file-issues
file-issues 是一个把对话、已批准规格或粗略想法转成智能体可执行追踪器 issue 的技能：按 tracer-bullet 垂直切片拆分，标注阻塞关系，并按配置发布到本地文件或 GitHub/GitLab/Linear 等追踪器。
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
24,910 个结果
adk-agent-builder
ADK Agent Builder 是一个用于在 Google Agent Development Kit（ADK）上搭建生产级 AI 智能体的技能，支持 ReAct 单智能体与多智能体编排，包含工具接线、测试与可选的 Vertex AI Agent Engine 部署。
adk-engineer
ADK Engineer 是一个面向软件工程师的技能，用于创建生产就绪的 ADK（Agent Development Kit）智能体与多智能体系统，强调清晰结构、可测试性、安全工具调用和部署自动化。
agent-context-loader
Agent Context Loader 是一个用于 AI 编程代理的技能，可自动发现并加载项目层级中的 AGENTS.md 文件，让当前代理会话获得完整操作上下文。
agent-patterns
Agent Patterns 是 Sprint 插件中用于多智能体冲刺执行的协调协议技能。它规定了项目架构师如何生成实现与测试智能体、智能体如何通过结构化报告沟通结果，以及并行智能体如何避免冲突。该技能适用于用户询问 SPAWN REQUEST 格式、智能体报告、智能体协调、并行智能体、报告格式等场景。使用前需安装并配置 Sprint 插件，初始化 .claude/sprint/[N]/ 目录，并编写包含明确范围与测试配置的 specs.md。核心机制包括：以 SPAWN REQUEST 格式生成智能体，指定智能体名称、规格文件与范围约束；通过 api-contract.md 作为共享接口保持前后端同步；收集包含已完成工作、修改文件、新增测试与合规状态的结构化报告；按领域边界划分并行工作，避免文件路径重叠；将报告反馈给架构师决定迭代或推进；测试智能体使用统一的 UI 测试报告格式。输出包括 SPAWN REQUEST 块、结构化智能体报告、UI 测试报告及更新后的 status.md。
verify-claims
verify-claims 是一套用于在宣称工作完成或通过前，用证据验证主张的技能，包含按主张类型选择验证命令、核验子代理结果、以及回归测试的红-绿-回退-恢复流程。
loop-diagnosis
用于诊断和修复停滞的智能体编码循环的 joelclaw CLI 技能，可检查 Redis 状态、工作树、Inngest 运行、智能体进程与 worker 健康，并给出根因与自动修复。
testgen
testgen 是 johnlindquist/claude 中的 AI 测试生成技能，用 Gemini 生成单元测试、回归测试与集成测试，并配合 Jest、Vitest、Mocha 运行测试、生成覆盖率报告及用 Stryker 做变异测试。
pm-competitive-landscape
基于 Pragmatic Institute 框架的竞争格局分析技能，用于识别直接竞品与替代方案（含“什么都不做”、自建、相邻工具），评估优劣势并制定竞争策略，同时用解决方案矩阵按客户影响与投入深度对产品组合进行定位。
pm-personas
pm-personas 是一个产品经理技能，用于按 Pragmatic Institute 框架创建买家画像与用户画像。画像基于访谈、赢单/输单、支持记录和用量等真实市场证据，而非虚构角色，帮助团队始终贴近真实用户。
pm-prd
pm-prd 是一个按 Pragmatic 框架生成市场驱动型产品需求文档（PRD）的技能，强调先问题后方案、以证据为基础、以人物画像为先。适用于产品经理在规划阶段整理市场问题、需求优先级与成功指标。
pm-use-scenarios
用于按 Pragmatic Institute 框架撰写“使用场景”的技能：从人物角色视角把市场问题写成有上下文的小故事，作为需求的一个组成部分，帮助产品经理停留在“问题（WHAT）”而非“方案（HOW）”。
optimizing-attention-flash
该技能用于为 Transformer 模型启用 Flash Attention，通过 PyTorch 原生 scaled_dot_product_attention（PyTorch 2.2+）或 flash-attn 库实现快速、内存高效的注意力计算。资料称其可带来 2-4 倍加速和 10-20 倍内存降低。内容涵盖在现有 PyTorch 模型中启用 Flash Attention、使用 flash-attn 库的高级特性（多查询注意力、滑动窗口、H100 FP8），以及性能基准测试、精度验证和常见问题排查。
quantizing-models-bitsandbytes
bitsandbytes 是一个用于大语言模型（LLM）量化的工具，可将模型量化为 8 位或 4 位，实现 50% 至 75% 的显存占用降低，且精度损失较小（8 位通常低于 0.5%，4 位约 1-2%）。它主要与 HuggingFace Transformers 配合使用，支持在显存有限的 GPU 上加载更大的模型，也支持通过 QLoRA 进行 4 位微调，以及使用 8 位优化器降低训练时的优化器内存占用。安装方式为 pip install bitsandbytes transformers accelerate。适用于推理和微调场景，主要面向 NVIDIA GPU（计算能力 7.0 及以上），也实验性支持 AMD ROCm 和 Intel GPU。
transcendence-memory
transcendence-memory 是面向 AI 智能体的自托管长期记忆技能，通过 HTTP 连接 transcendence-memory-server 后端，提供连接认证、文本记忆 CRUD、多模态 RAG 检索、容器管理与治理工具，并支持 Claude Code 插件安装与其他智能体的脚本安装。
find-skills
find-skills 是一个用于帮助用户发现并安装智能体技能（agent skills）的技能。当用户提出“如何做某件事”“帮我找一个能做某事的技能”“有没有技能可以完成某功能”等问题，或表达希望扩展智能体能力的意愿时，它会指导 AI 通过 Skills CLI 搜索、评估并安装合适的技能。Skills CLI（npx skills）被称为开放智能体技能生态的包管理器，技能是用于扩展智能体能力的模块化包，可提供专业知识、工作流与工具。该技能给出了一套流程：先理解用户需求所属领域与具体任务，再查看 skills.sh 排行榜优先寻找知名技能，然后运行 npx skills find [query] 进行搜索，并在推荐前核查安装量、来源信誉与 GitHub 星标；最后向用户展示技能名称、用途、安装量、来源和安装命令，并在用户同意后协助安装。
laminar-quickstart-trace
用于快速创建最小化的 Laminar 追踪演示，不进行外部 LLM 调用。适合用户需要 Laminar 示例、快速上手演示，或想查看追踪效果时使用。
agent-ui
agent-ui 是来自 ui.inference.sh 的 React/Next.js 智能体组件，主打“开箱即用”。它将运行时、工具、流式输出、审批流程和挂件（Widgets）内置在一个组件中，开发者无需自行编写后端逻辑即可接入。使用时通过 shadcn CLI 安装组件，并安装 @inferencesh/sdk 以配置代理路由，再设置 INFERENCE_API_KEY 环境变量即可在页面中调用 Agent 组件。
ai-automation-workflows
该技能用于构建结合多个模型与服务的自动化 AI 工作流，基于 inference.sh 命令行工具 belt 实现。资料中给出的自动化模式包括：批处理（对多个条目运行同一流程）、顺序流水线（串联多个 AI 操作，如先研究、再写文章、再生成图片和社交文案）、并行处理（同时启动多个任务并等待完成）、条件分支（根据内容分析结果选择不同处理）、带回退的重试（失败时重试并切换备用模型）。还涵盖定时自动化（cron 任务）、日志记录与错误告警、Python 脚本调用等用法，并提供内容日历、数据处理等模板。使用前需安装并登录 belt，命令形式为 belt app run <app-id> --input '{...}'。资料未提供收费、价格、支持平台等更多信息。
ai-content-pipeline
通过 inference.sh 命令行工具 belt 串联图像、视频、音频与文本模型，构建多步 AI 内容生产流水线，例如图像生成→动画→配音→合并，涵盖短视频、口播、产品演示和博客转视频等流程。
ai-rag-pipeline
ai-rag-pipeline 是一个用于构建 RAG（检索增强生成）流水线的技能，通过 inference.sh CLI（belt）把网络搜索工具与大型语言模型串联起来。其核心思路是：先检索外部信息，再把检索到的上下文注入提示词，最后由 LLM 生成更准确、更新且可核验的回答。可用的检索工具包括 Tavily Search、Exa Search、Exa Answer 以及 Tavily Extract、Exa Extract 内容提取工具；可调用的模型包括 Claude Sonnet 4.5、Claude Haiku 4.5、GPT-4o、Gemini 2.5 Pro 等（均通过 openrouter 提供）。资料给出的典型模式有：简单搜索加回答、多来源研究、提取与处理。使用前需安装 belt CLI 并登录，安装命令为 npx skills add belt-sh/cli。典型用法是以 bash 命令方式依次调用搜索与 LLM 应用，并可用 shell 变量在步骤间传递结果。
dialogue-audio
该技能用于创建多说话人对话音频，基于 Dia TTS（通过 inference.sh CLI）实现。支持 [S1]/[S2] 说话人标签区分两个角色，通过标点符号（句号、感叹号、问号、省略号、逗号、破折号）和非语音提示（如 (laughs)、(sighs)、(whispers)）控制情绪与表达，并提供节奏控制、对话结构模式（访谈、教程、辩论）、后期处理（音量归一化、背景音乐合并、长对话分段）以及脚本写作建议。适用于播客、访谈、教程讲解等双人对话场景。
llm-models
llm-models 是一个通过 inference.sh CLI（belt）并借助 OpenRouter 访问 100 多个语言模型的技能。它可调用 Claude、Gemini、Kimi、GLM 等模型，示例模型包括 Claude Opus 4.5、Claude Sonnet 4.5、Claude Haiku 4.5、Gemini 3 Pro、Kimi K2 Thinking、GLM-4.6、Intellect 3，并提供 any-model 自动选择。该技能通过命令行输入提示词并返回结果，支持自定义系统提示，可用于编程、写作、分析、智能体与对话等场景。
related-skill
related-skill 是一个用于发现和安装相关技能（skills）的工具，来自 inference.sh 技能注册表。它帮助用户为 AI 工作流查找互补技能，支持通过 npx skills 命令行搜索、列出、安装、更新和移除技能。可安装的技能涵盖 AI 模型、图像生成与处理、视频生成、音频处理、网络搜索和社交自动化等类别，用户可按类别单独安装，也可一次性安装完整平台技能。