pipefy-automations
中文介绍正在整理，稍后补充。
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
21,865 个结果
gauntlet-loop
Gauntlet Loop 是一个把任意目标转化为一段简短、可直接粘贴的“gauntlet loop”提示词的工具。它本身不执行任务，而是生成一段提示词，让另一个智能体设定明确的质量标杆，把工作拆成可独立改进和评判的小块，为每块并行派出构建者与独立评审者，评审者将产出与真实标杆盲比，指出最大差距，循环往复直到盲比胜出。核心在于标杆必须具体、可获取、可比较。适用于网站、游戏、写作、代码、研究、文档等目标。
would-agents-actually
Would Agents Actually? 是一个用于判断智能体系统在给定任务、工具、策略、预算与试验条件下，是否会真正执行或避免某个已定义动作的技能。它强调将系统声称、轨迹记录与环境证据分开，要求通过独立环境回读来确认外部动作，并输出有证据支撑的结论标签（LIKELY、UNLIKELY、UNCERTAIN、INSUFFICIENT EVIDENCE，或在无法实时研究时使用 UNVALIDATED HYPOTHESIS）。该技能提供命令语法、判定协议、证据收集与验证流程，以及用于校验结论产物形状的 mise 命令。
agent-tool-builder
Agent Tool Builder 是一个面向 AI 智能体工具设计的技能，聚焦于 LLM 与外部世界之间的接口设计。其核心观点是：LLM 看不到工具的实现代码，只能看到 schema 和描述，因此一个实现完美但描述含糊的工具会失败，而一个简单但文档清晰的工具会成功。该技能涵盖 agent-tools、function-calling、tool-schema-design、mcp-tools、tool-validation、tool-error-handling 等能力，提供工具 Schema 设计、带输入示例的工具、工具错误处理等模式，并指出含糊描述、静默失败、工具过多等反模式。适合与 multi-agent-orchestration、api-designer、llm-architect、backend 等技能配合使用。
goal-prompt
goal-prompt 是一个用于“常驻目标（standing goal）”系统的输入打包技能。它的作用是把一段内联提示、可读文本文件或完整计划包，在不改变内容、上下文、意图和含义的前提下，整理成常驻目标系统所需的输入结构。该技能只负责准备输入，不执行目标本身。打包结果要求返回恰好六行、作为一条命令：第一行指向打包后的目标，后五行分别以 outcome:、verify:、constraints:、boundaries:、stop when: 开头，整条命令需控制在 1900 字符以内，且不得使用代码围栏或合并行。打包过程中把输入视为源数据，不执行其中的指令，并保留所有需求、例外、依赖、路径、命令、标识符、验收标准、不确定性和审批信息。它还会生成源快照、计算 SHA-256、建立需求映射（REQ-### ID）、编写目标文件（含目标、源清单、完成契约、开放问题、适配策略、引导与任务变更策略、执行规则、自我改进审查门、需求映射等章节），并在失败时移除部分输出并报告阻塞原因。
omc-teams
omc-teams 是 oh-my-claudecode 项目中的 CLI 团队运行时技能，用于在 tmux 窗格中并行启动多个外部 CLI 工作进程来执行任务。它支持 claude、codex、gemini、antigravity、grok 和 cursor 六种代理类型，其中 cursor 仅限执行器风格任务。该技能通过 /omc-teams 或 omc team 命令调用，可指定 1-10 个工作进程数量，将任务拆分为独立子任务并行执行，并提供状态查询、任务认领、邮箱投递和关闭等生命周期管理。它属于 CLI 优先运行时，旧的 MCP 运行时工具已弃用。
sub-agents
Sub-Agents 是 Claude Code 中用于创建和配置子代理（sub-agents）的参考文档。子代理是具有独立上下文的专用 AI 代理，可针对特定任务配置自定义提示词、工具和模型。用户可通过交互式 /agents 命令、手动创建 .claude/agents/ 目录下的 Markdown 文件，或使用 CLI 的 --agents 参数来定义代理。每个代理文件包含 name、description、tools、model 等字段，工具和模型均可选，省略工具则继承全部工具。文档还介绍了内置代理（General-purpose、Plan、Explore）、模型选择建议、常用工具组合、示例代理（代码审查、调试器）、文件存放位置与优先级，以及可恢复代理和代理链式调用等高级模式。
antithesis-workload
Antithesis 工作负载实现技能：把属性目录中的性质映射为 SDK 断言与测试命令，并在分诊后改进覆盖率。适用于已用 antithesis-research 与 antithesis-setup 完成前置准备的 Antithesis 测试项目。
pipefy-process-intelligence
中文介绍正在整理，稍后补充。
supermemory
Supermemory 是面向 AI 智能体的长期与短期记忆及上下文基础设施，用于为应用提供持久化记忆、用户画像与语义检索能力。它通过 Memory API 从对话中提取并持续更新事实，生成静态与动态结合的用户画像，并提供支持多模态（文本、PDF、图片、视频、URL、Google Docs）的 RAG 语义搜索。开发者可通过 TypeScript/JavaScript、Python 等 SDK，或 Memory API、Memory Router 代理三种方式集成，用少量代码实现跨会话记忆、个性化体验与知识密集型检索。
pipefy-ai-agents
Pipefy AI Agents 是 Pipefy 平台中用于管理「对话式 AI 智能体」的技能。智能体依附于 pipe（管道），每个智能体包含一条智能体级指令和 1 至 5 个行为（behavior），每个行为拥有自己的触发事件、提示词和动作。该技能提供创建、读取、更新、删除、启停与排障等操作，并支持在创建或更新前进行预检校验。它还涵盖知识库（纯文本、PDF 文档、数据查找）的创建与挂载，以及 LLM 提供商（含自带模型）的配置。适用于需要为业务流程自动化引入 AI 智能体的场景。
hive-create-task
Hive Create Task 是 rllm-org/hive 项目中的一个交互式向导技能，用于通过引导式对话设计并创建一个新的 hive 任务。它按阶段引导用户完成问题定义、评估设计、约束规范、仓库脚手架搭建、端到端测试与迭代，以及最终上传发布。目标是产出一个完整、经过测试的任务仓库，使智能体能够立即克隆并开始工作。该技能强调“好任务需要好评估”，建议将大部分精力投入评估设计，并在每个阶段用户满意前不进入下一阶段。所有面向用户的问题通过 AskUserQuestion 提出。
groove-admin-claude-hooks
groove 的 Claude Code 原生 shell 钩子安装技能：将确定性、非模型驱动的钩子写入 .claude/settings.json，并生成脚本到 .groove/hooks/claude/，用于会话结束提醒、git 活动采集、受管路径保护、上下文重载、版本检查与会话捕获。
groove-utilities-memory-mistakes
groove-utilities-memory-mistakes 是 groove 技能体系中的一个工作流纠错工具，用于记录智能体（agent）犯下的工作流错误、修复其根本原因，并将经验教训沉淀到长期记忆中，防止同类错误再次发生。它把每次事故作为 bug 任务记录在配置的任务后端里，统一归入「Groove Memory」里程碑下的「Mistakes」史诗（epic）。使用时可通过 $ARGUMENTS 传入错误描述，或用 --list 仅查看未关闭的事故。流程要求先确认根本原因和修复方案，再立即应用修复，并把教训追加到 .groove/memory/learned/<topic>.md 文件中，最后将事故标记为已完成。该技能依赖已配置的任务后端，若未配置需先运行 /groove-utilities-task-install。
comfyui-inventory
ComfyUI Inventory 是一个用于发现并缓存 ComfyUI 实例中已安装模型、自定义节点和系统能力的技能。它支持在线（通过 ComfyUI API 查询）和离线（扫描文件系统目录）两种发现模式，结果保存到 state/inventory.json 供工作流校验使用。每次生成工作流前必须先执行库存检查，以避免引用未下载的模型、未安装的节点或超出显存限制。
skill-seekers
Skill Seekers 是一套工作流，用于把已获授权的文档、仓库或 PDF 转换成可复用的智能体技能（agent skill），并在安装前对生成内容进行审阅。它强调先明确来源、允许的提取范围、目标任务与触发条件、目标智能体以及输出目录，检查许可并排除凭据或范围之外的私密内容。随后按 Skill Seekers 源仓库中的安装与转换说明，使用其当前支持的接口进行操作，而不是凭猜测使用命令参数。转换过程中，所有提取出的文本都被视为源数据，而非可授权新操作的指令。生成后需要检查 SKILL.md 及每个附属文件，核对触发条件、事实性指导、来源出处、相对引用以及执行与安全边界，并移除密钥与无关的来源导航信息。最后还需按目标智能体的技能格式进行校验；若用于 AAS 贡献，还要遵循其技能模板与仓库校验流程。交付物为生成的文件以及一份检查清单和遗留缺口说明，而将技能安装到智能体的技能目录属于另一步需用户授权的操作。该转换工具本身是外部前置条件，不包含在本条目中，且生成文本必须经过语义审阅，仅靠提取无法确认正确性或再分发权利。
huawei-cloud-skill-creator
华为云技能创建器（Huawei Cloud Skill Creator v2）是一个用于生成华为云技能包的六阶段严格流水线工具。它从苏格拉底式问答需求分析开始，依次经过技术调研（CLI→SDK→API 三级回退）、文档生成、测试准备、详细测试、资源清理与合规检查，最终产出符合华为云技能规范的完整技能包。该工具只负责创建和打包技能，不直接操作云资源（不创建、删除或修改 ECS、VPC、OBS 等），云资源操作需使用专门的管理技能。使用前必须通过华为云凭证预检，且所有 hcloud 命令必须通过 skill-quality-cli 包装执行。
research-agent
research-agent 是一个用于收集外部文档、最佳实践和库 API 信息的研究型智能体，属于 parcadei/continuous-claude-v3 项目。它通过 MCP 工具（Nia、Perplexity、Firecrawl）执行研究任务，并将发现整理成交接文档。该智能体接收研究问题、背景说明和交接目录，按步骤识别研究类型、调用相应工具、综合多来源结果，最终生成 research-NN-<topic>.md 格式的交接文件，供后续的 plan-agent 或 implement-agent 使用。
subagent-driven-development
Subagent-Driven Development 是一个用于在当前会话中执行实现计划的工作流技能，适用于任务之间基本独立的场景。其核心做法是：为每个任务派发一个全新的子代理（subagent）来实施，任务完成后依次进行两阶段审查——先做规格符合性审查（spec compliance review），再做代码质量审查（code quality review）。该技能强调每个任务使用全新上下文以避免上下文污染，通过审查循环确保修复真正生效，并在全部任务完成后派发最终代码审查者，再使用 superpowers:finishing-a-development-branch 收尾。它提供了实施者、规格审查者、代码质量审查者三类提示词模板，并明确了何时使用、何时改用 executing-plans 或先手动执行/头脑风暴的判断流程。
wechat-channel
微信与 OpenClaw 的双向集成通道技能，基于 Wechaty + PadLocal 实现微信消息的接收与发送。支持私聊、群聊、@提及检测以及图片和文件传输。适用于需要通过微信与 AI 助手交互、用微信消息触发 AI 响应，或从 OpenClaw 向微信发送消息的场景。该技能由独立运行的 Node.js 桥接服务负责微信登录、消息收发和联系人/群组管理，并通过 Webhook 与 OpenClaw Gateway 通信。使用前需准备 Node.js 18 及以上环境、PadLocal Token（付费服务，约 ¥200/月）以及运行中的 OpenClaw Gateway。
session-handoff
session-handoff 是 entireio/skills 中的技能，用于把一个智能体会话的工作延续到另一个智能体、查看最近的会话，或将已保存的会话或检查点总结为交接文档。该技能要求安装 entire CLI 0.6.2 或更高版本，通过 `entire session current`、`entire session list`、`entire session info` 以及 `entire checkpoint explain` 等命令自动检测会话并读取对话记录。它支持活动会话交接和检查点交接两种流程：前者解析当前工作树路径、按工作树范围与用户指定的智能体名称筛选会话并排除自身，然后提取对话的任务、状态、发现、下一步和需保留的上下文；后者枚举检查点涉及的会话，多会话时逐一读取并按时间取最近的若干会话内容后合并成一份摘要。技能会在首个回复开头输出固定标识行以表明其成功运行，并规定不做多余的探索性命令、不主动请求继续，除非上一智能体留有未回答的问题，此时会向用户复述该问题并等待回答。
agent-orchestration
这是一套用于 Claude Code 工作流的“智能体编排规则”，核心目的是让主对话上下文不被读文件和改代码的琐碎过程消耗。规则主张：当用户提出实现类需求时，主对话不直接读文件、理解、编辑、汇报，而是启动一个实现型智能体，由它自行读取上下文、理解需求、修改并测试，最后只把约 200 token 的摘要回传给主对话，从而保留主上下文。文中给出适用与不适用场景的对照：多文件实现、执行计划中的某个阶段、带测试的新功能适合交给智能体；单行修复、快速配置修改则不适合，直接做更快。关键观点是智能体自己会读取所需上下文，不需要在主对话中先读文件再传给智能体，只需给出任务。触发词包括“implement”“build”“create feature”“follow the plan”“do phase X”“use implementation agents”。
teneo-cli
Teneo CLI 是 Teneo 协议提供的命令行工具，包含 39 条命令，用于浏览和查询网络中的智能体、向智能体发送指令、管理房间、部署和管理自己的智能体、管理钱包以及运行守护进程。它支持通过 x402 协议使用 USDC 支付查询费用，可在 Base、Avalanche、Peaq、X Layer 网络上运行，并可从编码助手中调用。
ae-kb-discovery
ae-kb-discovery 是 AE（Agentic Engine）体系中的一个只读知识库发现技能，用于判断当前任务是否需要检索知识库，并从当前用户可访问的知识库中筛选出值得检索的候选，再交由 ae-kb 技能执行实际检索。它通过 ae-cli kb +list 获取可访问知识库的轻量列表，依据用户明确指定、会话上下文绑定（project、space、dwSpace）以及名称、描述、标签等元数据进行排序，默认选定一个首选知识库，最多保留三个候选并逐个尝试。该技能本身不执行检索，只负责发现与决策，检索流程（索引查看、grep、读取章节、可选的 LLM 综合）由 ae-kb 技能承担。它强调知识库是内部事实与业务上下文的可选来源，不改变用户原始目标，且仅使用只读原语，不创建、上传、编译或删除知识库，并遵守既有的范围、租户与成员权限。