retell-webhooks
用于接收并验证 Retell AI Webhook 的技能，涵盖 X-Retell-Signature 签名校验、call_ended/call_analyzed 等语音与聊天事件处理，并提供 Express、Next.js、FastAPI 示例及本地调试方法。
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 10-29 00:09
智能体与模型
25,066 个结果
shipbob-webhooks
用于接收并校验 ShipBob Webhook 的技能，适合搭建 ShipBob Webhook 处理器、排查签名校验失败，以及处理履约、发货、退货、收货（WRO）和账单等事件。
llm-wiki
用于指导用户搭建“由 LLM 持续维护的个人 Wiki”的技能。LLM 负责摘录、互链与综合，使知识库随时间累积；人负责挑选来源并提问。含发现、定范围、结构、模式、工作流、工具、脚手架、采集、处理与规划等阶段。
use-instavm
InstaVM 是一个云端平台，用于运行短生命周期沙箱与持久虚拟机，并管理访问、存储、快照、共享和桌面工作流。该技能提供操作路径：创建或管理计算资源、托管应用、迁移数据、通过 SSH 连接，以及按需使用高级平台 API。
pipecat
Pipecat 是开源 Python 框架，用于构建实时语音与多模态机器人，将流式 STT、LLM、TTS 服务编排成低延迟管线，通过 WebRTC/WebSocket 等传输层与 RTVI 客户端协议连接，并支持 Pipecat Cloud 部署。
agent-creator
用于创建或改编 Claude Code 智能体定义的技能，帮助确定智能体作用域、子智能体配置与专用智能体设计，并生成最小可用的智能体定义文件。
agentskills
Agent Skills 可移植格式路由技能，用于创建跨客户端技能、校验可移植 frontmatter、打包技能以供上传或 API 使用，并区分可移植格式与 Claude Code 运行时扩展。
claude-session-data-schema-reference
Claude Code 会话日志 JSONL 格式参考技能，说明 ~/.claude/projects/ 下的目录结构、记录类型、字段级 schema、工具调用与结果配对、子代理与团队会话文件命名、任务/计划/团队配置路径及 Hook 集成方式。
dot-dash
dot-dash 是一个实时浏览器仪表盘，用于监控所有活跃的 Claude Code 会话并流式展示会话记录。可通过 /dot-dash 命令启动、停止、查看状态或获取访问令牌。
improve-processes
这是一项用于分析和改进流程或系统的技能（Skill），其核心思路是用一个明确的语义模型来描述流程，通过自适应指令解析、证据驱动的变更和逐项声明的验证来完成改进。技能的工作原则是：当需要分析或改进流程／系统时使用；在建模时只表达有证据支持的内容，调查可解决的未知项，只有在继续推进会产生或改变意图或策略时才向用户提问。技能定义了规范流程模型（ProcessModel），包含目的、范围、角色、状态、动作、转移、输入输出、目标、不变量、假设、失败模式、声明、不确定项、边界和残余风险等字段，并可按当前分辨率只填充相关字段。结果契约给出 READY、IMPROVED、BLOCKED_INTENT、UNVALIDATED、INVALID 五种流程评估状态，任务完成状态与流程评估相互独立。改进循环分为 UNDERSTAND、MODEL、CHALLENGE、IMPROVE、VALIDATE 五个阶段，强调递归安全性、证据来源与权威区分、不确定性分类、证据驱动改进、按后果比例分配严格度，以及高度与分辨率审查。技能还提供了可选的基线智能体行为采样方法。
kaizen-improvement
Kaizen Improvement 是一个将转录记录分析结果转化为可执行改进的技能。它以 .planning/kaizen/ 目录中的分析发现为前提（由 transcript-analysis 技能生成），把发现的问题转化为 hooks、代理提示词补丁、技能补丁、CLAUDE.md 更新和自动化脚本等改进方案。支持的改进类型包括：Hook 生成（PreToolUse 拒绝/重定向、SubagentStart 上下文注入、Stop 质量门禁）、代理提示词精修（通过 @subagent-refactorer 对代理系统提示词做外科式修复）、技能补丁（通过 /plugin-creator:skill-creator 补充缺失知识）、CLAUDE.md 更新（项目级行为规则）以及脚本自动化（用脚本或技能替代重复的手工工作流）。工作流为：读取分析发现、提取带频率与证据的反模式、按频率×影响评分、选出最优先发现、判断改进类型、生成对应改进、写入 .planning/kaizen/improvements/，最后根据是否带 --install 标记决定直接应用还是仅保留为待审提案。
optimize
用于编写和审计面向 AI 的指令内容，如子代理委派指令、CLAUDE.md、规则、技能与代理定义。核心思路是只写共享训练基线无法提供的内容，用决策表、正向表述和检查清单替代冗长散文，并把可发现数据与重复内容外置。
planning
SAM 流水线第二阶段“规划”智能体技能：在 Stage 1 Discovery 完成后，把 ARTIFACT:DISCOVERY 转化为可执行的 ARTIFACT:PLAN，并通过 RT-ICA 前置条件评估作为门禁，防止缺失或臆造关键输入。
seven-prompt-content-engine
一个按固定七步顺序运行的内容创作技能，把粗糙想法一步步加工成完整文章、各平台适配版本和可独立使用的二次创作素材。适合需要可重复内容流程、减少空白页时间并让 AI 写作更自然的场景。
fork-me
fork-me 是一个用于智能体工作流的技能，要求在下一步需要用户输入时先中止，穷尽可发现的事实与可逆约定后，给出一个受阻选择，并用原生选择器呈现选项：默认推荐项优先、三个真实选项（二元时两个）、每项附一条简单理由与代价，以及“Other”。无选择器时以相同编号列表加“Other”呈现。
distributed-training-setup
该技能用于在 ML Training 领域自动协助配置分布式训练环境，当请求中提到“distributed training setup”或询问相关模式与最佳实践时自动激活，提供分步指导、生成配置与代码并做校验。
langchain-common-errors
LangChain 1.0 / LangGraph 1.0 常见异常速查技能，收录 14 个真实报错的报文匹配目录与分诊决策树，按类别分三个参考文件，给出命名原因与修复方式，并配有回归测试建议。
supabase-incident-runbook
Supabase 事故响应运行手册：按平台与应用分诊、pg_stat_activity 数据库诊断、RLS 调试、Edge Function 日志与存储检查，最终生成可提交支持团队的证据包。
hej
Agentera v1 的旧版 /hej 入口桥接技能，仅用于引导仍安装 /hej 的用户迁移到 v2 的 /agentera 入口，并提供幂等升级 CLI。
plan-test-coverage
一个仅做规划、以用户故事为驱动的测试覆盖率审计技能：从代码反推用户故事，建立可追溯矩阵，识别未测、弱测与“假绿”测试，产出分阶段覆盖计划；本阶段不写测试。
superteam
Super Team 是一个 Claude Code 技能，可并行启动 7 个专业智能体，对项目同时进行安全、性能、UI/UX、测试、代码质量、DevOps 与速度审计，并自动修复严重问题、生成统一报告与 PR。
dotnet-testing-code-coverage-analysis
面向 .NET 项目的代码覆盖率分析指南，涵盖 Coverlet 配置、覆盖率报告生成、指标解读、循环复杂度整合，以及 Fine Code Coverage、VS Code 内置工具与 CI/CD 覆盖率检查的实践。
claude-hooks-configuration
在 settings.json 中配置 Claude Code 生命周期钩子与事件处理器，可覆盖全部 17 个事件（如 SessionStart、PreToolUse、PostToolUse 等），并设置超时以避免 "Hook cancelled" 错误。
skill-creator
skill-creator 是用于创建高效 Claude 技能的指南型技能。它帮助用户为 Claude 扩展专业知识、工作流程或工具集成，覆盖从理解用途、规划资源、初始化、编辑、打包到迭代的完整创建流程。其核心设计原则强调上下文窗口是公共资源，应只补充 Claude 尚不具备的信息，优先简洁示例而非冗长解释，并按照任务脆弱性设置合适自由度。技能采用三级加载系统：元数据始终在上下文、SKILL.md 正文在触发时加载、捆绑资源按需加载，以实现渐进式披露。详细介绍了 SKILL.md、scripts、references、assets 的作用与组织方式，并给出多种按领域、变体或条件组织参考文件的模式。