memos-cloud
MemOS Cloud 长期记忆集成技能，用于在 AI 应用中接入 addMessage、searchMemory、Chat API、知识库、反馈与删除等功能，帮助开发者按最小资源集完成 MemOS Cloud 集成与验证。
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
24,339 个结果
agentcash-onboarding
AgentCash 入门技能：为 AI 智能体一次性配置钱包与核心技能，通过 x402 微支付按次调用付费 API，可选邀请码获取免费额度。
AgentDB Advanced Features
《AgentDB Advanced Features》介绍 AgentDB 的进阶能力：QUIC 同步、多数据库管理与分片、自定义距离度量、向量加元数据的混合检索，以及分布式部署与生产实践，面向需要跨节点通信与高级检索的 AI 系统开发。
AgentDB Performance Optimization
AgentDB 性能优化技能，通过量化、HNSW 索引、缓存与批量操作提升向量数据库性能，可减少 4-32 倍内存占用并显著加快搜索与插入。适用于优化已有 AgentDB 数据库或应用。
puda
PUDA（Physical Unified Device Architecture）是面向 Physical AI 的硬件与 LLM 无关运行时，通过 NATS 消息驱动架构为智能体提供统一的物理设备控制平面，含 CLI、声明式协议、边缘服务与项目记录。
deeplearning-ai-agentic-research-agent
基于 FastAPI 的智能体研究服务，用规划器把研究任务拆成多步，并调度研究、写作、编辑智能体，结合 Tavily 网页搜索、arXiv 论文和 Wikipedia 工具，结果与任务状态存入 Postgres，支持进度查询和 Docker 部署。
claude-code-system-prompts
该项目是一个收录 Claude Code 系统提示词（system prompts）的资源库，包含主代理提示词、24 个内置工具描述、子代理提示词（如 Plan、Explore 等 30 多个）、实用提示词（如 CLAUDE.md 生成、压缩、安全审查）、约 40 个条件式系统提醒片段，并为每个提示组件标注了 token 数量，同时通过 CHANGELOG.md 记录 180 多个版本中提示词的变化。该技能旨在让 AI 代理理解、引用并帮助用户定制 Claude Code 的内部提示架构，可用于解释 Claude Code 的行为、分析工具与子代理的决策依据、比较不同版本的提示变化，以及配合 tweakcc 工具修改并应用自定义提示。使用方式包括克隆仓库、直接读取 system-prompts 目录下的 Markdown 文件，或通过 tweakcc 导出、编辑并应用提示修改。
twilio-agent-connect
Twilio Agent Connect 是 Twilio 提供的 Python 和 TypeScript SDK，用于把第三方 AI 智能体（如 OpenAI、Bedrock、LangChain、Microsoft Foundry 等）接入 Twilio 的语音、短信、RCS、WhatsApp 和 Web 聊天渠道。它本身不是智能体运行时，而是中间件，提供身份识别、对话记忆、多渠道路由与生命周期管理能力。
vebetterdao
VeBetterDAO 开发技能，聚焦 VeChain 生态中的 X2Earn 可持续应用、B3TR/VOT3 代币、奖励分发、可持续性证明与影响码、应用提交，以及 VeVote 治理、二次方资助和分配轮次。
auto-claude-memory
Auto-Claude 的 Graphiti 记忆系统配置与使用指南。它基于 Graphiti 与内嵌 LadybugDB 构建持久化记忆，无需 Docker 即可运行，支持 OpenAI、Anthropic、Ollama、Google AI、Azure OpenAI、OpenRouter 等多种 LLM 与嵌入服务商。系统可在跨会话场景中保留上下文，通过语义搜索查找相关记忆，并以知识图谱形式存储实体关系与事实。文档涵盖启用开关、服务商配置、数据库路径、MCP 工具、Python API、命令行查询、性能建议与常见故障排查，适合需要让开发智能体在多轮任务间积累并复用经验的场景。
agentscope-java
AgentScope Java 是一个基于 Project Reactor 的响应式、消息驱动的多智能体（Multi-Agent）系统框架，运行于 Java 17+。该技能用于在开发过程中辅助编写符合框架规范的代码，适用于响应式编程、LLM 集成、智能体编排与多智能体系统开发场景。它强调非阻塞的 Mono/Flux 编码方式、工具（Toolkit/AgentTool）集成、Hook 生命周期拦截、Pipeline 编排以及可投入生产的智能体应用构建。技能内容涵盖项目 Maven 依赖配置、核心抽象（Agent、Msg、Memory、Toolkit、Model、Hook、Pipeline）、编码规范与最佳实践、消息与内容块处理、自定义智能体实现、工具定义与异步工具、Hook 系统用法等，并在示例中特别提醒诸如禁止在智能体逻辑中使用 .block()、禁止 Thread.sleep()、避免 ThreadLocal、不可硬编码 API Key、注意导入路径与 API 名称等要点。
byted-marketing-agent-inspiration-insight
抖音爆款创意灵感洞察技能，可按行业查询热门视频的播放、点赞、完播等指标，并展开单条视频的分镜脚本、润色文案、关键帧截图、复刻提示词与多模态视频分析。手动触发指令为 /inspiration。
axiom-transferable-ref
CoreTransferable 与 SwiftUI 内容共享参考技能，覆盖 Transferable 协议、TransferRepresentation 选择、拖放、复制粘贴、ShareLink 及自定义 UTType 声明，用于在应用或视图间共享内容。
agent-team-driven-development
该技能用于协调多个专门化队友并行执行复杂实施计划，适合需要讨论协作、跨三条以上并行工作流推进的任务，并提供角色分工、生成团队、协调、验证清理等工作流指导。
fw-publish
fw-publish 是 Freshworks 开发者工具集中的发布技能，用于通过 MCP 工具将 Freshworks Platform 3.0 自定义应用打包并发布到 Marketplace。发布前需先通过 fw-review 审查，并完成鉴权、版本校验、fdk validate 与 fdk pack 等步骤。目前仅支持 test 状态。
cli-anything-openclaw
OpenClaw Macro System CLI 将 GUI 工作流转化为可参数化、可由 CLI 调用的宏，让智能体无需直接操作 GUI，而是通过稳定命令行调用宏，由运行时自动路由到最合适的后端执行。
eve-verification-plans
用于为 Eve 兼容应用编写智能体验证计划的技能：以 Markdown 文档完整规定验证步骤，既检查应用功能正确性，也检查是否符合 Eve 平台约定，计划可由人或智能体执行。
idea-spark
Idea Spark 是微软 ResearchStudio 的项目，用于从给定的研究方向生成一个可被评审辩护、可落地实现的研究想法，包含具体方法与可证伪计划。资料明确提示：完成提案不等于方法有效、新颖或定理得证。
unslop-file
unslop-file 是一个把自然语言记忆文件（如 CLAUDE.md、AGENTS.md、待办、偏好、文档）改写成更像人类写作的 skill，去除 AI 腔调和同质化排比，同时逐字保留代码块、URL、路径与命令。支持确定性正则与 LLM 两种模式。
socrates-perspective
基于柏拉图对话录等文献提炼的苏格拉底思维框架技能，以提问方式帮助审视思维盲区、逻辑谬误、认知偏差与人生选择，包含5个核心思想模型、7条处世启发式和表达风格规则。
brev-etiquette
NVIDIA 发布的 Brev 实例操作规范技能，指导 NeMo-RL 智能体在 /home/ubuntu/RL 代码仓库与 /ephemeral 大容量卷之间合理分配存储，管理环境密钥，并规范自动研究实验的目录、缓存与清理流程。
merge-pr-check
merge-pr-check 是一个基于 Gitee MCP 的技能，用于在合并 PR 前检查其是否满足合并条件，并在用户确认后执行合并。需配置 Gitee MCP Server，用户需提供仓库所有者、仓库名和 PR 编号。
cmux-orchestration
cmux-orchestration 是一套在 cmux 工作区内编排 Claude Opus 与 Codex GPT-5.5 工作者 TUI 的技能：由控制器智能体分配有界任务、维护状态、验证与集成结果。
AgentDB Memory Patterns
AgentDB Memory Patterns 是一套面向 AI 智能体的持久化记忆模式，基于 AgentDB 存储与 ReasoningBank 集成，支持会话记忆、长期存储、模式学习与上下文管理，让智能体跨会话记住对话并持续学习。