openclaw-cliq-integration
OpenClaw 的 Zoho Cliq 频道插件，用于把 OpenClaw 智能体接入 Zoho Cliq，支持每智能体独立机器人、Markdown 转换、流式预览与群聊。提供 OAuth 2.0、多数据中心、消息编辑/删除/表情、交互卡片及 DM 配对安全策略。
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
25,363 个结果
tool-inventory
Tool Inventory（The Librarian）是一个智能体技能，用于维护仓库中所有工具的完整可搜索注册表，支持注册工具、搜索脚本、审计覆盖情况，采用 JSON + ChromaDB 双存储架构。
uninstall
用于安全卸载已安装 Claude 工具（技能、智能体、命令）的技能，支持全局或项目位置，提供交互式卸载向导与已安装工具列表查询。
gemini-omni
Gemini Omni 是 RunAPI 平台上的一项服务，用于通过命令行或 SDK 创建 Gemini Omni 的语音资源、角色资源，以及 Flash Preview 或多模态文生视频任务。它提供 gemini-omni-audio、gemini-omni-character、gemini-omni-flash-1-1、gemini-omni-flash-preview、gemini-omni-text-to-video 等变体。使用前需先完成 RunAPI 认证，并查阅已安装命令目录与所选操作的当前契约；一次性任务可用 runapi CLI，应用或生产代码集成则应使用 SDK，不应在生产运行时调用 CLI。
hydra-strategy
HYDRA v2.0 是一个单币种信念基金策略，围绕一个主币种建立长期多头信念仓位，并用一篮子其他资产的分散空头作为对冲。核心仓位采用“仅灾难性止损”的宽松 DSL 长期持有，对冲则做空其他处于确认下跌趋势的资产（按波动率平价配比，并在主币种走弱时加大），从不对冲主币种本身。策略以 Hydra-ETH、Hydra-SOL、Hydra-HYPE 三个命名变体发布，共享同一引擎，每个变体含 core、dip、hedge 三个钱包。
cloud
Browser Use Cloud 的文档参考技能，用于查询其托管 API 与 SDK 的浏览器自动化能力。该技能本身不执行自动化，而是按用户需求指向对应的参考文档，涵盖 v2 REST API（30 个端点、cURL 示例与 schema）、v3 BU Agent API（会话、消息、文件、工作区）、会话与认证策略、CDP 直连（Playwright/Puppeteer/Selenium）、代理、Webhook、工作区、技能、MCP、实时视图，以及并行、流式、地理抓取等模式。还提供集成指南：构建带实时浏览器视图的聊天界面、将 browser-use 作为子智能体（任务进、结果出）、把 browser-use 工具加入已有智能体。关键信息包括 API 基址、认证头 X-Browser-Use-API-Key、API Key 获取地址、环境变量 BROWSER_USE_API_KEY，以及 Python/TypeScript SDK 的安装命令与导入方式。
open-source
browser-use 开源库的 Python 编码参考文档技能，用于在编写基于 browser-use 库的 Python 代码时提供分主题的文档指引。该技能按用户需求指向对应参考文件，涵盖安装与快速开始、LLM 提供商配置、Agent 参数、Browser 参数、自定义与内置工具、Actor API、MCP 集成、监控与遥测以及示例等主题。资料同时给出若干关键注意事项，例如默认推荐 ChatBrowserUse 作为 LLM、库为异步 Python（>=3.11）、Browser 是 BrowserSession 的别名、使用 uv 管理依赖、安装命令以及设置 BROWSER_USE_API_KEY 环境变量等。
yes-md
YES.md 是一个 AI 治理引擎类技能，通过六层治理机制约束 AI 的工作方式：安全门（改动前备份、影响范围检查、部署安全、结论完整性）、证据规则（禁止无依据猜测，所有判断需有数据支撑）、反偷懒检测（防止推诿用户、空手提问、只给建议不行动、忽视工具）、调试升级机制（按失败次数强制切换方法、五步审计、最小复现、结构化交接）、涟漪检查（修复后检查同类问题、上下游影响与边界情况）以及缺陷关闭协议（验证、记录、复盘）。它强调用结构而非施压来引导 AI，与 PUA 等强调坚持的技能互补，适用于 AI 修改文件、配置、数据库或部署，以及调试反复失败、AI 无证据猜测或推诿等场景。
handoff-claude-session
该技能用于从 Claude Code 的本地会话日志中生成一份交接文档，供另一个智能体接手使用。它把会话日志当作源对话，不恢复会话、不调用 Claude，也不向 Claude 发送任何提示。使用时需要提供 Claude 会话 ID，若未提供则要求用户补充并停止，不猜测。技能通过自带的 python3 脚本提取会话历史到系统临时目录，再阅读并梳理用户目标、决策、已完成工作、验证结果、失败项、未完成事项和最新状态，必要时检查本地引用的文件、diff、提交、issue 或计划。最终输出一份简洁、可操作的交接文档，包含源会话 ID、工作目录、目标与意图、当前状态、决策与约束、被否决的方案、产物路径或链接、已运行的验证及结果、剩余工作与阻塞、最清晰的下一步，以及建议接收方使用的技能。文档要求引用已有产物而非复制内容，区分日志或工作区中的事实与推断，并删除凭据、令牌、私钥和不必要的个人信息。
skill-creator
Skill Creator 是 soba-labs/langchain-agent-skills 中的一项技能，用于指导用户创建或更新有效的 Claude 技能（Skill）。技能是模块化、自包含的扩展包，通过提供专门的知识、工作流和工具来扩展 Claude 的能力。该技能涵盖技能的核心原则（简洁性、适当的自由度）、技能结构（必需的 SKILL.md 与可选的 scripts/references/assets 资源）、渐进式披露设计原则、技能创建流程（理解需求、规划内容、初始化、编辑、打包、迭代）以及打包验证等内容。适用于需要为 Claude 构建新技能或改进现有技能的场景。
deepthink
DeepThink 是 solatis/claude-config 中的一个技能，用于在用户提出开放式分析问题、需要结构化推理时，通过 Python 脚本立即触发。该技能强调不要先探索或分析，而是直接运行脚本并遵循其输出，脚本本身即工作流程。资料未提供更多关于其具体推理机制、依赖环境、安装方式或适用限制的细节。
Geek-skills-xuefeng-method
雪峰式AI-Native产品开发方法论，面向用户行为开放、强模型依赖的产品，主张用行为模式簇替代穷举，多专精Agent分工，快速上线后持续校准，并以行为审计与漂移检测替代质量门禁。
extract-skill
extract-skill 是一个用于从当前对话中提取知识、模式与工作流的技能，可将对话中产生的可复用经验保存为新的技能或更新已有技能。当用户说“extract a skill”“extract this as a skill”或“save this for next time”，或对话中出现了有价值的工作流、模式、领域知识、非显而易见的步骤、坑点与最佳实践时使用。它通过识别可提取内容、确定目标技能与存储位置、起草技能内容、蒸馏为简洁可执行的指令、写入并验证等阶段完成提取，最终生成或更新 SKILL.md 文件。
context-optimizer
context-optimizer（又称 Context Pruner）是一个面向 DeepSeek 64k 上下文窗口的高级上下文管理工具。它通过智能压缩、语义去重、优先级保留和动态上下文优化，防止上下文溢出，同时尽量保留重要信息。主要能力包括：针对 64k 窗口调优、基于上下文使用量的自适应修剪、去除冗余信息的语义去重、保留高价值消息的优先级感知、低 token 开销、实时上下文健康监控；支持语义、时序、抽取、自适应四种自动压缩策略；提供基于当前查询相关性的动态上下文过滤，以及带归档检索的分层记忆系统（当前上下文类比 RAM，归档类比存储）。使用方式为通过 createContextPruner 创建实例，配置 contextLimit、autoCompact、dynamicContext、strategies、queryAwareCompaction 等参数，调用 processMessages 处理消息、getStatus 查看健康状态、autoCompact 手动压缩、retrieveFromArchive 检索归档。可通过 skills 配置集成到 Clawdbot。注意：资料未提供收费、价格、平台要求等信息。
skill-creator
Skill Creator 是一个用于创建和更新 Claude 技能（Skills）的指导型技能。它提供创建有效技能所需的方法论与流程，包括理解技能用途、规划可复用资源、初始化技能目录、编辑 SKILL.md 与配套资源、打包为可分发的 .skill 文件，以及基于实际使用进行迭代。该技能强调精简上下文、合理设置自由度、渐进式披露设计，并给出脚本、参考文档与资产的组织方式，帮助用户把通用 Claude 转变为具备特定领域流程知识的专用代理。
nodered
Node-RED 是一款面向事件驱动应用的基于流程的可视化编程工具，通过将节点可视化连接来构建自动化工作流。本技能为使用 Node-RED 提供专业指导，适用于处理 Node-RED 流程（JSON）、创建自定义节点、配置 settings.js、调试、错误处理以及 Home Assistant 集成等场景。其核心概念包括 msg 消息对象（如 payload、topic、_msgid）、输入/处理/输出/工具等节点类型，以及存储在 flows.json 中的流程 JSON 结构。技能内容涵盖 Function 节点的 JavaScript 编写、上下文存储（节点/流程/全局）、异步操作、常用节点（Change、Switch、Template）以及 MQTT、HTTP、WebSocket 集成，并涉及调试方法、错误处理、settings.js 配置和 Home Assistant 集成参考。
running-skills-edd-cycle
该技能用于为智能体技能（agent skills）运行评估驱动开发（EDD）循环，帮助建立技能测试工作流、创建技能评估场景，并以评估结果驱动技能内容的编写与改进。其流程包括：先在不加载技能的情况下让 Claude 执行代表性任务并记录失败与缺失上下文，创建 3 个以上评估场景（保存到 tests/scenarios.md）；测量不加载技能时的基线表现；仅编写解决差距所需的最小说明；使用多种模型（sonnet、opus、haiku）通过子智能体评估并确定推荐模型；最后由用户在新会话中验证。适合需要系统化测试和迭代智能体技能的场景。
initiative-architecture
initiative-architecture 是一个用于规划超大型工作请求的技能，适用于单个 epic 无法承载、需要多 epic 规划的任务。它通过系统化流程将庞大请求拆解为可恢复、可执行的计划：先记录所有未知项并按阻塞程度分类，再为关键未知创建限时研究 spike，随后维护决策日志记录每个决策及其备选方案与权衡，接着将交付物分组为 epic 并定义依赖关系，最后创建交付里程碑并安排工作顺序。该技能强调“记录一切”，确保架构可被全新上下文恢复，并包含上下文恢复文档与知识图谱存储。
truefoundry-agents
TrueFoundry Agent Registry 的界面操作指南技能，用于在 TrueFoundry 仪表盘中创建、发布、共享、编辑、测试智能体，以及为智能体挂载 MCP 服务器和技能。该技能强调智能体的编写与交互均通过仪表盘工作流完成，不通过 API 创建、发布、编辑、调用或删除智能体。适用于需要按界面路径完成智能体注册、版本发布、协作者管理、远程智能体登记和 Agent Playground 测试的场景。
truefoundry-skills-registry
TrueFoundry Skills Registry 是用于管理可复用 Agent Skill 的技能，覆盖创建、发布、版本管理、下载、更新，以及将技能挂载到 TrueFoundry Agent 的流程。它区分单文件 SKILL.md 与多文件技能包（references/、scripts/、assets/）两条发布路径：单文件走 Dashboard UI，多文件走仪表盘/注册表工作流或声明式 tfy apply（仅在存在有效 agent-skill manifest 时）。支持创建新版本、更新元数据与正文、从 Skill Detail 的 Usage 页下载导出，并通过 Agent Playground 为 Agent 选择技能与版本。技能存放于 Repository，访问权限由 Repository RBAC 控制，可按版本固定。该技能强调发布前预检 tfy 登录与目标租户、展示文件清单或 YAML/diff 并获得显式确认后再执行，且不执行 tfy 中不存在的命令，删除操作需前往 Skills Registry UI 完成。
agent-os-framework
Agent OS Framework 是一个用于生成标准化 .agent-os 目录结构的技能，面向 AI 原生（AI-native）的代码仓库工作流。它通过命令 /agent-os-framework 为项目创建产品文档、使命说明、技术栈、路线图和决策记录等文件，帮助团队在仓库中沉淀产品愿景、技术选型与架构决策。支持为已有项目增量更新（--update）或单独生成某个组件（--component）。适用于新仓库初始化、为项目添加 AI 工作流支持、记录产品愿景和创建决策记录等场景。
using-data-engineering-agent-skills
数据工程智能体技能入口技能：在改代码、SQL、编排、契约或基础设施前，先对任务分类并匹配正确的技能、预设与下一步命令，避免跳过规格、质量、治理、回放与回滚考虑，适用于会话开始与需求分诊。
ai-python-custom-loop
ai-python-custom-loop 是 vercel-labs/ai-python 项目中的一个技能，用于在构建自定义智能体循环（agent loop）时修改工具调度、历史管理、钩子与控制流。它给出了一个基于 ai.Agent 子类重写 loop 方法的参考实现，并列出若干规则：每轮开头调用 context.keep_running()；使用 ai.stream(context=context) 保持模型、消息、工具、输出类型与参数一致；从循环中 yield 事件；在 ToolEnd 时用 context.resolve(event.tool_call) 处理校验、审批门与缓存重放结果；不要直接调用 tool.fn；用 ToolRunner.schedule(...) 调度已解析的调用；先添加 stream.message 再添加 runner.get_tool_message()；每个工具调用必须对应一个工具结果。涉及请求边界可参考 ai-python-serverless-execution，持久化调用可参考 ai-python-durable-execution。
ai-python-durable-execution
该技能用于为 AI SDK for Python 添加持久化执行（durable execution）能力，适用于智能体运行需要跨重启、跨 worker 迁移或长时间等待仍能继续的场景。SDK 本身不提供持久化，需自定义 Agent.loop，并把模型调用、工具 I/O、审批或恢复边界等副作用放入持久化步骤中。持久化步骤应接收 JSON 输入并返回 JSON 输出，保持工作流可重放。消息通过 model_dump(mode="json") 与 Message.model_validate 序列化与还原。模型步骤在步骤内消费 ai.stream(...) 并返回一条完整的 assistant Message；工具优先将工具体包裹在持久化步骤中，若工作流系统需要独立活动调度，则调度返回 ai.tool_result(...) 的零参数可调用对象，不要直接调用 tool.fn。该模式不向调用方流式输出模型 token，这通常是持久化工作流的合理取舍。