duanyongping-perspective
以段永平“本分”哲学与价值投资智慧为核心的思维模型技能，用于按其视角分析经营、投资、竞争与管理问题。仅在用户明确要求使用该人物视角或提到 duanyongping-perspective 时触发，不因一般性问题自动启用。
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 10-24 00:15
智能体与模型
24,689 个结果
nemo-retriever-mcp
NeMo Retriever MCP 是一套通过 MCP 工具访问 NeMo Retriever 检索能力的技能，用于搜索已有文档或在文档尚不可检索时导入文档，并基于检索结果作答。
recovery
recovery 是 agent-studio 中的工作流恢复协议技能，用于在上下文耗尽、会话中断或出错后恢复工作流，涵盖状态重建、产物恢复与失败分类。
tool-search
Tool Search 是一项基于嵌入（embeddings）的语义化工具发现技能，用于大规模工具库的按需加载，可将工具定义占用的上下文减少 85% 至 90% 以上，并提升工具选择准确率。
energy-systems
一个面向电力系统工程领域的技能，覆盖电网建模、潮流分析、储能调度、需求响应与电力市场经济，并规定回答须以提供的参考资料为依据。
llm-npc-dialogue
用于在游戏中构建由大语言模型驱动的NPC对话系统，使NPC保持人设、记住对话且不脱离角色。内容围绕角色一致性、记忆管理、延迟控制、本地小模型与云端API取舍、系统提示词、优雅降级与对抗性测试等原则展开。
planning-with-files
一个把复杂任务工作流改为使用持久化 Markdown 文件（Manus 风格）的技能：用 task_plan.md、notes.md 和交付物文件充当磁盘上的工作记忆，用于规划、进度跟踪与知识存储。
n8n-workflow-patterns
n8n Workflow Patterns 是一份面向 n8n 工作流构建的架构模式指南，基于真实工作流使用情况总结出 5 种核心模式：Webhook 处理、HTTP API 集成、数据库操作、AI Agent 工作流和定时任务。它提供模式选择指南、通用组件说明、数据流模式、常见陷阱、创建检查清单以及快速上手示例，帮助使用者在搭建新工作流或设计工作流结构时选择合适的模式。该技能还与其他 n8n 相关技能（如 MCP 工具、表达式语法、节点配置、验证）配合使用，覆盖从规划、实现、验证到部署的完整流程。
openai-responses
OpenAI Responses API 是 OpenAI 于 2025 年 3 月推出的有状态智能体接口（/v1/responses），作为 Chat Completions 的继任者，可跨轮保留推理状态，并内置代码解释器、文件检索、网络搜索、图像生成与 MCP 等工具。
ask-matt
ask-matt 是 paololeonardi/mattpocock-skills 仓库中的技能路由工具，用于根据你的具体情况推荐应使用的技能或工作流。它不执行具体任务，而是把你导航到合适的流程或技能上。
triage
triage 是一个用于项目 issue 跟踪器的技能，按角色状态机推进 issue 与外部 PR：分类、验证、必要时追问，并撰写可供智能体执行的简报。
wayfinder
Wayfinder 是一个面向大型工作的规划技能：当一项工作超出单个智能体会话的容量时，它把从起点到目标的路径绘制成 issue 追踪器上的共享地图，用决策工单（decision tickets）逐个厘清，直到路线清晰。
coverage-drop-investigator
用于排查测试覆盖率下降的技能：定位导致覆盖率下滑的提交与文件，并给出应补充的测试建议，适用于 Jest 覆盖率报告与 git 分支对比场景。
orchestrate
orchestrate 是一个用于协调多个智能体处理大范围任务的技能，适合工作量较大的场景，简单任务无需使用。它让主智能体在向用户保持可用的同时，把实质性工作委派给多个子智能体。
migrating-deep-agents-to-pydantic-ai-harness
该技能用于把基于 Python LangChain Deep Agents（deepagents 包）构建的应用迁移到 Pydantic AI 与 Pydantic AI Harness。它以保留应用既有可观测契约为目标，而非照搬 create_deep_agent 的结构，通过组合 Pydantic AI 原语与 Harness 能力实现迁移。内容涵盖：先确认 deepagents 导入来源并记录各框架版本；追踪一条代表性请求涉及的工具、中间件、状态、审批、事件与副作用；按需加载核心迁移、上下文与执行、编排与恢复、宿主与协议等映射模块；再以单个可复用 Agent 起步构建目标，把身份、配置与服务客户端放入依赖，逐步加入 Harness 能力，并保留边界适配器维持旧接口形状；最后以纵向切片方式迁移并运行原有测试及针对性验证。适用于源应用使用上游 deepagents 包或复现其契约的项目。缺少锁定源码时需复现环境，无法复现的行为应标记为未验证；无直接对应能力时应给出替代方案而非止步于“不支持”。
model-evaluation
用于比较贝叶斯模型的 ArviZ 1.1 评估流程，覆盖 PSIS-LOO-CV、ELPD、Pareto k 诊断、模型比较与堆叠平均，并含 LOO-PIT 校准、LOO-R2 等新函数。
tutorial
Ouroboros 的交互式教程技能，通过动手体验引导用户学习 Ouroboros 的核心流程：从模糊想法到精确规格，再到可执行的 Seed。
ko-skill
ko-skill 是一个兼容性入口，用于处理明确以 `ko-skill` 名称发起的旧请求，实际工作会委派给 `oro-fun-sigidi`。公开资料未提供更多功能细节。
agentic-research-workflow
一个基于 FastAPI 的多步骤 AI 研究代理服务，编排规划、研究、写作、编辑代理，调用 Tavily、arXiv、Wikipedia 工具，并用 Postgres 管理任务状态，支持 REST API 与 Web UI 监控。
openclaw-windows-companion
OpenClaw 的 Windows 原生伴侣套件，提供 WinUI 3 系统托盘应用、共享网关客户端库与 CLI 工具，通过 WebSocket 将 Windows 电脑连接到 OpenClaw 网关，并可作为可控节点使用系统命令、截屏、摄像头、语音与位置等能力。
browser-mcp-control
Browser MCP Control 是一个基于 Model Context Protocol（MCP）的浏览器控制技能，通过 MCP 服务器与 Chrome 扩展，将 AI 助手连接到本地 Chrome 浏览器，实现 AI 辅助的网页自动化。它运行在用户现有的浏览器配置文件上，保留登录会话和 Cookie，相比无头自动化工具可减少 CAPTCHA 触发和机器人检测。该技能提供导航、点击、输入、下拉选择、悬停、按键等交互工具，以及页面快照（ARIA 可访问性树）、截图、控制台日志等检查工具，支持登录流程、表单自动化、数据提取和多步骤工作流等场景。安装需克隆仓库、构建 MCP 服务器、配置 MCP 客户端并安装 Chrome 扩展，扩展通过 WebSocket（默认端口 9009）与本地服务器通信，可选 Redis 用于会话持久化。
easy-notion-mcp-integration
easy-notion-mcp 是一个生产级的 Model Context Protocol（MCP）服务器，用于将 AI 智能体连接到 Notion。它让智能体使用 GitHub 风格 Markdown 而非原始 Notion API JSON 来读写内容，提供 42 个 MCP 工具，支持 24 种区块类型（包括折叠列表、分栏、标注、表格和文件上传）的双向保真转换。数据库操作支持简洁属性对象（如 {"Status": "Done"}）并自动映射 schema。支持 Stdio（API Token）与 HTTP（OAuth/Bearer Token）双传输方式，可选 Redis 用于多实例共享 schema 缓存与 OAuth 持久化。默认包含内容净化、URL 校验和工作区根目录文件限制等安全措施。
review-agents-md
review-agents-md 是一个用于创建与重构 AGENTS.md 文件的技能，强调渐进式披露原则，让根目录文件保持最小、聚焦，避免因内容臃肿而拖累智能体表现。它会在「创建 agents.md」「重构 agents.md」「审查我的 agents.md」等场景下触发，也可在项目根目录缺少 AGENTS.md 时主动检查并提示创建。核心做法是只保留与每一个任务都相关的内容，例如一句话项目说明、非 npm 的包管理器、非标准的构建与测试命令，以及指向独立文档的轻量链接；把语言规范、测试模式、API 规则、Git 提交约定等按领域拆分为 docs/ 下的独立文件，或打包为按需加载的技能。该技能明确反对记录文件目录结构、明显的编码建议和相互矛盾的规则，并给出了多包仓库使用嵌套 AGENTS.md 的处理方式。它还处理与 CLAUDE.md 的兼容问题：AGENTS.md 始终是唯一事实来源，CLAUDE.md 应始终作为指向它的符号链接存在。（约 340 字）
pod-sales
pod-sales 是 ruflo 项目中的一个单次执行技能，用于运行销售业务 pod 的一个 tick（对应 ADR-164 §4.1 第二阶段）。它加载 templates/sales.json 模板，依据 pod-schema 进行校验，将模板中的 agent 类型与已知类型列表比对，并在文件账本上预留预算，最后向 Phase-1 存储追加一条 pod 状态信封。该技能适合在 Claude Code 中演示、冒烟测试或调度销售自动驾驶的一次迭代，而无需启动真实的 LLM worker。当前版本为 dry-run 模式，--live 会被拒绝并返回退出码 3。