truefoundry-prompts
TrueFoundry Prompt Registry 管理技能，用于在 TrueFoundry 平台中管理提示词（Prompt）。支持列出提示词、查看版本、创建提示词、通过新建版本更新提示词、为版本打标签（如 production）、获取供 AI Gateway 使用的提示词版本 FQN，以及生成代码片段或使用指引。该技能不负责创建或编辑智能体，智能体相关操作应使用 truefoundry-agents。
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 10-31 00:15
智能体与模型
25,344 个结果
prompt-engineering
prompt-engineering 是一个关于提示词工程（Prompt Engineering）的技能/知识集合，面向在各种模型或框架下进行有效 LLM 交互。其介绍资料涵盖较多提示技术：零样本提示、少样本提示、思维链（chain-of-thought）、系统提示设计、人格（persona）设计，以及评估模式等。资料提供了快速上手示例（OpenAI Python SDK 调用 chat.completions）、使用场景与不宜使用场景的说明，以及 OpenAI、Anthropic、Azure OpenAI 的安装与 API Key 环境变量配置要求。正文以代码示例方式详细展开了各技术模板，包括零样本分类、少样本示例构建、结构化与自一致性思维链、角色型与任务型系统提示、专家与自适应人格、结构化输出（JSON/Markdown/XML）等。该技能强调可移植的通用提示模式，不绑定特定框架；若需要框架专属特性（如 LangChain/DSPy）、程序化优化、生产级 RAG 或对话记忆管理，资料建议改用相应框架。
architect
architect 是一个设计方向框定与方案收敛引擎技能，用于在工程实现之前将开放式问题收窄为明确的设计方向。它通过四条框架轴（问题边界、硬约束、冻结面、可逆性类别）建立有依据的方向，随后依据五项收敛标准（问题闭合、约束契合、先例支撑、可逆性、证据强度）对候选方案逐一评分，最终输出单一推荐方案或明确的 DO-NOT-BUILD 判定，而不是模棱两可的“视情况而定”。该技能强调以业务后果而非技术指标来提问，强制要求每条关键论断附有代码位置、已验证引用或实测结果，并在给出结论时附上最强的反方论证及可翻转判决的可观察条件。
ai-python-basics
AI SDK for Python 的基础用法技能，涵盖配置模型、构造消息、流式输出、声明工具与构建基础智能体。需 Python 3.12 及以上，使用 uv add ai 安装。
ai-python-streaming-tools
ai-python-streaming-tools 是 Vercel Labs 的 AI SDK for Python 中用于构建流式工具（streaming tools）的模块。它允许工具以异步生成器（async-generator）的形式运行，在工具执行过程中持续向调用方输出进度或中间值，同时向模型返回一个聚合后的最终工具结果，用于下一轮模型调用。该模块提供 StreamingTextTool（将逐次产出的字符串拼接为最终结果）、StreamingStatusTool（先流式输出进度，最后一次产出为工具结果）、SubAgentTool（在工具内运行另一个智能体并流式转发其事件）等封装，也支持通过 aggregator 参数或 Annotated 返回类型自定义聚合逻辑。调用方通过 ai.events.PartialToolCallResult 实时消费输出，模型最终只看到聚合后的单个工具结果。
arkcli-custommodel
arkcli-custommodel 是火山引擎 ark-cli 中用于管理自定义模型（CustomModel，ID 形如 cm-xxxxx）的技能模块，覆盖从 TOS 导入权重、查询与筛选、查看详情、改名改描述、删除，以及查询可用量化模式并执行量化。它把自定义模型与官方基础模型明确区分为两套资源，并规定所有写操作与异步任务需先确认意图、再轮询状态。该技能还负责处理 cm-* 直接推理的边界判断：自定义模型 ID 不能直接传给对话或生成命令，必须先部署为 Endpoint 获取 ep-xxx。
production-planner
Production Planner 是 vstorm-co/production-stack-skills 中的架构规划技能，用于在系统设计早期就把可扩展性、可靠性、安全性和运维问题纳入考量。它不会输出教科书式架构图，而是产出一份让值班工程师在凌晨三点也愿意感谢的规划文档。该技能通过结构化访谈逐步澄清需求、约束和失败场景，再输出架构方案。
agent-browser
agent-browser 是面向 AI 智能体的浏览器自动化命令行工具，通过 CDP 直接驱动 Chrome/Chromium，支持导航、快照获取元素引用、填表、点击、截图、网络检查、认证状态复用、批量执行与多会话并行等操作。
openspec-onboard
OpenSpec 的引导式入门技能，通过讲解与真实代码库操作，带用户走完一次完整的 OpenSpec 工作流循环。属于智能体技能，需已安装 OpenSpec CLI。
add-feishu
该技能为 NanoClaw 添加飞书（Feishu/Lark）渠道支持。它通过 skills 引擎确定性地修改代码，并引导完成交互式配置。采用 WebSocket 长连接方式，无需公网 URL 或 ngrok。可与 WhatsApp、Telegram、Slack 等渠道并存，也可独立使用。技能会新增 FeishuChannel 类与单元测试、注册渠道、安装 @larksuiteoapi/node-sdk 依赖，并更新环境变量示例。配置阶段需在飞书开放平台创建应用、获取 App ID 与 App Secret、添加事件订阅与权限、启用机器人并发布，随后将凭据写入 .env 并同步到容器环境，最后通过日志获取聊天 JID 完成注册。
model-failover
model-failover 是一个为大语言模型调用提供自动故障转移的技能。当某个 LLM 提供商出现故障时，它会按预设的备用链自动切换到下一个可用的提供商，灵感来自 OpenClaw/ZeroClaw 的模型配置。它支持可配置的备用链、速率限制与健康监控。用户通过环境变量配置提供商链与各家的 API 密钥，例如以逗号分隔的 provider:model 列表依次设置 Anthropic、OpenAI、Google 等。工作时先尝试链中第一个提供商，若失败（限流、报错、超时）则等待并重试，重试耗尽后切换到下一个，直到成功或全部耗尽，并记录每个提供商的失败次数用于健康检查。
fable-5-best-practice
面向 Fable 5 的技能：用于在 Fable 主导的工作中规划 Claude 层级、effort 与子代理，并处理 Fable 特有的提示、长时间执行、API 行为、拒绝与回退。默认目标为先满足验收契约，再尽量降低被接受结果的成本。
hands-3d-pose
hands-3d-pose 是一个面向第一人称（自我中心）视频的高质量 3D 手部姿态估计技能，源自 ECCV 2024 的 ap229997/hands 项目。它不是简单的手部检测框，而是输出手指关节级的 3D 关键点，可得到每只手 21 个关节在三维空间中的 x、y、z 坐标，包括手腕、5 个掌骨点以及五指各 3 个关节（共 15 个手指关节）。系统会自动估计相机内参，将 3D 关节透视投影到 2D 图像平面，并在视频帧上绘制手部骨架连线叠加，同时给出每个关节的置信度与左右手判定。它提供从视频到标注输出的完整处理管线：安装 PyTorch、OpenCV、torchvision、numpy 等依赖，下载预训练模型后即可运行演示脚本，处理自我中心视频并生成标注帧、合成 MP4 视频以及 NPY/PKL 格式的 3D 关节数据。该方法专门针对第一人称视角和日常活动场景优化，可提取手部姿态特征用于手势识别、手-物交互分析、活动识别、生物力学分析以及手语或交流手势研究。资料显示模型约 100MB，现代 GPU 上推理速度约 15-30 FPS，在自我中心测试集上 3D PCK 约 85%、2D PCK 约 92%、平均关节误差约 15mm。需要注意它对严重遮挡、极端光照较为敏感，需手部可见，且单视角 3D 估计可能存在深度歧义。
pylabrobot
PyLabRobot 是一个硬件无关、纯 Python 的实验室自动化 SDK，用于自动化和自主实验室场景。它通过统一的 Python 接口控制移液机器人、酶标仪、泵、加热摇床、培养箱、离心机等实验室自动化设备，并可跨平台运行于 Windows、macOS 与 Linux。该技能适用于编程控制 Hamilton STAR/STARlet、Opentrons OT-2、Tecan EVO 等移液机器人，自动化涉及移液、样品制备或分析测量的实验流程，管理台面布局与实验资源（孔板、吸头、容器、储液槽），集成多种实验设备，创建带状态管理的可复现实验方案，以及在真实硬件上运行前进行协议仿真。其核心能力涵盖移液操作、资源管理、硬件后端、分析设备集成、物料处理和可视化仿真六大方面。
realtime_protocol_guidance_prompts
这是一个面向LabOS实时XR实验引导栈的提示生成技能：根据当前第一人称视频帧或VLM场景描述、协议状态、偏差记录与操作者状态，生成简短祈使式引导语句，用于语音合成或AR叠加显示，实现免手扶、视线不离实验台的分步实验指导。
transformers
Transformers 技能面向使用预训练 Transformer 模型的场景，覆盖自然语言处理、计算机视觉、音频以及多模态任务。该技能基于 Hugging Face Transformers 库，提供对数千个预训练模型的访问能力，可用于加载模型、执行推理以及在自己的数据上进行微调。技能文档说明了依赖安装方式（如 transformers、torch、datasets、evaluate、accelerate，视觉任务补充 timm、pillow，音频任务补充 librosa、soundfile）、Hugging Face Hub 认证方式，以及 Pipeline API 快速推理、模型加载与管理、文本生成、训练与微调、分词等核心能力，并给出简单推理、自定义模型使用和微调三种常见代码模式。
skill-maker
skill-maker 是一个用于创建和编辑 Claude Code 技能的流程工具，其核心理念是将技能编写视为 "测试驱动开发（TDD）应用于流程文档"。它要求先编写测试用例（通过子代理运行压力场景）并观察其失败，再编写技能文档，观察测试通过，然后重构以封堵漏洞。该工具强调没有失败测试就不应创建技能，适用于创建或编辑技能的场景，需在部署前用子代理测试并迭代至无懈可击。
mindsdb-mcp-skill
MindsDB MCP 服务器交互技能，支持通过自然语言查询和操作 200+ 企业级数据源，涵盖数据库连接、NL2SQL、RAG 知识库构建与智能问答、数据分析、AI 预测模型等功能，采用三模块架构，可自动适配本地/远程 MindsDB 部署。
enhance-prompt
Enhance Prompt 是一个用于在把提示词发送给 LLM 或编码智能体之前进行增强的技能。它拦截用户的原始提示词，注入上下文与思考引导，并返回可直接执行的版本。其核心理念不是改写文风，而是做三件事：引导智能体“如何思考”、预判智能体可能出错的地方并提前阻断、注入停止条件让智能体知道何时完成。工作流程包括静默诊断、通过运行时的 ask-user 工具进行规划提问（最多两轮、每轮最多 4 个问题）、按叙事结构、思考引导、失败预防、上下文注入、验证与停止五层进行增强，最后展示增强后的提示词并提供进一步深化的选项。适用于在发送给 LLM 或编码智能体前增强提示词，不适用于改进一般写作、构建技能文件或审查代码。
optimize-agentic-mcp
optimize-agentic-mcp 是一个用于审计、优化和架构设计 MCP 服务器的技能。它面向 MCP 服务器的“智能体就绪度”评估，帮助判断现有 MCP 服务器存在哪些问题、应如何修改、适用哪份参考文档、由哪个配套技能实施修复，以及如何验证结果。该技能本身不编写 SDK 代码，而是负责诊断、开方和路由。适用于审计现有 MCP 服务器、在写代码前设计新 MCP 服务器、选择框架、评估安全与上下文预算等场景。
mcp-server-building
MCP Server Building 是一个用于构建 MCP（Model Context Protocol，模型上下文协议）服务器的技能，目标是扩展 Claude 的能力。它适用于创建 MCP 服务器、构建自定义 Claude 工具，以及通过工具、资源和提示词来扩展 Claude。该技能介绍了 MCP 的架构：Claude 作为 Host 通过 JSON-RPC 与 MCP Server 通信，传输方式支持 stdio、SSE 和 WebSocket。MCP 提供三种原语：Tools（Claude 可调用的函数，需用户批准）、Resources（Claude 可读取的数据，如文件和 API 响应）、Prompts（预定义的提示词模板）。技能给出了 Python（stdio）最小服务器示例和 TypeScript（生产环境）服务器示例，并指向多份详细指南，涵盖传输模式、工具定义、资源模式、测试和自动发现。还总结了关键决策（传输方式、语言选择、错误处理）和反模式（有状态工具未清理、阻塞同步代码、缺少输入验证、在工具输出中泄露密钥、无界响应）。
bash-ops
面向生产自动化、CI 脚本与智能体工具的防御式 Bash 脚本编写规范，强调严格模式、引号纪律、参数解析、陷阱清理、流分离与语义退出码，并配套 ShellCheck 检查。
cast-subagents
Cast Subagents 是一个面向 Codex 的子智能体（subagent）委派建议技能。它的职责是在任务开始前判断当前任务是否适合拆分成子智能体处理，并在适合时推荐恰好一套由 1 至 4 个角色组成的阵容。该技能只提供建议，不会自行启动任何子智能体。触发场景包括：对同一分支或改动进行多维度审查、跨代码库的只读探索、与实现分离的文档或 API 验证、含多条独立线索的研究任务、可拆分为独立子任务的规划任务，以及安全敏感代码审查、测试覆盖分析、Web 性能审计和发布前质量门等。技能会给出推荐角色阵容、各角色贴合任务的理由、工作模式（read-only、mixed 或 write-capable），并在真正启动子智能体前请求用户批准。若任务不适合委派，则完全不提及子智能体，正常继续。技能要求在批准前不查看文件、不运行命令、不搜索文档、不总结发现、不开始实现。
elite-longterm-memory
Elite Longterm Memory 是一套面向 AI 智能体的长期记忆系统，适用于 Cursor、Claude、ChatGPT 与 Copilot 等环境。它把六种记忆方案整合为分层架构：热内存（SESSION-STATE.md，采用 WAL 预写日志协议，在回复前先写入状态）、温存储（LanceDB 向量语义检索与自动召回）、冷存储（Git-Notes 知识图谱，记录结构化决策）、人工整理归档（MEMORY.md 与每日日志）、可选的云端备份（SuperMemory）以及可选的自动事实抽取（Mem0）。目标是让智能体不丢失上下文、不遗忘决策、不重复犯错。