javascript-sdk
inference.sh 的 JavaScript/TypeScript SDK，包名 @inferencesh/sdk，用于调用 AI 应用、构建智能体并集成多种模型，支持任务执行、流式进度、文件上传、会话复用、工具构建与前端代理。
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
25,390 个结果
llm-models
通过 inference.sh CLI（belt）经 OpenRouter 调用 Claude、Gemini、Kimi、GLM 等 100+ 语言模型的技能，支持命令行传入提示词、系统提示及自动选择模型。
source-to-skill-distiller
将源材料提炼为可复用 Agent Skill 包的技能：先界定证据边界，再抽取机制卡（触发、决策规则、流程、输出契约、失败模式），选择最小包形态并编写含触发元数据、工作流与验证的 SKILL.md。
architecture-design
该技能用于针对一个难以逆转的架构问题，在现有证据无法定论时，探索有证据支撑的备选方案，并向协调者（Coordinator）返回决策前沿（decision frontier）。它不修改生产代码、不替人做决定、也不创建 ADR。适用于需要先界定单一问题、收集证据、比较至少两个真实备选方案并给出建议与后果的场景；若需要整系统或模块形态草图、多智能体备选方案且必须人工同意后才写代码，则应改用 architect。
team-assemble
Team Assemble 是一个基于 Claude Code 智能体团队功能的技能，用于分析任务并动态设计专家智能体，再将它们编排为团队协同完成工作。它适用于可拆解为两个及以上独立子任务的复杂任务，例如角色分工清晰的“研究 + 实现 + 验证”类工作，或能从并行执行中受益的任务。该技能不适用于单文件编辑、简单问题或纯顺序性工作。使用时需要先启用 Claude Code 的智能体团队功能。其核心原则包括：按角色用途选择三档模型（opus 负责策略与判断，sonnet 负责标准执行与验证，haiku 负责探索与写作）；不依赖固定智能体目录，而是按任务动态设计；参考资料中的示例仅作参考。工作流分为六个阶段：任务分析、代码库侦察（并行）、整合并确认团队、执行、验证、完成与清理。整体而言，它通过先侦察、再设计、后执行与验证的方式，帮助用户把复杂任务转化为有明确验收标准的智能体团队协作流程。
manage-local-skills
用于管理本地技能资产的技能：可分析、标准化、验证本地技能，并按 skills CLI 对齐的工作流同步到 agent 技能目录。适用于 Codex 等代理环境中安装与维护本地技能。
karpathy-agentic-guidelines-q8
一套受 Karpathy 启发的紧凑型智能体编程指南，强调有界自主、验证纪律与上下文控制。适合任务较大、假设易漂移、成功标准清晰但实现路径灵活的委托开发场景，帮助人机分工并保留人工审查与发布权。
eventmodeling-applying-conways-law
这是事件建模（Event Modeling）流程的第 6 步技能，主题是应用康威定律（Conway's Law），通过泳道（swimlanes）把事件组织成可由不同团队独立拥有的自治系统部分。技能会先判断是否需要访谈：若用户已明确现有团队结构、团队职责与自治边界偏好，则跳过访谈直接进入泳道划分；否则通过访谈了解团队组织与决策方式，以避免后续出现瓶颈和紧耦合。访谈围绕团队结构与所有权、边界自治程度、外部系统集成三类关键问题展开，并将结论记录到项目的事件建模文件中。随后技能按所有权组织全部事件、输入与输出，识别系统边界、绘制泳道图、映射团队职责、识别系统间通信、定义系统接口、区分处理器与系统，最终以系统组织文档、跨边界事件流、团队职责矩阵、系统间通信、依赖关系等格式输出，并附质量检查清单。
tmux
tmux 技能用于远程控制 tmux 会话，通过发送按键和抓取窗格输出来操作交互式 CLI。它适用于需要交互式 TTY 的场景，例如运行 Claude Code、Codex 等编码智能体，或 Python REPL 等交互式程序。该技能强调使用默认 tmux 服务器（不使用 -S 自定义套接字），会话命名采用 oc-${project}-${feature} 约定，便于用户通过 tmux attach 直接接入。主要能力包括创建后台会话、发送字面文本与控制键、抓取窗格历史输出、并行编排多个编码智能体以及清理会话。使用方式涵盖快速启动、目标定位、安全发送输入、监视输出和进程生成等步骤。限制方面，仅应在需要交互式 TTY 时使用，长时非交互任务建议优先使用 exec 后台模式；对 Claude Code/Codex 等 TUI 应用发送文本与 Enter 需分开并加延迟；Python REPL 需设置 PYTHON_BASIC_REPL=1。
skill-creator
用于指导创建有效技能（Skill）的技能，适用于用户想新建或更新可扩展 Claude 能力的技能时。资料介绍技能结构、SKILL.md 元数据、脚本/参考/资源三类捆绑内容、渐进式披露原则，以及从理解需求、规划内容、初始化、编辑、打包到迭代的完整流程与命令。
wayfinder
Wayfinder 是 utarn/engineer-skills 仓库中的一项技能，用于规划超出单个智能体会话承载量的庞大工作任务。它将工作绘制为问题追踪器上的一组决策工单，形成共享地图，然后逐一解决这些工单，直到通往目的地的路径清晰为止。它的核心理念是"寻路"而非"直冲目的地"：松散的想法到来时迷雾重重，Wayfinder 先确定目的地，再在地图上标出开放决策与当前可执行的第一步，随前沿推进逐步拨开迷雾。地图是仓库问题追踪器上的单个 issue（标签 wayfinder:map），工单是其子 issue，每个工单解决一个决策问题而非构建切片，并携带 wayfinder:<type> 标签（research、prototype、grilling、task）。工单分为 HITL（人在回路）与 AFK（智能体单独驱动）两类。Wayfinder 默认是规划而非执行，地图完成时意味着无需再做任何决策即可交接执行。两种调用模式：绘制地图（Chart the map）与推进地图（Work through the map）。每会话最多解决一个工单（research 工单除外）。地图采用"战争迷雾"机制，刻意保持不完整，Not yet specified 记录尚不清晰的范围，Out of scope 记录已排除的工作。
agent-orchestration
agent-orchestration 是一个用于编排多个 AI 智能体的技能，基于 Claude Flow、swarm 拓扑与多智能体工作流，适合需要多个专业智能体协作的复杂任务。它提供 swarm 初始化、智能体生成、任务编排、记忆管理与错误处理等能力，支持分层（hierarchical）、网状（mesh）、星型（star）、环形（ring）等拓扑，并可按并行、顺序、自适应、均衡等策略执行任务。可用于代码审查、功能实现（含 SPARC 工作流）、研究与分析、跨仓库改动等场景。
core-researcher
core-researcher 是一个面向软件开发任务的研究与信息搜集专用技能，侧重于深入调查、模式分析与知识综合。根据资料，它可用于分析陌生代码库、研究实现的最佳实践、梳理依赖与关系、识别设计模式与反模式，以及为团队沉淀可执行的知识。该技能通过多种检索策略（如从宽到窄、交叉引用、历史分析）收集信息，并以结构化的研究输出格式汇总发现，包括摘要、代码库结构、模式、内外部依赖、建议与已识别缺口。它强调与计划、编码、测试、评审等角色的协作，将研究结果存入协调内存（coordination memory）中供其他代理使用。资料中给出的快速开始示例通过 Task 调起 researcher 代理，并使用 memory 存储操作保存研究结果。资料未提及具体收费、价格或平台限制等事实。
langchain
LangChain 技能包，用于构建生产级 LLM 应用，涵盖链式调用、智能体、记忆、工具与 RAG 检索增强生成流程，支持多模型提供商、向量库与文档加载，提供安装命令与代码示例。
skill-learner
Skill Learner 是一个提交后自动分析的技能：在 git commit、任务完成或功能实现后，审查已完成的工作，识别可复用模式，并创建或增强技能以实现持续学习，也可用 /skill-learner 手动触发。
sparc-specification
SPARC 规格说明阶段专用技能，用于需求分析、约束识别、用例定义和验收标准创建。它面向 SPARC 方法论中的 Specification 阶段，帮助团队将项目目标与干系人需求转化为清晰、可度量、可测试的规格文档。核心内容包括：区分功能性需求（FR）与非功能性需求（NFR），并给出编号、优先级和验收标准；分析技术、业务、法规三类约束；以演员、前置条件、流程、后置条件、异常来定义用例；用 Gherkin 语法编写验收标准；定义数据模型实体与关系。该技能提供了需求文档结构、约束分析、用例定义、配置模板（如输出格式、ID 前缀、优先级级别、模板路径和校验规则）以及执行检查清单。适用于新功能或新项目启动、需求澄清、用户故事验收标准编写、约束文档化和合规需求梳理等场景，并可与 sparc-pseudocode、sparc-architecture、sparc-refinement 等后续阶段技能衔接。
subagent-driven
Subagent-Driven Development 是一个用于结构化执行实现计划的中文技能，核心做法是把计划拆成相对独立的任务，每个任务由独立子代理执行，并在任务之间强制进行两阶段评审：先检查规格符合度，再检查代码质量。它要求实现者遵循测试驱动开发（TDD），先写测试并确认失败，再实现并通过测试，同时进行原子提交和自审。只有规格评审通过后，才能进入代码质量评审；若失败，需修复具体问题并重新评审，不能跳过或提前合并。全部任务完成后，还要进行一次综合代码评审。该技能适用于任务大多彼此独立、需要在当前会话中保留上下文、并且希望在每一步设置质量门槛的场景；不适用于任务强耦合、更适合并行执行或仅涉及单个文件简单改动的场景。资料未提供安装命令、收费标准、运行平台、界面截图或实测效果等事实。
model-routing-patterns
Model Routing Patterns 是面向 OpenRouter 的模型路由配置模板与策略集合，主要用于成本优化、速度优化、质量优化以及智能回退链。它提供可直接使用的 JSON 配置模板、TypeScript 与 Python 代码模板、验证与测试脚本，以及成本分析工具，帮助开发者在 OpenRouter 应用中实现按任务复杂度、用户层级、时段等因素动态选择模型，并在模型失败时按多级回退链降级，从而在成本、延迟与输出质量之间取得平衡。
ai-pretraining
该技能聚焦从零构建 GPT 与 BPE 分词器，属于“从第一性原理训练”层的能力，不涉及微调、RLHF 或推理优化。内容以 GPT-2 为教学主线，覆盖 autograd/反向传播、makemore 字符级语言模型、自注意力与多头注意力、因果掩码、Transformer 块、GPT 组装与权重绑定、预训练循环（交叉熵、bf16 混合精度、梯度累积、梯度检查点、余弦/WSD 学习率调度、检查点保存）、字节级 BPE 分词器（合并算法、词表构建、编解码往返）、GPT-2 124M 复现、温度缩放与 top-k 采样，以及现代架构替换（RoPE、RMSNorm、SwiGLU、GQA、SDPA、Muon）。同时给出超参数迁移（µP/µTransfer）、WSD 退火、损失尖峰处理、规模放大门槛、常见陷阱与反模式等实践指导。
ai-voice-bots
该技能用于构建生产级语音机器人与电话 IVR 系统，基于纯 Python 的 STT/TTS 流水线。适用场景包括电话语音、实时语音代理、流式音频设计、延迟预算与语音质量监控。默认采用 STT→LLM→TTS 流式流水线，框架默认选用 Pipecat，LiveKit Agents 适合基于房间的多人通话或 SIP 集成。涉及电话平台选型（Twilio、Vapi、Bland.ai、Retell、Telnyx、Vonage）、IVR 流程设计、延迟工程、语音质量指标（MOS、WER、通话完成率）以及录音同意、PCI、TCPA、GDPR 等合规事项。
session-peers
session-peers 是一个用于在同一台机器上让 Claude Code 会话与 Codex CLI 线程互相通信的技能。它通过 Python 脚本 peers.py（Python 3.9+，仅用标准库，支持 macOS/Linux）实现消息中继，支持关联式请求/回复、阻塞式 ask 或异步 dispatch/await、通知与交接、共享只读主题等。它强调用完整 UUID 寻址、区分传输成功与对方实际处理、把对端消息视为信息而非用户授权，并包含 buddy 绑定、回复预算、审查门禁、诊断与生命周期管理等机制。
multi-agent coordinator
用于 Leavn 代码库审计与系统化修复的多智能体协调技能，可并行启动 10-20 个智能体，同时覆盖多个领域进行分析、修复与验证。
ie-generate-insight
ie-generate-insight 是灵感引擎（ie-）三层架构中的洞见层技能，负责把结构化推理结果转化为人类可读的灵感内容。它提供三种生成能力：洞见生成、探索建议和想法演化路径。洞见生成从推理结果里挑选置信度中或高的连接假设，转写成包含标题、正文、笔记依据和潜在行动的自然语言，强调出乎意料、有依据、可行动和简洁。探索建议按延伸型、交叉型、反转型三个层次给出方向，并附具体第一步行动和投入程度标注。想法演化路径按时间线排列相关笔记，概括各阶段核心变化，给出整体趋势与可能的下一步演化。该技能通常由 ie-engine 编排器调用，处理 ie-connect-dots 的推理结果，也可独立使用。它不负责笔记检索、关系分析或文章撰写。输入不足时会建议先补充素材，默认产出 2-3 个洞见和 2-3 个探索建议。
handoff
Handoff 是一个用于智能体会话交接的技能：把当前对话压缩成一份交接文档，供另一个全新的智能体接手继续工作。它会将文档保存到由 mktemp -t handoff-XXXXXX.md 生成的路径（写入前需先读取该文件），并可建议下一次会话应使用的技能。文档不会重复记录已存在于其他产物（如 PRD、计划、ADR、issue、commit、diff）中的内容，而是以路径或 URL 引用它们；若用户传入参数，则将其视为下一次会话的重点并据此调整文档内容。