fandhe-ai
fandhe-ai 是一个 Rust 编写的 AI/ML 库参考，不依赖 Burn、candle、tch 等现有框架，而是从零实现张量、自动微分、kernel fusion 与后端抽象。面向使用公开 API 的开发者，涵盖安装、后端、API、内部实现与工具说明。
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 10-21 00:11
智能体与模型
24,311 个结果
prompt-extractor
prompt-extractor 是一个用于自动化提取 AI 绘画提示词模块化结构的技能，可从 Midjourney、DALL-E、Stable Diffusion 等提示词中提炼可复用组件，并生成结构化 JSON、模块库与学习增强报告。
prompt-xray
prompt-xray 是一个提示词逆向工程系统，可从已分析的优秀提示词中提取“如何做X”的规律知识，把提示词黑盒变透明。支持按颜色、布局、符号、材质、光影、排版等单一或多个维度提取规律，生成可复用的知识卡片。
add-integration
为 Digital Marketing Pro 插件添加自定义 MCP 集成：查找现成 MCP 包、在 .mcp.json 中写入服务器配置、测试连通性并记录可用工具。
amz-vine-roi-decision
用于在亚马逊卖家报名 Vine 前，按 Tier 0/1/3 计算各档增量收益与成本，判断某 SKU 是否净正收益，并输出 GO/CAUTION/SKIP 结论。
karpathy-autoresearch
AutoResearch 是一个自主研究循环技能，用于让 AI 智能体在 git 分支上自动迭代实验、假设与代码。人类负责定义研究问题、批准假设变更、设定评估指标并在满意时停止；智能体负责实现当前假设、运行实验、分析日志与结果、提出下一轮假设，但绝不更改研究问题。每轮实验只改变一个变量，结果记录到 experiments.jsonl，并在独立分支 exp/<name> 上工作，不修改 main 分支。适用于机器学习训练、提示词工程、代码优化、内容创作、产品设计等任何可迭代优化的场景。
karpathy-system-prompt-learning
系统提示学习范式：把系统提示当作教材来写，通过显式编码策略让 LLM 行为更可预测、更易教学。包含三层框架（背景知识、示范示例、策略规则）、策略编码模板、提示版本管理与验证清单。
dogfood
dogfood 是 Exarchos MCP 的事后复盘技能，用于复查当前会话中失败的 Exarchos MCP 工具调用，利用 MCP 自省能力定位根因，并把问题归类为代码缺陷、文档问题或用户错误，最后可生成报告并起草工单。
merge-orchestrator
merge-orchestrator 是 Exarchos 体系中的本地 Git 合并执行器技能，用于把子代理 worktree 分支合并到目标集成分支，带预检与可回滚恢复点，不涉及远程 PR。
handoff
handoff 是一个用于把当前对话压缩成交接文档的技能，便于新的智能体接手继续工作。文档保存到 /tmp 目录，包含建议调用的技能列表，并避免重复已有产物内容、脱敏敏感信息。
systems-thinking-leverage
一个用于在复杂系统中寻找高杠杆干预点的系统思考技能，通过绘制反馈回路、识别系统原型（如“修复失效”“负担转移”等），并按 Meadows 杠杆层级对干预点排序，帮助制定高杠杆策略。
principle-never-block-on-the-human
这是一个关于智能体协作原则的技能条目，核心主张是：智能体不应因等待人类确认而阻塞。人类以异步方式监督，智能体应自行做出合理决策并继续推进，让人类在事后纠正方向。由于代码变更可逆、可审查，一次错误决策的代价通常低于阻塞等待。条目要求「先执行，后呈现」：直接完成工作并展示结果，而不是先问「我该做 X 吗？」；发现问题时记录并在下一轮修复，使系统具备自愈能力。同时明确区分可逆与不可逆操作：强制推送、删除生产数据、发送对外消息等不可逆操作仍需确认；写代码、编辑笔记、拆分任务等可逆操作应直接进行，不阻塞。产品方向由人类决定，执行环节不应阻塞。
boards-my-work
该技能用于在 Azure DevOps 中获取并展示分配给当前用户的工作项，按工作项类型分组、按最近修改时间排序，并以表格形式显示 ID（可点击链接）、标题、状态和优先级。
ax-narrate
ax-narrate 是 ax 技能，用于把当前会话写成可审阅的结构化叙述：按阅读顺序组织 3-7 个停靠点，并用代码片段、轮次、用户原话、失败等真实证据锚定，记录 PR 差异看不到的纠正、弯路与恢复过程。
using-dotnet
用于在 .NET/C# 请求中建立路由纪律的技能：先从提示或仓库信号识别 .NET 意图，再按顺序加载 dotnet-advisor、dotnet-csharp 与领域技能，避免使用过时 API 或泛化建议。
arxiv-mcp
arxiv-mcp 是一个面向智能体的 arXiv 学术论文检索技能，通过 WebFetch 直接调用 arXiv API、或用 Exa 做语义搜索来查找与获取论文元数据，无需安装 MCP 服务器。
task-banner
为 Claude Code 完成任务的时刻提供 macOS 桌面横幅提醒的技能。当系统通知被静默丢弃时，它改用 JXA/Cocoa 绘制常驻置顶的无边框横幅，并显示一行任务摘要。
ui-skills
UI Skills 是一套用于让代理在构建界面时遵循的约束规则集，涵盖技术栈、组件、交互、动画、排版、布局、性能与设计等方面，用于提升界面质量与一致性。
oh-my-claudecode-multi-agent-orchestration
oh-my-claudecode（OMC）是面向 Claude Code 的多智能体编排框架，以团队优先为设计理念，支持在多个专用智能体之间并行执行任务、自主开发工作流，以及通过深度访谈智能收集需求，资料称无需任何配置。它提供两种使用面：会话内技能（以 / 开头的命令）和终端 CLI（omc 命令）。团队模式是其核心编排路径，按 team-plan → team-prd → team-exec → team-verify → team-fix 的流水线循环运行，可指定执行者、审查者、开发者等角色与数量；CLI 团队工作器可在 tmux 窗格中启动 Codex、Gemini、Claude 等真实命令行工作器。另有 Autopilot 单智能体自主执行、Deep Interview 苏格拉底式需求澄清（可选 autoresearch）、CCG 多模型咨询（Codex 架构 + Gemini UI + Claude 综合）等能力。安装可通过 Claude Code 插件市场或 npm 全局包 oh-my-claude-sisyphus。
50-essential-mcp-servers-reference
一份关于为 Claude、Gemini、Codex 等 AI 编程代理选择、安装与配置 MCP 服务器的专家指南，包含按类别整理的 50 个精选服务器清单、各代理安装语法、常见组合模式及安全配置最佳实践。
mcp-servers-essential-reference
面向 AI 编程代理的 MCP 服务器参考指南，覆盖开发、数据、运维、效率、金融科技、Web3、交易与创作者工具等 9 类共 50+ 个服务器的安装、配置、安全与排错方法。
rekor
Rekor 是面向 AI 智能体的无头记录系统（数据层），通过 rekor CLI 定义 schema、配置 record_types、在 preview 环境测试并提升到生产。生产智能体用 MCP 工具读写记录，外部系统通过 REST API 集成。
polymarket-skill
Polymarket Skill 是 Polygon Agent CLI 中用于在 Polymarket 预测市场进行交易的技能，基于 CLOB V2。它支持浏览市场、查询价格、买入 YES/NO 头寸、卖出头寸、查看持仓与挂单、取消订单等操作。所有命令默认以 dry-run 方式运行，需加 --broadcast 才会实际执行。交易前需完成 EOA 密钥配置、接受 Polymarket 服务条款、设置 V2 代理钱包授权，并确保智能钱包有至少 1 美元 USDC.e。该技能面向希望通过命令行或自动化代理参与 Polymarket 预测市场交易的用户。
team
team 是面向 Codex/OMX 的多智能体协同工作流技能，用户显式调用 $team 或要求团队模式、tmux worker、协同多智能体工作时使用。它通过 omx team 命令启动、监控、关闭受运行时支撑的协同团队，并维护共享运行时状态与共享任务列表。