令，桥接在应用脚本运行时内执行脚本，应用返回 JSON 结果。可通过一条 pip 命令安装。目前提供的适配器覆盖 3ds Max、After Effects、Audition、Blender、Excel、Houdini、Illustrator、InDesign、Photoshop、PowerPoint、Premiere、Unity、Word 等应用。Flue 为 MIT 许可的开源 Python 包，官方仓库与 PyPI 页面分别为 github.com/SFKislev/flue 和 pypi.org/project/flue。注意：安装、更新或配置需经人工在当前会话中明确批准；且不应在未获明确要求时执行保存、关闭、导出、渲染或破坏性操作。
the-news
为智能体提供覆盖20个国家主流报纸与新闻网站头版头条的公开API技能，支持近实时快照与历史归档查询，返回各来源当条主标题及AI概览，便于突发新闻追踪、实时事件了解与跨来源媒体对比分析。
smux
smux 是一套用于控制 tmux 窗格并在 AI 智能体之间通信的技能，核心是 tmux-bridge 命令行工具，可通过纯 bash 让任意 AI 智能体与其他 tmux 窗格交互，实现跨窗格消息传递与协作。
agent-memory-mcp
面向 AI 代理的持久知识存储与检索用途摘要，依据发布者列出的 agentMemory 来源整理；旧目录 Skill 与当前上游名称的安装等价性未核实。
agent-memory-systems
用于为智能体设计按租户隔离的记忆、检索与保留策略；适合规划 RAG、对话历史、向量存储或跨会话记忆时参考。
ai-agents-architect
面向自主 AI 智能体设计与构建的技能，覆盖工具调用、记忆系统、规划策略与多智能体编排。强调可控性、明确失败模式与安全护栏，需具备 LLM API、函数调用与提示工程基础。
ai-engineer
面向生产级 LLM 应用的 AI 工程技能，覆盖 RAG 系统、向量检索、智能体编排、多模态集成与 AI 安全治理，强调监控、成本控制和生产可靠性，适合构建企业级生成式 AI 系统。
audio-transcriber
将音视频转写为文本，并通过 LLM 生成 Markdown 纪要与摘要，支持说话人识别、SRT/VTT 字幕、批量处理与长音频通知。
autonomous-agents
面向自主智能体的技能资料，讲解目标分解、行动规划、工具调用与自我纠错等智能体循环，强调可靠性与受约束的领域专用设计，并给出上下文管理与触发场景说明。
brainstorming
brainstorming 是一个智能体技能，要求在创意或构建性工作开始前，通过结构化对话把模糊想法转化为经过验证的设计与规格，防止过早实现、隐藏假设和方案错位。
bullmq-specialist
面向 Node.js/TypeScript 的 BullMQ 专家技能，用于 Redis 支撑的任务队列、后台处理与可靠异步执行；覆盖队列配置、延迟与重复任务、任务流依赖、并发限流、优雅关闭与 Bull Board 监控，并给出常见校验警告与协作边界。
context-compression
面向智能体会话的上下文压缩技能，讲解如何在超长对话与超大代码库场景下压缩历史、保留关键文件与决策信息，并以 tokens-per-task 而非 tokens-per-request 衡量效果。
context-window-management
管理 LLM 上下文窗口的策略技能，涵盖摘要、裁剪、路由与避免上下文腐化，包含分层上下文、序列位置优化、智能摘要和 token 预算分配等模式。
conversation-memory
为 LLM 对话提供持久化记忆系统的技能，涵盖短期记忆、长期记忆与基于实体的记忆，并包含记忆持久化、检索与整合等能力。
langgraph
LangGraph 是一个用于构建有状态、多角色 AI 应用的生产级框架技能，覆盖图构建、状态管理、循环与分支、checkpointers 持久化、人机协同及 ReAct 智能体模式，也是 LangChain 推荐的智能体构建方案。
last30days
last30days 是一个研究技能：围绕任意主题检索 Reddit、X 与网页近 30 天的讨论，聚焦人们当前真正在讨论、推荐和争论的内容，并针对用户指定的目标工具生成可直接粘贴使用的提示词。
multi-agent-brainstorming
该技能通过多个受约束的专用智能体模拟结构化同行评审，用于在实现前验证设计、暴露隐藏假设并识别失效模式。它强调单一设计者、分布式评审、显式决策与强制终止，而非并行头脑风暴。
prompt-engineer
该技能可将原始、非结构化提示词转换为基于成熟框架（如 RTF、RISEN、思维链、RODES、Chain of Density、RACE、RISE、STAR、SOAP、CLEAR、GROW）的优化提示词，自动分析意图并选择合适的框架，采用静默的“魔法模式”运作。
prompt-engineering
提示词工程专家指南，整理少样本学习、思维链、提示词优化、模板系统与系统提示设计等模式与最佳实践，用于提升大模型输出的性能、可靠性与可控性，并支持在示例不足或边界情况下按需迭代测试。