deep-agents-memory
LangChain Deep Agents 的记忆与文件系统技能，涵盖 StateBackend（线程内临时）、StoreBackend（跨线程持久）、CompositeBackend（混合路由）与 FilesystemBackend（本地磁盘），并提供 ls、read_file、write_file、edit_file、glob、grep 等文件工具。
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
24,696 个结果
langfuse-api
用于通过 Langfuse REST API 查询追踪、管理提示词、数据集与评分等操作的技能，需配置 Langfuse 凭据并参考最新 API 文档。
agents-analyze
agents-analyze 是 laurigates/claude-plugins 中的审计技能，扫描插件集合，找出适合拆分为子智能体的场景，如输出冗长的技能、覆盖缺口与工具过度授权，并给出新智能体建议和模型/工具修正。
blueprint-curate-docs
blueprint-curate-docs 是 laurigates/claude-plugins 中的技能，用于把库的坑点与项目模式整理成 .claude/rules/ 下的规则条目，供 AI 会话自动加载并在 PRP 中引用。
configure-coverage
用于为 Vitest、Jest、pytest 与 Rust 配置代码覆盖率阈值与报告的工具技能，支持设置阈值、接入 Codecov/Codecov/Coveralls 并生成 lcov/HTML 报告。
configure-mcp
用于在项目中检查和配置 MCP（Model Context Protocol）服务器的技能，可按项目写入 .mcp.json，支持状态检查、按需安装、核心服务器批量安装与配置报告。
artifact-pyramids
Artifact Pyramids 是一套面向智能体研究的产物组织规范，把持久化研究输出分为三层：L1 摘要、L2 分析、L3 证据档案，每层可独立消费并向下链接，用于多层研究产物生产与多智能体协作。
langgraph
LangGraph 是 LangChain 的低层编排框架，用有向图构建有状态、长时间运行的多智能体 AI 工作流，支持循环、条件分支、并行执行、人工介入与子图组合。本技能覆盖核心图架构、supervisor/swarm/分层三种多智能体模式、持久化与状态管理、生产调试与评估方法。
litellm
介绍 LiteLLM AI 网关与 Python SDK 的操作技能：用 litellm --config 运行代理，通过 OpenAI 兼容 API 路由到 100+ 供应商，管理模型列表、路由与可靠性、虚拟密钥、团队、预算与限流、缓存、护栏、可观测性与花费，并基于证据排查故障。
fine-tuning-data-generator
用于生成 ChatML 格式（JSONL）合成微调数据集，供 Unsloth、Axolotl 等训练框架使用。通过需求澄清、生成计划、数据生成、校验文档和框架接入五个阶段，帮助构建多样、高质量的多轮对话训练样本。
educateme
EducateMe 集成技能，用于通过 Membrane CLI 管理 EducateMe 在线学习平台的课程、用户、报名、分类与评价数据，适用于用户希望与 EducateMe 数据交互的场景。
matterport
Matterport 是一个现实捕捉与 3D 可视化平台，可用专用相机或智能手机为物理空间创建数字孪生，常用于虚拟看房、建筑文档与协作。本技能通过 Membrane CLI 连接 Matterport，管理 Spaces 等数据。
nyckel
Nyckel 集成技能，通过 Membrane CLI 连接 Nyckel 平台，用于管理数据、记录并自动化工作流；适合需要在应用中快速接入无代码机器学习能力的场景。
multica-creating-agents
Multica 的智能体创建契约说明：介绍 `multica agent` CLI 与 POST /api/agents 接受与校验哪些字段、字段如何持久化，以及守护进程在认领任务时实际读取哪些内容，并区分 description 与 instructions 的用途。
convening-experts
一个用于召集专家小组、通过多轮协作讨论解决问题的 Claude 技能，适用于需要多视角、MECE、DMAIC、RAPID、六西格玛、根因分析等场景。
product-owner
这是一个面向 AI 开发团队的 Product Owner（产品负责人）技能，命令为 /po，别名 /max 或“Max”。它用于梳理产品愿景、管理并排序待办列表、编写用户故事与验收标准、做范围取舍、验收交付成果，并与其他角色（需求分析、架构、开发、测试等）分工协作。
prompt-injection-defense
面向提示注入攻击的防御技能，覆盖直接注入、间接注入与越狱等场景，强调纵深防御、假定用户输入均为对抗性、监控行为而非仅内容、限制模型能力以缩小攻击面，并在可疑时默认拒绝。
1k-new-skill
用于创建新的 Claude Code Skill 的元技能，遵循最佳实践。当用户想创建新技能、添加技能或询问如何为 Claude 编写技能时使用。
building-finetuning-datasets
本技能用于构建大模型微调数据集，适用于准备微调、后训练、蒸馏或 LoRA/QLoRA 调参的场景，也适用于生成合成数据或指令训练数据。它的核心观点是：微调的效果由数据集决定，多数失败的微调是配置正确但数据编码了错误内容。技能提出三道检查门：第一，判断目标是否属于知识问题——事实、文档、实体及会变化的信息应交给 RAG，格式、结构、风格、语气及任务流程才归微调；第二，选择技术阶段与参数预算，可通过参考文档判断 SFT、偏好优化或 RL 以及 LoRA/QLoRA 的选择；第三，先探测基座模型是否已具备该能力，只保留可测量失败的样本。交付物包含八部分：eval/ 留出评测集、baseline.json 基座得分、taxonomy.md 覆盖维度、train/val/test 数据文件、replay 混入数据、格式契约验证、card.md 溯源信息、config.yaml 训练配置。技能强调用脚本生成而非手工编写、宽生成窄过滤、先写评测集、质量优先但需区分场景，并给出任务、保持、事实性、安全、格式、多样性五类退化门限，以及常见错误的对照表。
sentence-transformers
sentence-transformers 是一个用于生成句子、文本和图像嵌入（embedding）的 Python 框架，基于 PyTorch/Transformers 构建。它提供 5000+ 预训练模型，支持语义相似度计算、文本聚类、分类、语义搜索与检索等任务，并支持 100+ 语言的多语言嵌入。可在本地运行嵌入计算，无需依赖 API，是 OpenAI 嵌入的成本效益替代方案。该框架在 GitHub 上有 15,700+ 星标，采用 Apache 2.0 许可。
unsloth
Unsloth 是一个用于大语言模型快速微调的工具，据资料介绍可实现 2-5 倍更快的训练速度、减少 50-80% 内存占用，并支持 LoRA/QLoRA 优化。本条目是一个基于 Unsloth 官方文档自动生成的技能（Skill），用于在开发过程中提供 Unsloth 相关的专家指导，涵盖功能与 API 咨询、方案实现、代码调试以及最佳实践学习等场景。该技能包含从官方来源提取的参考文档，保留原有结构与代码示例，并带有语言标注和目录导航，便于快速查阅。资料未提供具体安装命令、价格、平台支持范围及实际效果验证等信息。
refine-prompt
refine-prompt 是一个用于优化提示词的技能，可根据用户请求生成更完善的 LLM 提示词，并保存到 .ai/PROMPT.md。
gap-trap
gap-trap 是一套面向“代理写代码为主”的仓库质量框架技能，为每条规则配备可失败的闸门，并提供 setup（搭建框架）与 refine（审计并迭代规则）两种模式。要求在 harness 的顶级编码模型上运行，否则停止。
pubnub-scale
PubNub 高并发实时应用扩展技能，围绕频道组、通配符订阅、分片与大型活动准备，帮助设计高吞吐、高并发的实时消息架构。需 Stream Controller 插件支持频道组和通配符。