twitter-agent
Twitter Agent 是 bankrbot/skills 中的一项技能，用于创建、管理和自动化一个具有固定人格与叙事线的 Twitter/X 智能体，支持手动发帖、回复提及以及按 cron 定时运行的自动化流程。
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 10-28 00:17
智能体与模型
24,991 个结果
bm-skill-builder
bm-skill-builder 是 Builder Methods 约定下的智能体技能构建工具，用于把可重复流程转化为结构清晰的 agent skill，也支持重构已超出单个 SKILL.md 的现有技能。技能以纯 markdown 与文件夹组织，可跨任意 agent harness 使用。
writing-for-agents
“Writing for agents”是一份关于如何撰写供AI智能体消费的文档的参考指南，涵盖技能（skills）、AGENTS.md/CLAUDE.md以及通过指针（pointer）访问的文档。其核心观点是：尽管文档的打包形式不同，但写作方法一致——通过上下文指针、信息层级、完成标准、引导词（leading words）和修剪（pruning）等杠杆，使智能体每次运行都遵循相同的过程，而非产出相同的结果。适用于创建或编辑技能文档，或修改AGENTS.md/CLAUDE.md时参考。
system-prompts
该系统提示词写作规范用于编写和编辑系统提示词、工具文档与智能体定义。它规定了一套项目内部风格：用权威、字面化的结构标签组织提示词，用 RFC 2119 全大写关键词表达规范强度，并以高密度压缩的方式只保留对决策有影响的语句。规范还涵盖标签语义、关键词别名、语气与排版、关键规则在开头和结尾的放置，提示词编写与工具文档编写的要点，常见反模式与检查清单。
happyhorse-prompter
happyhorse-prompter 是用于生成 HappyHorse 1.0 视频提示词的技能，按严格字数与规则产出 30-55 词紧凑提示词，支持主体先行、镜头技术、音频激活路径与可选的 8 秒时序节拍结构。
aliyun-happyhorse-r2v
阿里云 DashScope HappyHorse 1.0 参考图生视频技能：将 1-9 张参考图融合生成视频，通过 character1..N 在提示词中绑定对应主体。使用 happyhorse-1.0-r2v 模型，仅支持异步调用，需 DASHSCOPE_API_KEY。
agent-authoring
用于创建与配置 Claude Code 子代理（自定义 agent）的写作与配置指南，说明 Markdown 加 YAML frontmatter 的文件结构、字段含义、工具限制、模型选择、钩子、记忆与技能等配置方式。
skill-creator
Skill Creator 是一个用于创建新技能、迭代改进现有技能并衡量技能表现的工具型技能。它可以引导用户从零开始定义技能目标、撰写 SKILL.md 草稿、设计测试用例，并通过运行对比实验与量化评估来验证和改进技能效果。适用于用户想要创建技能、编辑或优化技能，或需要评估技能触发与输出表现的场景。
memory-cli-ops
用于执行和排查 self-learning memory 系统 memory-cli 命令的技能，覆盖 episode 管理、pattern 分析与存储操作，适合运行 CLI 命令、调试命令失败、理解命令语法选项以及引导用户完成 CLI 工作流。
memory-mcp
Memory MCP 服务器用于情景记忆检索与模式分析，通过 Model Context Protocol 暴露查询记忆、分析模式、沙箱执行代码、健康检查等工具，支持配置、验证与故障排查。
agent-openai-memory
为 OpenAI Agents SDK 智能体添加会话记忆能力的 Databricks 应用模板，通过 AsyncDatabricksSession 将多轮对话历史持久化到 Databricks Lakebase。
eval-bootstrap
Eval Bootstrap 是 Datadog Labs 的 agent skill，用于从生产 LLM 追踪数据中分析输入输出模式与质量维度，并生成可用的评估器套件，支持输出 Python SDK 代码、框架无关的 JSON 规范，或直接向 Datadog 发布在线 LLM-judge 评估器。
eval-trace-rca
eval-trace-rca 是 Datadog Labs 的 agent skill，用于对生产环境 LLM 追踪做结构化根因分析。它支持两种模式：以 LLM 评审结果（通过率、评分、理由）为信号的 Eval Signal 模式，以及分析运行时错误（@status:error、错误类型、堆栈）的 Error Signal 模式，帮助定位应用失败原因。
lucid-agents-sdk
Lucid Agents SDK 是用于构建、变现与验证 AI 智能体的 TypeScript/Bun 框架，提供核心运行时、HTTP 适配器、支付、身份、钱包、分析与 A2A 通信等模块，支持在 Base、以太坊和 Solana 上通过 x402 协议收费。
executing-plans
executing-plans 是一个用于在独立会话中执行已写好的实施计划、并设置审查检查点的技能。它要求先批判性审阅计划，再逐项执行任务并运行验证，遇到阻塞时停止询问，最后配合收尾技能完成开发分支。
llm-evaluation
llm-evaluation 是一个用于 LLM 应用评测的技能，涵盖自动化指标、人工反馈与基准测试，帮助衡量性能、比较模型或提示词、发现回归并建立基线。
project-development
一套面向 LLM 项目开发的方法论技能，涵盖任务与模型适配判断、项目架构设计、手动原型验证、分阶段流水线、结构化输出、成本估算与智能体辅助开发，适用于从构思到部署的 LLM 驱动项目。
prompt-engineering-patterns
面向 LLM 提示工程实践的技能，提供少样本学习、思维链、结构化输出、提示优化、模板系统与系统提示设计等模式，帮助提升提示的表现、可靠性与可控性，适用于生产级提示设计与调试。
rag-implementation
用于构建检索增强生成（RAG）系统的技能，帮助 LLM 应用通过向量数据库与语义搜索基于外部知识作答，适用于专有文档问答、事实型聊天机器人、语义搜索与文档助手等场景。
crewai-multi-agent
CrewAI 是一个多智能体编排框架，用于让多个自主 AI 智能体协作完成复杂任务。它以角色为核心定义智能体，支持研究、写作、分析等专业化分工，并提供顺序（sequential）与层级（hierarchical）两种流程执行方式。CrewAI 不依赖 LangChain，体积轻量，内置 50 多种工具（如网页搜索、网页抓取、文件读取、PDF 搜索等），并具备短期、长期和实体记忆能力，支持追踪与生产级特性。它同时提供 Crews（自主协作）与 Flows（事件驱动）两种范式，可用纯代码或 YAML 配置方式搭建。适合构建需要多角色协作、任务委派和多步推理的自动化工作流。
long-context
Long Context 是一个用于扩展 Transformer 模型上下文窗口的技能，基于 RoPE、YaRN、ALiBi 和位置插值（Position Interpolation）等技术。适用于处理 32k、64k、128k+ token 的长文档，扩展 LLaMA、Mistral 等预训练模型的上下文长度，实现高效位置编码、长度外推训练，以及以较低算力微调模型以支持更长上下文。技能提供各技术的原理说明、代码示例、HuggingFace 集成方式、微调流程与生产部署建议。
oma-orchestrator
oma-orchestrator 是 oh-my-agent 中的自动化多智能体编排技能，可并行派生 CLI 子智能体，通过 MCP Memory 协调任务、监控进度，并执行验证、QA 交叉评审、重试与结果收集。适用于需要多个专业智能体并行协作的复杂全栈任务。
skill-creator
skill-creator 用于生成新的 Claude Code 技能：创建规范的目录结构、YAML frontmatter 与可选附带资源，并可打包分发。适合个人创建自定义技能、团队统一技能结构，或生成含脚本、参考文档与模板的技能。
solo-memory-audit
用于审计 Claude Code 项目记忆层级的技能：展示会话启动时加载哪些记忆文件、总上下文预算与优化建议，帮助把启动上下文控制在 40k 字符以内。