autoresearch-agent
Autoresearch Agent 是一个受 Karpathy 的 autoresearch 启发的自主实验循环技能。它通过可量化指标优化任意文件：智能体编辑目标文件、运行固定评估、保留改进、丢弃失败，并无限循环。支持工程、营销、内容、提示词等领域的优化任务，提供斜杠命令（/ar:setup、/ar:run、/ar:loop 等）、内置评估器（速度、体积、测试通过率、构建时间、内存、LLM 评判）以及结果仪表盘与导出功能。
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 10-16 00:02
智能体与模型
21,773 个结果
copilotkit-integrations
CopilotKit Integrations 是 CopilotKit 提供的集成技能，用于将外部智能体框架接入 CopilotKit 前端应用。它通过 AG-UI（Agent-UI）流式协议实现前端与后端智能体之间的双向通信，支持的框架包括 LangGraph、CrewAI、PydanticAI、Mastra、Google ADK、LlamaIndex、Agno、Strands、Microsoft Agent Framework 以及 A2A 中间件和 MCP Apps。该技能附带一个 MCP 服务器（copilotkit-docs），提供 search-docs 和 search-code 工具，用于查询实时文档与源码。集成遵循统一架构：智能体以 HTTP 服务器运行，框架专用适配器转换为 AG-UI 协议，CopilotKit runtime 通过 AG-UI 客户端类连接，前端使用 React 钩子交互。
using-superpowers
这是一个用于建立技能查找与使用规范的元技能（meta-skill）。它要求在任何对话开始时，先判断是否有技能适用于当前任务，并在做出任何回应（包括澄清性提问）之前调用 Skill 工具。该技能强调：只要存在哪怕 1% 的可能性某技能适用，就应先调用检查；若调用后发现不适用，可以不使用。它给出了在 Claude Code 中使用 Skill 工具、在其他环境中查阅平台文档的访问方式，并提供了技能调用流程图、常见“合理化借口”的对照表、多技能并存时的优先级（先流程类技能如头脑风暴、调试，后实现类技能）、技能类型（刚性技能严格遵循、柔性技能按情境调整）以及用户指令只说明“做什么”而非“怎么做”的原则。
culture
中文介绍正在整理，稍后补充。
agent-native-architecture
Agent-Native Architecture 是一套用于构建「智能体优先」应用的方法论与技能，来自 everyinc/compound-engineering-plugin。它主张把智能体当作应用的一等公民：凡是用户能通过界面完成的操作，智能体都应能通过工具达成（对等性）；工具应尽量保持原子化，功能则由提示词描述并由智能体循环执行直至达成目标（粒度与可组合性）。该技能涵盖架构设计、文件与工作区、工具设计、领域工具、执行模式、系统提示词、上下文注入、动作对等、自我修改、产品设计、移动端模式、测试与重构等主题，并提供架构评审清单、快速上手示例与反模式说明，帮助开发者设计可涌现新能力、可随时间改进的智能体原生系统。
handoff
handoff 是一个用于压缩当前对话的 AI 技能，可将正在进行的会话整理成一份交接文档，供另一个智能体接手继续工作。文档会保存到用户操作系统的临时目录，而非当前工作区，并包含“建议技能”部分，指明下一个智能体应调用哪些技能。它要求不重复其他产物（如规格、计划、ADR、issue、提交、diff）中已记录的内容，而是通过路径或 URL 引用；同时会脱敏 API 密钥、密码、个人身份信息等敏感内容。若用户传入参数，则将其视为下一会话重点的描述，并据此调整文档。
copilotkit-self-update
copilotkit-self-update 是 CopilotKit 官方 skills 仓库中的一个技能，用于更新、刷新或重新安装 CopilotKit 的 agent SKILLS，即用于教会该 agent 认识 CopilotKit 的 SKILL.md 文件（注意：不适用于更新 CopilotKit 本身）。其核心方式是通过一条 npx 命令从 GitHub 拉取最新技能：npx skills add copilotkit/skills --full-depth -y。该命令每次都会进行全新克隆，因此总能获得最新版本，而不受本地缓存影响。该技能跨工具通用，支持 Claude Code、Codex、Cursor、Gemini CLI 等；它会检测当前已安装哪些工具，并分别为每个工具更新技能。命令执行完成后，需要在所用工具中开启一个新会话，以加载更新后的改动。建议在以下情况使用：用户反馈技能中的 API 名称有误或信息过时；用户报告 CopilotKit API 与技能描述不一致；用户明确要求更新或刷新技能；或新的 CopilotKit 版本发布、技能可能已陈旧时。
context-window-management
该技能聚焦于大语言模型（LLM）上下文窗口的管理策略，涵盖摘要、裁剪、路由以及避免上下文腐化（context rot）等主题。适用于处理上下文窗口、令牌限制等场景。它面向上下文工程，提供上下文摘要、上下文裁剪、上下文路由、令牌计数与上下文优先级排序等能力，并包含分层上下文策略、序列位置优化、智能摘要等模式，同时指出朴素截断、忽视令牌成本、一刀切方案等反模式。该技能可与 rag-implementation、conversation-memory、prompt-caching、llm-npc-dialogue 等技能配合使用。
gemma-tuner-multimodal
gemma-tuner-multimodal 是一个在 Apple Silicon（MPS）上微调 Gemma 4 与 Gemma 3n 多模态模型的工具，支持音频、图像和文本数据。它基于 PyTorch 和 Metal Performance Shaders，无需 NVIDIA GPU，可在 MacBook Pro/Air 或 Mac Studio 上运行。支持文本 LoRA（指令微调与补全微调）、图像+文本 LoRA（描述与 VQA）、音频+文本 LoRA，并支持从 GCS/BigQuery 流式读取大规模数据集而不占用本地存储。提供命令行工具 gemma-macos-tuner 与 Python API，包含数据准备、微调、评估、导出合并权重、黑名单等操作，以及配置文件管理和交互式向导。
copilotkit
CopilotKit 是一个用于在应用中集成 AI 助手与智能体能力的开发框架，覆盖聊天界面、前端与服务器工具、生成式 UI、共享状态、人在回路（human-in-the-loop）以及多种智能体框架的接入。该技能本身刻意不携带具体 API 细节，因为 CopilotKit 的 API 会持续变化；它主要说明如何获取当前最新的官方文档与源码。使用方式包括：在文档页面路径后加 .md 获取 Markdown 版本，通过 llms.txt 与 sitemap.xml 查找页面路径，或借助 MCP 服务器提供的语义搜索工具检索文档、库源码与 AG-UI 协议资料。调试前建议先运行 CLI 的接线检查命令。当前版本为 v2，需从 /v2 子路径导入，包根路径为已弃用但仍可解析的 v1。
agent-memory-mcp
Agent Memory MCP 是一个为 AI 智能体提供持久化、可搜索知识管理的混合记忆系统，以 MCP 服务器形式运行，支持长期记忆的读取、写入与搜索，并自动与项目文档同步。它面向架构、模式与决策等知识的管理，需要 Node.js v18+ 环境。通过克隆 agentMemory 仓库、安装依赖并编译后，可用辅助脚本为指定项目启动 MCP 服务器，并附带独立仪表盘用于可视化记忆使用情况。
llm-wiki
基于 Andrej Karpathy 的 LLM Wiki 模式，用互链的 markdown 文件构建并维护持久、可累积的知识库，支持摄取来源、查询、审计与一致性维护。
treeseed
TreeSeed 是一个通过 MCP（Model Context Protocol）能力操作的控制平面（control plane）技能，用于项目、知识、治理与执行类工作。它把已连接的 TreeSeed 服务器视为身份、访问、治理、调度与凭证（receipts）的权威来源，要求在使用前先发现服务器当前提供的 MCP 工具、资源、模板、提示、schema 与能力注解，而不是依赖记忆中的工具列表或自行构造 REST 路径。该技能以已认证的外部主体身份运行，强调在关键变更前先读取当前状态，遵循服务器返回的阻塞项、并发令牌、确认请求、资源链接与后续动作，并使用服务器提供的结构化输入输出 schema。它要求不得在工具参数或模型可见内容中放置凭据、会话材料、私钥或 bearer token，并将 input_required 视为签名的精确参数确认检查点。异步工作需遵循持久的 treeseed:// 资源链接，使用服务器公布的进度、取消、完成与订阅机制。技能按用途分为知识、治理、项目、执行与 MCP 协议等参考文档，并通过 Vercel Labs Skills CLI 以固定版本安装与更新。
filesystem-context
filesystem-context 是一个面向智能体的上下文工程技能，主张把文件系统当作上下文的溢出层：将大体积工具输出、计划、日志与技能定义写入文件，只在上下文中保留摘要与文件引用，按需检索，从而缓解上下文窗口有限的问题。
agent-orchestration-improve-agent
该技能用于系统性地改进已有智能体，通过性能分析、提示词工程和持续迭代来提升其表现与可靠性。它提供了一套分阶段的工作流：先建立基线指标并收集代表性样本，识别失败模式并优先处理高影响问题；再应用提示词与工作流改进并设定可衡量目标；最后通过测试验证并在受控阶段逐步发布。适用于优化现有智能体的性能或可靠性、分析失败模式与提示词质量、运行结构化 A/B 测试或评估套件，以及设计迭代优化流程。不适用于从零构建全新智能体、缺乏指标或测试用例的场景，或与智能体性能无关的任务。
mcpc
mcpc 是一个 MCP（Model Context Protocol）命令行客户端，把 MCP 的各类操作映射为 shell 命令。它先与服务器建立持久化的命名会话（@session），再由后台桥接进程维持连接与状态，之后即可在会话上列出和调用工具、读取资源、获取提示词以及运行异步任务。默认输出为人类可读格式，加上 --json 可得到符合 MCP 规范的机器可读输出，便于与 jq 和 shell 管道组合使用。对智能体而言，这种按需发现工具、再生成 shell 命令的方式通常比函数调用更节省上下文。
hermes-agent
Hermes Agent Skill 是一个封装 NousResearch Hermes Agent 命令行调用能力的集成技能，让宿主环境（WorkBuddy/Claw）可通过 Shell 命令使用 Hermes Agent 的核心功能。安装后可使用自改进技能系统（从任务中自动创建可复用技能）、持久化记忆（FTS5 全文搜索与 LLM 摘要）、子代理委托（任务隔离和并行处理）以及 MCP 集成等能力。技能提供一键安装脚本，会检测 Python 3.11+ 环境、克隆源码、创建虚拟环境、生成 CLI 入口和默认配置模板，并需手动填入 API Key 后方可使用。使用方式以 CLI 命令为主，支持交互式对话、单轮执行、指定上下文文件与模型、工具集限制、超时控制等；另提供 wrapper 与 delegate 脚本用于统一 JSON 输出和子代理委托。
assemble-panel
assemble-panel 是一个用于集中管理评审小组组建与循环治理的技能。当其他技能或智能体需要组建、保留或收敛一个评审小组时调用它，通常由 /review、/plan-review 和 code-reviewer 触发，而非直接使用。它根据评审范围（计划文件路径或 git diff）自动选择评审者，返回评审小组名单与策略（gate、cap 及策略代数），由调用方负责派发。该技能只产出数据，本身不派发智能体、不修改文件。
related-skills-surfacer
该技能根据其他插件的近期活动，推荐可能相关的社区技能：在任务结束时检查社区是否已有人构建过相关能力，仅做一次简短提示，不安装、不打断任务，且对同一技能不会重复推荐。
agent-manager-skill
Agent Manager Skill 是一个用于管理多个本地 CLI 智能体的技能，基于 tmux 会话实现智能体的启动、停止、监控与任务分配，并支持通过 cron 进行周期性调度。它适合需要并行运行多个本地命令行智能体、查看其日志输出、向指定智能体派发任务以及安排重复性工作的场景。使用前需安装 tmux 和 python3，并将该技能克隆到工作区。智能体在 agents/ 目录下进行配置。
cc-skill-strategic-compact
这是一个用于在智能体长任务中、于阶段边界处生成“已验证检查点”的技能，帮助在压缩上下文前保留可恢复任务所需的关键信息。它适用于探索已完成、测试里程碑已落地，或长对话中充满重复与过时推理的场景；不建议在未完成的工具调用、未记录的审批决定或证据尚未捕获的失败中途压缩。技能提供检查点模板，涵盖目标与完成条件、约束与授权边界、源码版本与本地改动、已完成结果及验证、未完成工作与已知失败、运行中的进程/工具标识、所需产物路径、下一步动作与回退方案，并附带一个无状态提醒脚本，仅根据调用方传入的工具调用次数打印提醒，不存储计数、不估算 token、不执行压缩。
ai-skill
ai-skill 是一个面向中文用户的 Agent 技能发现与能力管理系统，定位为「智能技能导购」。它帮助用户在大量 Agent 技能中查找、评估、安装和管理所需能力。用户可以用中文描述想做的事情，由它匹配对应的技能并给出安装命令；当用户遇到能力缺口（如「做不了」「不支持」）时，它也会主动推荐可能的解决方案。技能来源包括精选推荐库、平台搜索和排行榜，推荐前会做安装量、发布者、GitHub Stars、更新时间等多项质量检查。它还提供技能管理命令速查，覆盖搜索、安装、查看、更新和卸载操作。
cli-anything-browser
cli-anything-browser 是一个基于 DOMShell MCP 服务器的浏览器自动化命令行工具。它把 Chrome 的无障碍树（Accessibility Tree）映射为虚拟文件系统，让用户和 AI 智能体可以用 ls、cd、cat、grep、click 等文件系统命令来浏览和操作网页。工具提供页面导航（page）、文件系统操作（fs）、动作执行（act）和会话管理（session）四组命令，支持 JSON 输出、守护进程模式和交互式 REPL。安装需要 Node.js/npx、带 DOMShell 扩展的 Chrome/Chromium 以及 Python 3.10+。该工具面向智能体工作流，并提供了 URL 校验、私有网络屏蔽等安全考量。
agentic-workflow
Agentic Workflow 是一个面向实现类任务的标准多智能体流水线模式。它把开发工作拆分为研究、规划、校验、实现、审查五个阶段，每个阶段由独立的子智能体在后台执行，并通过文件进行阶段之间的结果传递。该模式强调主对话只做编排协调，不承担繁重工作，同时要求实现阶段采用 TDD 方式，先写失败测试再实现，并在审查阶段确认测试通过。适合需要把复杂实现任务流水线化、上下文隔离化的开发场景。