de-slop
de-slop 是一个用于去除文本中 AI 写作痕迹的技能，基于维基百科“AI 写作迹象”与 WikiProject AI Cleanup 整理。它帮助编辑者识别并修正聊天机器人式措辞、套话、同义词循环、机械过渡词和结构性问题，让文章读起来更像真人写作。
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 10-27 00:15
智能体与模型
24,899 个结果
reinforcement-learning
该技能聚焦强化学习智能体训练，涵盖Q-learning、DQN、PPO、A3C、策略梯度、多智能体系统与Gym环境，适用于训练游戏AI、机器人或决策系统，并提供Stable Baselines3生产级用法与超参数调优示例。
rag-eval
rag-eval 是 NVIDIA RAG Blueprint 的文件系统 RAG 质量评测技能，按 corpus/ 与 train.json 数据布局运行 evaluate_rag.py，用 RAGAS 指标对比检索与生成配置。适用于离线质量评估，不适用于延迟吞吐压测或生产监控。
peer-sessions
peer-sessions 是一个用于协调多个对等会话（peer fleet）的技能：通过原生委派或持久邮箱，把任务以简报路径分发给 2 至 4 个职责不重叠的 peer，并以账本（ledger）而非对话记录作为交付凭据，支持跨会话交接与可恢复回复。
init-simple-memorix
用于精简 Memorix hooks 噪音并检查 Memorix MCP full 模式配置的技能，覆盖多 IDE 的项目级与全局 hooks 模板、MCP 配置校准，以及 WorkBuddy MCP 连接与信任审批问题排查。
AgentDB Memory Patterns
AgentDB Memory Patterns 是一套面向 AI 智能体的持久化记忆实现方案，基于 AgentDB 存储与 ReasoningBank 集成，支持会话记忆、长期存储、模式学习与上下文管理，让智能体跨会话记住对话并持续学习。
Swarm Orchestration
Swarm Orchestration 是一个基于 agentic-flow 的多智能体集群编排技能，用于并行任务执行、动态拓扑与智能协调。它支持 mesh（对等网状）、hierarchical（女王-工作者）和 adaptive（自适应）三种拓扑结构，具备自动任务分发、负载均衡与容错能力。适用于需要从单智能体扩展到多智能体协作的场景。使用前需 agentic-flow v3.0.0-alpha.1+ 与 Node.js 18+。
V3 Swarm Coordination
V3 Swarm Coordination 是一个用于 claude-flow v3 实现的 15 智能体分层网状协调技能。它通过女王协调者（Queen Coordinator）统一编排安全、核心、集成、质量、性能与部署等领域的并行执行，同时维护智能体之间的依赖关系与 14 周时间线。该技能围绕 10 个 ADR 展开，覆盖 CVE 修复、AgentDB 内存统一、agentic-flow@alpha 深度集成、SONA 学习适配、性能基准验证以及 v3.0.0 发布等目标。它提供依赖管理、GitHub 里程碑与 Epic 问题跟踪、基于 QUIC 的通信总线、并行效率监控与负载均衡等协调模式，并给出分阶段执行示例与成功指标。
wolverine-strategy
WOLVERINE 是一个面向 Hyperliquid 上 HYPE 单一代币的交易策略技能，采用“六道闸门”入场验证与 DSL 退出引擎。它每 3 分钟扫描一次 HYPE 的动量与聪明钱信号，当多因子评分达到阈值时以按信心分级的杠杆开仓，仓位管理完全交由 DSL 退出引擎处理。v6.0.0 起转向“耐心持有”行为模式：每日入场次数减少、评分门槛提高、采用更宽的 Phase 2 阶梯让盈利趋势充分发展；v6.1.0 仅放宽了 Phase 1 回撤阈值。该技能包含冷静期锁定、方向翻转硬闸门、持久化入场日志等防震荡机制，并遵循 FP-001 静默时段与 FP-002 用户会话禁止交易等硬性规则。
steve-jobs
模拟史蒂夫·乔布斯的深度角色智能体技能，用于在需要其产品设计、审美判断与战略视角时提供专门协助。资料未提供具体安装命令、收费与平台信息。
crewai-developer
CrewAI 是一个轻量、快速的 Python 框架，用于构建协作式 AI 智能体团队和结构化工作流。它让开发者创建具有特定角色、工具和目标的自主 AI 智能体，使其协同完成复杂任务。本技能涵盖 Crews（自主协作）、Flows（结构化编排）、智能体、任务以及企业部署等内容。
mcp-server-manager
用于在 Claude Code CLI 中配置和管理 MCP（Model Context Protocol）服务器的技能，涵盖添加、删除、列出与排查 MCP 服务器，支持 HTTP、SSE、Stdio 三种传输方式及本地、项目、用户三种配置范围。
telnyx-missions-javascript
telnyx-missions-javascript 是面向 Telnyx Missions 的 JavaScript SDK 技能示例集，用于通过 Telnyx Node.js SDK 创建和管理 Telnyx Missions（面向 AI 驱动电信运营的自动化工作流、任务与子资源）。资料提供了安装命令（npm install telnyx@6.74.2）、客户端初始化方式、错误处理示例，以及 Missions 相关接口的 JavaScript 调用示例，涵盖任务定义、运行、事件、计划步骤、知识库与 MCP 服务器等资源的管理。适用场景为需要在 JavaScript/Node.js 项目中以代码方式编排和监控 AI 任务工作流的开发者。
openrouter-api
OpenRouter 是面向 300 多个大模型的统一 API，兼容 OpenAI 的 /api/v1/chat/completions 并扩展了路由、插件、推理、缓存等能力。本文整理其鉴权方式、四种接入路径、请求响应结构、常用功能与常见限制。
soul-md-creator
soul-md-creator 是一个用于为 OpenClaw 智能体创建或改进 SOUL.md 文件的技能。当用户想要设计智能体人格、重写已有 soul、让 SOUL.md 与 IDENTITY.md 保持一致，或为发布到 souls.directory 做准备时可以使用。它通过少量高价值问题澄清目标，用对比式提问代替抽象形容词，围绕 Core Truths、Boundaries、Vibe、Continuity 等官方章节结构起草人格原则，并通过压力测试验证人格在不确定、风险或情绪化场景下的行为一致性。支持新建、重写、重构、发布准备和对齐等多种模式，同时强调诚实、尊重用户自主性，避免谄媚、操纵和空洞规则堆砌。
init-claude-md
用于为 Claude Code 配置项目上下文的技能：检查代码库并生成 CLAUDE.md，包含技术栈、命令、关键文件与注意事项。
add-your-agent
这是一个面向 Veris Bench 的集成技能，用于把当前代码仓库中的智能体注册为该基准测试平台上的“Your image”候选，并通过冒烟试验验证集成是否真正可用。该技能会指导用户补充 API Key、BENCH_ID、镜像仓库前缀和模型密钥等输入，然后在不改动智能体自身代码的前提下，为其添加服务端文件、Dockerfile 和候选配置文件，将模型与外部服务调用指向基准环境中的孪生服务，完成本地构建检查、镜像推送与摘要固定、候选注册，并运行冒烟试验逐项核对运行状态、回答、模型调用追踪、工具调用和孪生服务请求是否达标。
plan-issue-codex
plan-issue-codex 是 willbooster/agent-skills 中的一个技能，用于通过 CLI 运行 Codex 规划并汇报规划结果。资料显示其核心是执行一条带 1 小时超时的命令完成规划工作流。
skill-finder
skill-finder 是一个用于搜索、发现并安装 OpenClaw 智能体技能的工具，可同时检索 ClawHub 与 AgentSkill.work 两个来源，支持语义搜索、关键词筛选、安装前查看详情以及安装后的校验，帮助用户快速找到并部署所需技能。
zr-inbox
zr-inbox 是一个用于处理中央调度下发的“已授权指令”的技能：按派发动作读取指定指令消息并执行，然后关闭该动作。它只处理来自授权发送者的 Directive 消息，不是个人私信收件箱清理。
dispatching-parallel-agents
一种面向多任务排查的智能体分派模式：当一个以上任务彼此独立、没有共享状态或顺序依赖时，为每个独立问题域分别指派一个具有隔离上下文的专用智能体，让它们并行工作，并以聚焦指令和明确输出要求保证成功率。
using-superpowers
using-superpowers 是一个用于在对话开始时确立技能查找与使用规则的技能，属于 superpowers-zh 技能集。它要求在任何响应（包括澄清性问题）之前先调用 Skill 工具检查是否有适用技能，并规定指令优先级：用户明确指令最高，其次为 Superpowers 技能，最后为默认系统提示。该技能还说明了在 Claude Code、Copilot CLI、Hermes Agent、Gemini CLI 等平台中访问技能的方式，给出技能优先级顺序（流程技能优先、实现技能其次），并列出中国特色技能路由场景（如中文代码审查、Gitee/极狐 GitLab 工作流、中文文档、中文提交规范、MCP 构建等）。
context-recovery
Context Recovery 是一个用于在会话上下文被压缩（compaction）后或续接意图明显但上下文缺失时，自动恢复工作上下文的技能。它支持 Discord、Slack、Telegram、Signal 等渠道。触发方式包括自动触发（会话开头出现 <summary> 标签，或用户消息含 "Summary unavailable"、"context limits"、"truncated" 等压缩指示）和手动触发（用户说 "continue"、"where were we?"、"what was I working on?"，或引用 "the project"、"the PR"、"the branch"、"the issue" 而未指明具体对象，或询问 "do you remember...?"）。执行协议共七步：检测当前渠道（channel、channelId、threadId）；读取渠道历史（初始 50 条，自适应扩展至最多 100 条，目标覆盖至少 2 小时，线程场景先读 thread 再读父频道）；读取会话日志（最多 3 个会话文件）；检索共享记忆；合成结构化上下文摘要；将恢复的上下文缓存到每日记忆文件；最后向用户呈现恢复的上下文并给出继续/重试/澄清的提示。该技能强调在回应 "insufficient data" 或反问前必须执行恢复协议。
openclaw-memory-enhancer
openclaw-memory-enhancer 是面向 OpenClaw 的边缘优化 RAG 记忆系统，通过语义搜索为 OpenClaw 提供跨会话的长期记忆能力。它会自动加载 memory/ 目录下的记忆文件，在对话中智能召回相关历史上下文，并可在相关记忆之间建立连接。该技能提供两个版本：推荐使用的边缘版零依赖（仅用 Python 标准库），内存占用低于 10MB，适合 Jetson、树莓派等嵌入式设备；标准版依赖 sentence-transformers 与 numpy，语义理解质量更高，内存占用 50-100MB，需下载约 50MB 模型，适合桌面或服务器追求最高准确度。全部数据本地存储，无网络请求、无外部 API 调用，数据不离开设备，保障隐私。