strict-user-requirements-adherence
严格遵循用户需求与游戏规则的技能，强调只实现文档明确规定的功能、逐项核对验收标准、不擅自解释模糊需求、标记范围蔓延并保持需求可追溯。
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 10-30 00:12
智能体与模型
25,181 个结果
scrum-master
面向 AI 开发团队的 Scrum Master 技能（/sm，别名 /luda、Luda），核心是维护看板与流程记录的完整性，而非仪式化会议。适用于查询冲刺状态、规划前检查、史诗收尾、创建工单、编排多智能体工作流及消除阻塞。
ai-product
面向AI产品开发的工程技能，指导将LLM功能可靠地投入生产。核心主张：LLM是概率性的而非确定性的，提示词即代码需版本化、测试与A/B验证；多数场景优先RAG而非微调；并需针对延迟与API成本进行设计。资料为技能说明，未提供具体工具、收费或安装方式。
dspy-simba-optimizer
DSPy SIMBA 优化器技能，用于通过随机小批量采样、自反思规则与成功示例来优化 DSPy 程序，适合有数值指标、预算有限的场景。
agent-eval-harness
用于在 AI 智能体、提示词或技能上线前后验证其是否真正有效的评测工具：建立小型评测集、对运行结果打分，并在模型或提示词变更时发现回归问题。
agent-readiness-report
用于评估代码仓库对自主 AI 辅助开发支持程度的技能，从智能体指令、反馈回路、工作流与自动化、策略与治理、构建与开发环境五大支柱共 74 项特征进行扫描与人工评估，输出结构化就绪度报告。
ag-ui
AG-UI 协议实现指南，用于智能体后端与 UI 客户端之间的协议级集成，涵盖事件顺序、工具调用生命周期、流式语义与状态同步。
learn-agentfactory
Learn AgentFactory 是《The AI Agent Factory》一书的个性化学习教练技能。它采用“混合发现式”（Blended Discovery）四阶段教学法：案例式钩子（Hook）→ 苏格拉底式发现（Build）→ 直接讲授补缺（Fill）→ 检索巩固（Lock），引导学习者自行构建知识，而非被动听讲。技能通过 scripts/api.py（仅用 Python 标准库，无需 pip）处理令牌、401 自动刷新与错误信息，并自动读取环境变量 CONTENT_API_URL 与 PANAVERSITY_SSO_URL。它按渐进加载顺序运行：先做健康检查与鉴权，再加载学习者上下文，最后才读取教学方法参考文件。学习者数据保存在 ~/.agentfactory/learner/ 目录，包括 MEMORY.md、session.md 及缓存文件，用于跨会话个性化。适用于希望系统学习如何用 Claude Code 构建和销售 AI 智能体的领域专家。
dojo-keith-rabois
这是一个“专家小组”技能，按需将问题路由给已加载的专家 Keith Rabois，并用其个人框架、信念与语气作答。适用于用户说“ask dojo”、点名 Rabois，或询问其覆盖领域（招聘、价值创造、CEO 角色等）时。
ping-identity-for-ai
Ping Identity 面向 AI 代理的身份技能，用于规划 AI 代理身份、机器身份、Verified Trust 信号与 AI 应用认证等模式，属于概念性指导，本身不生成 ID4AI 专属配置。
puda-env
puda-env 是 PUDA 技能体系中的环境路由技能，用于根据当前激活的 PUDA 环境（env）定位并加载对应的机器能力技能与实验工作流技能。它通过运行 `puda env current` 获取当前环境名称，再将该名称映射到两个技能：`<env_name>-machines`（机器、能力与协议生成）和 `<env_name>-workflows`（实验工作流及应运行哪个实验）。已知环境包括 bears、imre、ntu，分别对应 bears-machines/bears-workflows、imre-machines/imre-workflows、ntu-machines/ntu-workflows。如果所需技能未安装，该技能会提示用户使用 `puda skills install pudap/<env_name>-skills` 安装；如果当前环境缺少任务所需的机器，则会提示用户可能需要切换环境。该技能本身不执行实验，只负责路由与选择正确的环境专属技能。
rule-steward
rule-steward 用于管理 .agents/rules/ 下的项目规则协议：初始化规则仓、定义 namespace 与规则 ID 约定、生成 active 规则目录、按 ID 获取规则，并引导受控的规则维护。它不负责代码审查、diff 规则匹配或判断代码是否符合规则。
agent-browser
基于 Vercel agent-browser CLI 的浏览器自动化技能，面向 AI 智能体，通过无障碍快照生成的引用（@e1、@e2）进行网页交互，可打开页面、填表、截图、抓取数据，是 Playwright MCP 的替代方案之一。
qwen-agentworld-language-world-model
Qwen-AgentWorld 是一个原生语言世界模型，用于模拟 MCP、搜索、终端、SWE、Android、Web、OS 七个智能体交互域，提供 35B-A3B 与 397B-A17B 两个 MoE 版本（256K 上下文），并配套 AgentWorldBench 评测基准。
recoup-research-find-talent
面向 A&R 场景的艺人发掘技能，从已知锚点艺人出发，通过相似与指标接口找未被追踪的新兴或未签约艺人，并标记其增长与歌单收录信号。
openspec-bulk-archive-change
批量归档多个已完成的 OpenSpec 变更，通过检查代码库实际实现情况来检测并智能解决规范冲突，而非直接失败或猜测。
gemini-gen
Gemini Gen 是 Renoise 插件目录中的多模态视觉理解工具，通过 Renoise 网关调用 Gemini 3.1 Pro 模型，支持文字提问、图片分析、视频理解与多文件比较。提供商品分析、视频脚本提取、风格提取三种预设模式，也能自由编写提示词。脚本运行时无 npm 依赖，仅使用原生 fetch；超过 20MB 的文件会自动先上传再分析，并支持分辨率档位、温度、最大输出 token 与 JSON 输出等参数。适合商品图整理、视频内容拆解、视觉风格归纳和 OCR 等场景，不负责图像或视频生成。
agent-sdk
Claude Agent SDK 是 Anthropic 的官方智能体开发框架，提供对 Messages API 的高层封装，自动处理智能体循环、工具编排、上下文管理与扩展思考模式，支持 Python 与 TypeScript，可用内置及自定义工具、子智能体、权限、钩子与 MCP 集成来构建生产级 AI 智能体。
codex-brainstorm
codex-brainstorm 是一个通过 Claude 与 Codex 对抗式辩论来进行头脑风暴的技能，适用于探索方案、可行性分析与穷举可能性，不适用于实现类任务或单纯代码审查。
agent-self-scheduling
为 AI 代理安排定时或循环任务的技能，指导在 cron、外部调度器、钩子或宿主内置调度之间做选择，避免不安全的紧密自主计时器。
cirq
Cirq 是 Google Quantum AI 推出的开源量子计算框架，用于在量子计算机和模拟器上设计、模拟并运行量子电路。它提供量子比特、门与操作的构建能力，支持参数化电路、精确与含噪模拟、参数扫描、电路变换与优化，并可通过 cirq-google、cirq-ionq、cirq-aqt、cirq-pasqal、azure-quantum 等集成对接多种量子硬件平台。框架以 Python 为接口，适合量子算法原型设计、教学演示与实验研究，也可用于噪声建模、电路编译与量子实验数据采集。
init-harness-agents
Init Harness Agents 是一个用于初始化通用多 Agent 协作框架（Harness Engineering）的技能。它通过 /init 命令触发，扫描项目结构后生成 harness.yaml 主配置、Agent 角色定义、工作流定义、通信配置以及 Harness AGENTS.md 入口文档。该框架将 Agent 角色按能力域划分为协调者（coordinator）、分析者（analyst）、创作者（creator）和评估者（evaluator），并支持顺序、并行、辩论、评审等多种协作流程。适用于产品、设计、研究等非代码开发领域的多 Agent 协作场景。
marketplace-policy-model-feedback-loop-review
用于设计与审计 AI、应用、创作者、插件和卖家市场的政策与模型反馈闭环，覆盖政策分类、模型信号、审核标签、申诉结果、误报漏报、模型漂移、政策上线与市场信任等审查场景。
claude-agent-sdk-agent-creation
使用 Claude Agent SDK 以 TypeScript 创建与配置 Claude AI 智能体的技能，涵盖初始化、系统提示、工具权限、目录结构与认证等基础设置模式。