watch
Watch Skill 是一个视频输入技能，通过 watch-skill CLI 让智能体“观看”任意视频（URL、直播流或本地文件），下载后提取场景感知去重的帧、做 OCR 与转录（优先字幕），并支持持久索引和后续追问。
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
23,011 个结果
agentica-infrastructure
Agentica 多智能体基础设施的 API 参考指南，面向需要构建多智能体工作流的开发者。它提供完整的 API 规范，涵盖 Swarm、Pipeline、Hierarchical、Jury 等 11 种模式类的构造函数与关键方法，以及 CoordinationDB、tracked_spawn、HandoffAtom、BlackboardCache、MemoryService、create_claude_scope 等核心基础设施组件。同时整理了 Consensus、Aggregator、HandoffState、build_premise、gather_fail_fast 等原语。适用于按 Agentica 模式搭建多智能体协作流程、查询模式类的精确构造签名、理解协调数据库结构、用原语实现自定义模式，以及调试智能体跟踪或孤儿检测等场景。文档位于技能目录下的 API_SPEC.md，源码位于 scripts/agentica_patterns/。
implement-with-subagents
这是一个用于协调多智能体（subagents）实现工作流的技能，适用于交付负责人（delivery lead）统筹已确定的实现任务，包括单个任务和顺序工作。核心做法是：为每个提供的工作项分配一个 worker，不将单个任务人为拆分；复用有界的 worker checkout 池；lead 验证任务图，默认按互不重叠的写入集派发独立就绪前沿，在集成前逐项验收，并按依赖顺序集成已验收的提交。集成后重跑受影响的检查并释放依赖项，无需二次 lead 签核。该技能提供 review 与 implement 两种模式：review 仅评估编排而不执行，implement 执行提供的工单或计划任务。实现前需识别行为变更项及其经用户批准的测试接缝，并解析一个独立的只读审查者。
ai-sdk-6-skills
AI SDK 6 Beta 技能包，介绍 AI SDK 6 的智能体抽象、工具执行审批、结构化输出与工具调用、重排序等新特性，以及从 v5 迁移的要点。同时涵盖 Groq 提供商（Llama 等开放权重模型）和 Vercel AI Gateway 的接入方式，包括安装命令、环境变量配置、代码示例、提供商路由与回退、BYOK、零数据保留等用法。
open-browser-use
Open Browser Use 是一套面向 AI 智能体的开源 Chrome 自动化技术栈，通过 MV3 Chrome 扩展、本地原生消息主机、CLI、SDK 以及可选的 stdio MCP 服务器，让智能体能够自动化操作真实的 Chrome 用户配置文件。它并非特定应用专属，可适配不同智能体运行时。核心工作流包括：用 ping 检查环境、选择浏览器与配置文件、为任务分配唯一会话 ID、命名任务标签组、复用已有标签页、通过 CLI 或 MCP 执行操作，并在结束时用 finalize-tabs 释放或保留标签页。它提供 info、tabs、user-tabs、history、open-tab、navigate、cdp、call 等常用命令，也支持 run 动作计划、MCP 工具调用以及 JavaScript、Python、Go SDK。适用于需要让智能体在真实浏览器中完成多步网页操作、验证本地改动、处理文件上传下载等场景。使用时需注意隐私与安全边界，涉及安装扩展、提交表单、购买、删除等外部可见操作前应征得用户同意。
agentica-server
这是一个 Agentica Server 与 Claude 代理的搭建与调试参考技能。它说明了如何让 Python 智能体把 Claude CLI 作为推理后端：通过本地 Claude 代理（claude_proxy.py）接收 OpenAI 兼容的推理请求，Agentica Server 再把请求转发给该代理，最终由 Claude CLI 执行推理。资料覆盖启动顺序（先代理、再服务器、最后智能体脚本）、关键环境变量（服务器用 INFERENCE_ENDPOINT_URL，客户端 SDK 用 S_M_BASE_URL，二者端口不同）、健康检查命令、以及常见错误的症状、原因与修复方式。适用于初次搭建、连接调试与工具权限排查，但未提供安装细节与许可证信息。
correct
Correct 是一个面向 Cursor 的插件/技能，用于发现仓库中智能体反复犯的错误，并通过架构、类型、lint 或 CI 检查让同类错误无法再次发生，最后在智能体指令文件中维护规则与执行方式的对照表。
mot
中文介绍正在整理，稍后补充。
agentica-sdk
Agentica SDK 是一个用 Python 构建 AI 智能体的开发框架（参考文档版本 v0.3.1）。它提供 @agentic 装饰器、spawn() 异步创建、Agent 同步类等核心入口，让智能体能够实现函数、维护状态、调用工具并相互协作。通过 premise 或 system 设置智能体前提，通过 scope 注入工具，支持按调用传参、指定返回类型（字符串、int、dict 或 None 表示仅产生副作用）。支持 persist=True 记忆对话历史，可配置模型（OpenAI、Anthropic 及 OpenRouter slug）、Token 限制与用量追踪、流式输出、MCP 集成、日志、错误处理、多智能体编排以及 OpenTelemetry 追踪。适用于构建新 Python 智能体、为已有代码增加 agentic 能力、接入 MCP 工具、实现多智能体协作和调试智能体行为等场景。
llama-cpp
llama.cpp 是一个用纯 C/C++ 编写的 LLM 推理工具，依赖极少，专为 CPU 和非 NVIDIA 硬件优化。它适合在纯 CPU 机器、Apple Silicon（M1/M2/M3/M4）、AMD 或 Intel GPU（无 CUDA）以及树莓派等边缘设备上运行大语言模型，也适合需要无需 Docker/Python 的简单部署场景。它支持 GGUF 量化格式，提供命令行推理、交互式聊天和 OpenAI 兼容的服务器模式，并可通过 Metal、CUDA、ROCm 进行硬件加速。
mcp-cli
mcp-cli 是一个技能说明，介绍如何通过 mcp 命令行工具按需使用 MCP 服务器：动态发现工具、资源和提示词，并在不预先配置为永久集成、不污染上下文窗口的情况下调用。需先安装并确保 PATH 包含该二进制文件。
agentica-spawn
Agentica Spawn 是一个用于启动 Agentica 多智能体模式的技能，通常在用户选定 Agentica 模式后使用。它支持四种多智能体协作模式：Swarm（群体，用于研究或探索，从安全、性能、架构等多个视角并行分析并合并结果）、Hierarchical（层级，用于构建或实现，由协调者拆分任务，规划者、实现者、审查者分工协作）、Generator/Critic（生成者与批评者，用于迭代优化，生成方案后由批评者提出改进建议，最多进行若干轮）、Jury（陪审团，用于高风险的验证与决策，由多名陪审员按多数共识等模式给出结论）。该技能适用于需要并行智能体执行的复杂任务、需要多视角的研究任务、需要协调的实现任务、需要迭代打磨的任务以及需要严格验证的场景。启动的智能体会获得 SWARM_ID、AGENT_ROLE、PATTERN_TYPE 等环境变量，用于标识运行实例、角色和所用模式。
system-overview
Continuous Claude 的一套带 hooks、记忆与协作机制的预设配置说明技能，用于向用户解释该配置如何运作、能记住什么、与常规设置有何不同，并可通过 /system_overview 命令触发。
dispatching-parallel-agents
这是一个用于并行调度多个智能体（Agent）的技能，适用于面对 2 个以上相互独立、无共享状态、无顺序依赖的任务时。其核心原则是：为每个独立的问题域分配一个智能体，让它们并发工作。典型场景包括多个测试文件因不同根因失败、多个子系统独立损坏等。技能提供了识别独立域、创建聚焦任务、并行派发、审查整合的完整模式，并给出智能体提示词的结构建议与常见错误示例。
service-remapping
用于在 Datadog 摄入阶段重写 APM 服务名的技能，可合并噪声推断实体、清理自动生成名称。规则区分插桩服务与推断实体，需先安装并认证 pup 工具。
cli-anything-dify-workflow
cli-anything-dify-workflow 是 Dify 工作流 DSL 命令行工具的封装（Wrapper），通过 CLI-Anything harness 提供对 Dify 工作流文件的创建、查看、校验、编辑与导出能力。它本身不实现工作流逻辑，实际功能由上游 dify-workflow CLI 提供；当 dify-workflow 不在 PATH 中但已安装 dify_workflow Python 包时，封装会回退到 python -m dify_workflow.cli。所有操作都是对本地 Dify YAML/JSON DSL 文件的编辑。安装需先安装上游 CLI，再安装 CLI-Anything harness。命令覆盖 guide、list-node-types、create、inspect、validate、checklist、edit（增删改节点与边、设置标题）、config（设置模型、提示词、变量、开场白、问题、工具等）、export、import、diff、layout 等分组。适合需要在命令行或自动化流程中批量生成、检查、修改和导出 Dify 工作流配置的开发者与运维人员。
agent-browser
agent-browser 是一款面向 AI 智能体的浏览器自动化命令行工具，用于打开网页、抓取页面快照、填写表单、点击按钮、截屏取数等操作，支持多会话、状态持久化与可选的域白名单、内容边界等安全限制。
element-plus-skills
面向 AI 智能体的 Element Plus UI 技能库，包含 88 个技能文件，覆盖 77 个组件文档、5 个设计规范与 6 个基础配置技能，帮助智能体理解并正确使用 Element Plus 组件、主题、国际化与暗色模式。
hermes-agent-skill-authoring
Hermes-Agent 仓库内 SKILL.md 编写指南：讲解 frontmatter 字段、目录层级、正文结构与校验流程，用于向 hermes-agent 仓库提交可随包发布的技能。
pipefy-toolkit-setup
Pipefy AI 工具包首次安装引导技能，帮助用户在 Cursor 插件、托管 MCP、本地 install.sh 或 Claude Code 插件等连接方式中做出选择并完成配置与认证。
predexon-prediction-market-agent-1-5-teneo
Predexon Prediction Market Agent 1.5（预测市场智能体 1.5）是运行在 Teneo Protocol 网络上的一个 AI 智能体技能，由 Predexon 提供。它的用途是：当用户明确提出需要使用 Predexon Prediction Market Agent 1.5，且任务与该智能体的实时能力匹配时，通过随技能捆绑的 Teneo CLI（一个 bash 工具）来调用该智能体。该技能本身的定位是先查看该智能体的实时命令、参数与价格信息，然后再通过 Teneo CLI 执行。使用前需一次性安装 Teneo CLI；安装后可用 teneo list-agents 发现所有可用智能体。该智能体支持 Base、Peaq、Avalanche 三个网络（含各自链 ID 与 USDC 合约地址）。Teneo Protocol 是一个面向网页抓取、加密数据、分析等场景的去中心化 AI 智能体网络，使用者也可在 agent-console.ai 以人类身份测试该智能体，或通过 teneo-cli 技能构建并发布自己的智能体以按查询赚取 USDC。
team-narrative
team-narrative 是一个用于编排游戏叙事团队的多智能体技能，来自 donchitos/claude-code-game-studios。它通过结构化流水线协调叙事总监、编剧、世界构建师、美术总监、关卡设计师和本地化负责人，用于撰写故事内容、世界观设定以及叙事驱动的关卡设计。该技能支持通过参数调用（如 /team-narrative [narrative content description] [--review full|lean|solo]）描述需要处理的剧情、场景或叙事区域；不带参数时会输出使用指引并退出。
llmquant-investor-lenses
LLMQuant Investor Lenses 是一个面向投资风格推理的路由技能，按用户指定的投资视角、标的与决策类型选择对应工作流，并以 LLMQuant Data 作为证据来源，区分事实与解读。
novu-trigger-notification
该技能用于触发 Novu 通知工作流，通过邮件、短信、推送、聊天和应用内等渠道发送消息。支持单条触发、批量触发、广播以及基于主题（Topic）的投递。使用前需通过 @novu/api 初始化 Novu 客户端并配置 secretKey。单条触发需指定 workflowId 与接收方（订阅者 ID 或对象），订阅者不存在时会自动创建（upsert）。批量触发单次请求最多支持 100 个事件。广播用于向环境中所有订阅者发送通知，主题触发则面向某个主题下的全部订阅者。可通过 transactionId 实现幂等，并用它取消已延迟或摘要聚合的通知。payload 会依据工作流的 payloadSchema 进行校验，overrides 可针对渠道覆盖服务商配置。