aqe-plan-work
为复杂 Agentic QE、Ruflo、集成、迁移或多流工程构建依赖感知的执行计划。适用于 Codex 需要把目标拆解为可独立验证交付物、梳理依赖与回滚点、选择最小专家组合并安排阶段与关键路径的场景。
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 11-01 00:15
智能体与模型
25,384 个结果
skill-review
Skill Review 是一个用于审查 Codex、Qoder 或仓库本地技能（skill）及其提示链（prompt chain）的工具。它不把技能当作说明文来读，而是把技能视为一份可执行的契约，追踪智能体如何进入、加载、委派、产出工件并验证结果，然后报告能改善这条链的最小改动。适用场景包括检查触发质量、工作流清晰度、渐进式披露、职责重复等问题。审查按工作流进行：先定位目标技能或提示链，读取仓库指令（最近的 AGENTS.md、插件清单、目标 SKILL.md 的 frontmatter 与正文），然后从入口点追踪到引用、模板、脚本、检测器、测试、生成工件和验证命令，建立文件职责映射。审查先于编辑，使用审核清单与参考模式作为视角。若用户要求修改，只补丁最小范围内的负责文件，并用可用的最轻真实关卡验证。
executing-plans-with-subagents
该技能用于在执行实施计划时，把有边界的任务委派给全新上下文的子代理，由编排者负责计划、上下文打包、排序、集成、审查与最终验证，适用于中大型或多步骤计划。
using-my-skills
这是一个用于引导 AI 智能体理解其他技能与可用工作流的启动技能。它说明如何选择下一个技能、识别自身角色（Teamlead、Orchestrator、Teammate、Subagent）、控制阶段推进，并要求编码前先加载 engineering-principles。
when-and-how-to-run-parallel-agents
用于判断多个智能体能否并行处理相互独立任务的技能：先做独立性检查，再为每个独立问题域派发一个带明确契约的智能体，最后由编排者统一合并、验证结果。
agent-native-architecture
面向开发者设计“智能体原生”应用的技能，核心是让智能体成为一等公民：用户能通过界面完成的事，智能体也能通过工具完成，并用提示词而非硬编码来定义功能。
creating-agent-skills
用于创建、编写和改进 Claude Code Skills 的专家指导技能，适用于处理 SKILL.md 文件、编写新技能或优化现有技能。
kieran-rails-reviewer
kieran-rails-reviewer 是一个用于审查 Rails 代码变更的智能体，以极高的 Rails 代码质量标准进行评审，关注约定、清晰度与可维护性，适合在实现功能后调用。
spec-flow-analyzer
用于分析规格、计划或功能描述中的用户流程与需求缺口的智能体，可梳理完整用户旅程、排列组合、边界情况与歧义，并生成澄清问题清单。
agent-chief-attention-guard
Agent Chief 是一个本地优先的注意力管理工具，位于你与各类智能体、告警和事件源之间，用规则、相似度分类和大模型三级过滤决定是否打断、汇总、分派或屏蔽，全部本地运行并提供可解释决策与零遥测。
create-azure-agent
将现有 agent skill 部署为 Azure AI Foundry 托管智能体的技能，生成 Bicep 模板与 Python 部署包装脚本。不适用于 Docker 运行时技能（用 create-docker-skill）和 MCP 服务器集成。
json-hygiene-agent
JSON Hygiene Agent 是一个用于审计 JSON 配置文件的技能，通过 AST 扫描检测标准解析器可能静默忽略的重复键，避免配置丢失或错误。适用于 JSON 审计、重复键检查、清单结构验证等场景。
necessity-pain-point-selection
面向实用型、问题解决型商品商家的选品与改进助手，利用用户评论和差评提炼真实痛点，辅助选品或优化现有产品。
interview
用于在写规格前对功能想法进行交互式需求访谈的技能：逐题拷问、结合代码库与仓库术语表及既有决策，直到需求达到“可写规格”状态，并输出供 to-spec 使用决策记录。
find-code
find-code 是一个面向 AI 编程智能体的代码检索技能，主张用 grep 和 shell 脚本定位文件与代码，而非让 AI 扫描仓库。它返回精确的文件路径与行号，便于直接跳转，支持按模式、文件名、定义、调用方、导入和文件类型搜索。
cyber-garage
一套从线上 SaaS 产品中提炼、经过生产验证的暗色赛博朋克设计系统，提供精确的设计令牌（颜色、字体、边框透明度）、组件 CSS、布局网格与页面骨架，用于构建像素一致的暗色主题网页界面。
research
cc10x 的内部技能，用于在规划与缺陷调查时综合网络与 GitHub 研究结果。它本身不执行研究，而是读取研究文件并产出结构化综述，回答知识缺口、提炼可操作模式与陷阱，并如实标注证据质量。
anthropic-style-diagram
以 Anthropic/Claude 视觉语言绘制架构、流程与结构图的技能：先编写语义化 SVG，再由脚本完成配色、主题、布局审查与 PNG 导出，最终输出渲染图并保存。
elevenlabs
ElevenLabs 通过 RunAPI 提供语音、对话与音效生成能力，供智能体在用户需要创建语音、对话或音效时调用。该技能支持一次性生成与生产代码集成两条路径：一次性产物使用 runapi CLI 中已注册的 elevenlabs 服务，应用、后端、worker、库或 webhook 流水线则通过 SDK 集成，禁止在生产运行时调用 CLI。当前可用变体包括 text-to-dialogue-v3、text-to-speech-multilingual-v2、text-to-speech-turbo-v2.5；audio-isolation、sound-effect-v2、speech-to-text 已退役，新请求会返回 HTTP 410。使用前需完成认证并核对命令目录与操作契约，构建请求后提交任务并校验下载的媒体交付物。
ruview-rvagent
RuView rvAgent + RVF 集成是一个用于探索和原型化 RuView 智能体流程的插件。它把 vendor/ruvector/crates/rvAgent/ 接入 RuView，使现有传感管线成为智能体流程可读取、推理和响应的底层。安装该插件会把 @ruvnet/rvagent 注册为 MCP 服务器，激活时 Claude Code 通过 npx -y @ruvnet/rvagent 启动并暴露工具，包括 bfld_last_scan、bfld_subscribe、presence_now、vitals_get_breathing、vitals_get_heart_rate、vitals_get_all、vitals_fetch。可通过 RVAGENT_SENSING_URL 环境变量覆盖传感服务器地址，默认 http://localhost:3000。适用于跨 cog 协调、面向操作员的智能体读取 BFLD 事件、以及将传感事件与智能体决策写入同一 RVF blob 等场景。
optimize-agent-prompt
用于调优 Sanity Agent Context 智能体的技能：通过引导式对话，把探索数据转化为生产可用的 instructions 字段内容与系统提示词，明确数据知识与行为边界的分工。
calculations-toolkit
calculations-toolkit 是 SAP LeanIX AI 插件中的计算助手工具，用于创建、调试和管理 LeanIX Calculations（计算字段）——即根据其他字段和关系自动填充的衍生字段。它提供两类计算：fact-sheet 类型（基于事实表自身数据计算某个字段值）和 relation 类型（基于两个事实表之间关系连线上的数据计算字段值）。工具通过 LeanIX MCP 服务器访问工作区，认证由服务器内部处理，无需管理令牌或解析配置文件。主要能力包括：发现工作区实际数据模型（字段、关系、枚举值），引导用户选择目标字段与来源数据，校验字段与关系名称是否存在，生成符合约束的计算代码，并支持在沙箱中对真实事实表进行试运行测试。工作流程分为理解能力、创建新计算、调试失败计算、管理工作区计算等分支。使用时需注意：计算不支持异步、不允许发起 API 调用、不允许 import 语句、必须返回单一值且与目标字段类型匹配；目标字段不能是基础字段，每个字段只能有一个计算，且不能将目标字段作为来源以避免循环依赖。适用于需要在 LeanIX 工作区中批量填充计算字段、排查配置错误或整理已有计算的场景。
grill-with-docs
grill-with-docs 是由 semi-sentient/skills-workflow 发布的一个可安装的 AI 智能体技能（skill）。根据现有资料，该技能以 SKILL.md 形式提供，可通过 skills.sh 平台获取并安装到支持技能的 AI 智能体中。资料未提供该技能的具体功能、使用步骤、适用场景、收费方式或平台限制等细节，因此无法进一步说明其用途与效果。
figure-it-out
figure-it-out 是一个用于设计可审计工作流（playbook）的技能，适用于没有更窄的现成方案可套用的大型、跨领域或需人工复核的任务，例如大规模迁移或雄心勃勃的多部分改动。它的核心交付物不是代码，而是工作流本身，并倾向于更高的严谨度。该技能通过 show-me-your-work 记录决策轨迹，包含框架定义、工作流设计、循环执行、审计留痕与验证交接等阶段，要求先给出可证伪的完成判定、量化范围与严谨等级，再拆分为可独立落地的单元，按风险未知优先排序，并在改动前建立验证基线。每个单元作为一次实验，结论分为已验证、未验证或不确定，不确定不算通过。它强调只在用户请求与既有授权范围内行动，加载技能不授予新权限，需遵守调用方的目标、主机、提供方与成本限制，扩大范围前先询问。多小时的运行需设置一个检查点。