prompt
用于撰写或改写 LLM 提示词的技能。当为 Agent、Task 工具调用编写或修订提示，或用户提出“写提示”“改提示”“润色提示”，或粘贴已有提示与 CLAUDE.md 求改进时使用。输出按固定模板生成，含清单、整形、lint 与输出流程。
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 11-02 00:09
智能体与模型
25,463 个结果
ai-core
TanStack AI 的入口技能，用于路由到聊天体验、工具调用、媒体生成、结构化输出、适配器配置、AG-UI 协议等子技能，帮助开发者按需查阅对应 SKILL.md。
cc-second-brain
cc-second-brain 是一个用于管理 Claude Code 配置的三层记忆系统技能，由 engram（工作记忆）、Obsidian vault（持久记忆）和插件规则（基线规则）组成。它通过决策树将不同类型的信息路由到对应层级：一次性观察、决策或发现写入 engram；可复用模式或仓库专属知识写入 Obsidian；所有消费仓库都应遵循的规则写入插件规则。该技能提供 /cc-memory 子命令用于搜索、导出、整合、编辑规则、查看冲突和状态，并定义了各层级的写入格式、frontmatter 约定和常见反模式，帮助 Claude Code 用户系统化地沉淀和复用配置经验。
nxp-semiconductors-skill
这是一个面向 NXP（恩智浦半导体）的专业技能包，定位为汽车半导体、安全连接与工业物联网领域的专家助手。资料显示其覆盖 NXP 公司概况（2006 年从飞利浦分拆、总部荷兰埃因霍温、2024 年营收约 131 亿美元、纳斯达克代码 NXPI）、业务板块（汽车约占 58%、工业与物联网约 22%、移动与通信基础设施约 15% 等）、汽车领域平台（S32 系列 S32K/S32E/S32N/S32G/S32R、CoreRide 软件定义汽车平台）、安全识别技术（MIFARE、SmartMX、NFC、UWB）以及工业物联网产品（i.MX、LPC、EdgeVerse）。技能还提供汽车半导体开发工作流（需求分析、架构选型、开发与认证、量产与生命周期）和五个示例场景（区域控制器、数字车钥匙、ADAS 雷达、电池管理系统、工业安全物联网网关）。该技能以系统提示词形式设定角色为 NXP 汽车与安全系统专家，强调功能安全（ISO 26262）、网络安全（ISO/SAE 21434）与长期可靠性思维。
epsimo-agent
Epsimo Agent 是一个用于构建 AI 应用的 Beta 版框架，提供统一 CLI、Python SDK 和 React UI Kit，支持智能体、持久化线程与 Virtual Database 状态层。
factory-orchestrator
factory-orchestrator 是软件工厂的“前台”技能，负责在软件开发生命周期的任意阶段接收工作请求。它不会实现、审查、分诊或部署代码，而是纯路由与沟通层：识别工作当前所处阶段，并将其转交给负责该阶段的对应技能（如 factory-queue、factory-mission、factory-review、factory-deploy 等）。它也是与用户沟通的唯一通道，统一处理确认、状态、问题和交接。该技能确保工作持续流转直至真正关闭，并强制遵守人工检查点（意图门、规格审批、PR 交接），避免自动合并或绕过审核。
agent-use
用于审计或设计面向智能体的产品能力，关注动作与上下文对等、可发现契约、安全变更、可验证结果与恢复。提供任务映射、契约设计、资产校验与草稿生成等本地脚本，帮助评估产品是否真正可被智能体完成任务。
ai-gateway
TrueFoundry AI Gateway 是一个统一访问大语言模型的网关，为应用与各家 LLM 供应商之间提供 OpenAI 兼容的单一入口。它支持通过个人访问令牌（PAT）或虚拟访问令牌（VAT）进行鉴权，可接入 1000+ 模型及 25+ 供应商，并提供模型路由、负载均衡、限流、预算控制与可观测性能力。用户可用任意 OpenAI SDK 或 cURL 调用聊天补全、嵌入、图像生成、语音、重排序、批处理等 API，端点为基础平台的 {TFY_BASE_URL}/api/llm。
create-agent-skill
create-agent-skill 是来自 udecode/plate 项目的一个技能（Skill），用于创建或编辑 Claude Code 技能，并在技能结构与最佳实践方面提供专家指导。该技能通过调用 create-agent-skills 技能来工作，调用时传入参数 $ARGUMENTS。资料未提供其具体功能细节、安装方式、收费情况与适用平台，暂未提供更多信息。
create-agent-skills
create-agent-skills 是来自 udecode/plate 的技能，用于指导如何按照官方规范创建 Claude Code 技能（skills）和斜杠命令（slash commands）。它讲解命令与技能已合并为同一机制、何时该用命令文件、何时该用技能目录，并给出 YAML frontmatter 字段参考、调用控制方式、动态参数与上下文注入、子代理运行、渐进式披露等写法，以及审计清单和常见反模式。适用于编写 SKILL.md、创建新技能、改进现有技能或审查技能质量的场景。
brainstorm
Brainstorm 是 umputun/cc-thingz 中的一个技能，用于在任何创意工作或重大改动之前，通过协作式对话把想法转化为设计方案。它在用户提到 "brainstorm"、"let's brainstorm"、"deep analysis"、"analyze this feature"、"think through" 等触发词时激活。其核心理念是在动手实现之前先完成理解、方案探索与设计确认，强调一次只问一个问题、优先使用多选题、持续做增量验证，并始终提出 2-3 种备选方案进行比较。该技能支持加载用户自定义规则：通过 Bash 运行 ${CLAUDE_PLUGIN_ROOT}/scripts/resolve-rules.sh brainstorm-rules.md ${CLAUDE_PLUGIN_DATA} 检查自定义规则，规则可存放于项目级 .claude/brainstorm-rules.md 或用户级 $CLAUDE_PLUGIN_DATA/brainstorm-rules.md，项目级优先于用户级，空文件视为不存在。流程分为四个阶段：理解想法、探索方案、呈现设计、确定下一步。下一步可选择写计划（调用 /planning:make）、进入计划模式或直接开始。技能明确规定不得修改自身文件，仅供对话与规则管理使用。
claude-reflect
claude-reflect 是一个面向 workspace-hub 多仓库工作区的自动化反思技能，通过分析全部 26 个以上子模块近 30 天的 git 历史，借助 RAGS 循环（Reflect、Abstract、Generalize、Store）提取开发模式，并在模式评分达到 0.8 及以上时自动创建新技能。它支持手动执行 /reflect 命令，也可通过 cron 每日 5:00 自动运行，周日生成周报。该技能可识别代码、工作流、提交、修正和工具等多类模式，按全局、领域、项目三个层级归类存储，并维护状态文件与历史记录，帮助团队沉淀可复用的开发经验。
dspy
DSPy 是一个将提示词（prompt）视为程序而非字符串的框架，通过签名（Signatures）、模块（Modules）、优化器（Optimizers）和度量（Metrics）实现程序化提示工程。它允许开发者定义输入/输出规范，用模块实现推理模式，并借助优化器自动改进提示词，从而构建可复现、可测试、能随训练数据自我改进的 LLM 流水线。适用于需要程序化优化提示、构建多步推理任务、自动寻找有效少样本示例、系统评估提示策略的场景。不适用于简单单次提示、需要精确控制提示措辞、LLM 交互极少、快速原型迭代或资源受限环境。安装需 pip install dspy-ai，可选向量检索依赖 chromadb 和 faiss-cpu，并需设置相应 API 密钥。
foundations-cybernetics-vsm
基于控制论与 Beer 可生存系统模型（VSM）的诊断技能，用于排查团队或智能体层级停滞、编排器过载、升级积压等问题，提供 11 个控制论原语、反模式与组合配方。
foundations-grounding-communication
基于 Clark 对话式 grounding 理论的一套原语与协议，用于双人或智能体之间建立共同基础、确认理解与修复误解。适用于子智能体交接、长任务上下文压缩、多轮协调和对话式应用等场景。
translate
面向律师、医生、承包商、会计等领域专家的技能，帮助其把多年积累的专业知识转化为可交给 AI 编程工具构建的软件产品需求。核心思路是：不必学习像开发者一样思考，只需清楚描述痛点，由 AI 完成其余部分。技能引导用户找出值得投入的痛点、用“问题”而非“解决方案”来描述需求、区分个人偏好与市场通用需求、把痛点转成可构建的功能规格，并用同行而非朋友来验证。适用于拥有深厚行业经验、想做出 SaaS 产品但不确定该做什么的独立创业者。
orchestrate agents
Orchestrate Agents 是一个用于协调多智能体工作流的技能，通过明确的交接协议与依赖管理，把复杂任务拆解给多个智能体协作完成。它提供流水线（顺序）、并行合并、监督者、专家集成等编排模式，并支持顺序依赖、并行独立、部分依赖等依赖关系处理。适用于多步骤功能实现、复杂缺陷调查等需要协调多个智能体分工的场景。
wkc-backlog
wkc-backlog 是一个用于把已批准的项目意图转化为工单（ticket）的技能。它针对 ROADMAP 中的一个里程碑或一项变更（请求、缺陷、发现的工作，或对现有工单的细化、拆分、重新阻塞、取消）起草工单，检查依赖关系图，并在用户批准后，通过 wkc-tracker 连同依赖边一起写入。
local-llm-provider
Local LLM Provider 是一个用于连接本地大语言模型端点的技能，支持 Ollama、llama.cpp 和 vLLM，并具备自动回退到云端提供商的能力。它适用于需要在本地运行 LLM 推理的场景，例如保护数据隐私、使用云端 API 不可用的模型、降低高频任务的 API 成本、离线或网络不稳定时工作，以及需要低延迟交互响应。该技能提供查询、列出模型、健康检查、流式响应等命令行工具，也支持作为库集成到 Node.js 项目中。配置通过 config.json 或环境变量完成，可设置多个提供商的启用状态和回退顺序。输出为 JSON 格式，包含成功状态、提供商、模型、响应内容、token 数和耗时等信息。限制包括需要本地服务器运行、模型质量依赖本地硬件、部分模型不支持全部功能等。
jev-act
jev-act 是一个用于在浏览器、桌面、游戏或模拟环境中选择“下一步合法动作”的技能。用户需提供最新的观察状态与可用动作，由宿主或模拟器负责执行并回传结果。它支持两类模式：浏览器或桌面场景按 UI 步骤处理，游戏或模拟场景按世界步骤处理。该技能通过 jev-decide CLI 调用，可选择使用 OpenRouter 或 TypeSafe 的真实模型，或使用当前智能体/指定模型进行模拟；模拟模式下需标记 agent_simulation 或 model_simulation，并将 jev_called 设为 false、probability 与 confidence 设为 null。结果包含选择值、基于证据的理由和 needs_review 标志，证据缺失时使用 null/review。使用时须先确定服务方式并获得同意，保护私密数据，不自行安装依赖。
control
Control 是 bkit 中用于管理自动化级别与系统状态的可调用技能。它支持查看当前状态、手动设置 L0-L4 自动化级别、暂停或恢复自动化，以及查看信任分数详情。信任分数由 PDCA 完成率、匹配率、错误恢复率、会话稳定性和用户覆盖频率等指标构成，并据此给出级别建议。该技能通过 .bkit/runtime/control-state.json 和 .bkit/state/trust-score.json 等状态文件记录运行状态，并写入审计日志。
grill-me
grill-me 是一个用于深度用户访谈的 AI 技能，针对计划或设计中关键的不确定点进行追问。当用户的判断会实质性改变范围、方法或成功标准时，它会自动建议启用。该技能属于 wyattowalsh/agents 仓库，作为 Grok Build 的仓库叠加层使用，规范的路由策略位于 instructions/global.md 的 Depth routing 中。它会围绕限定分支（或前期完整计划）的各个方面持续访谈，直到达成共识，逐一走完设计树的每个分支并解决决策之间的依赖关系；对已解决上下文中已确定的计划区域不再重复追问。每个问题都会给出推荐答案，且一次只问一个问题。如果某个问题可以通过探索代码库来回答，则改为探索代码库。任务中途触发条件包括：子代理返回 blocked-user-pivotal、编排器重新进入 Uncertainty Gate、以及被归类为 subtask-pivotal 的中途分叉。
audio-language-models
Audio Language Models 是 OrchestKit 技能库中面向实时语音与音频处理的技能，汇总了 Gemini Live API、Grok Voice Agent、GPT-4o-Transcribe、AssemblyAI 等主流语音模型的接入模式与代码示例。内容覆盖实时语音对话（语音到语音）、语音转文字（含说话人分离、情感分析、实体识别）、文本转语音，以及模型延迟、语言支持、价格与适用场景的对比。适合在实现语音助手、电话客服机器人、会议转录、多语言语音交互等场景时参考选型与调用方式。
langfuse-observability
Langfuse 是一个开源 LLM 可观测性平台，用于追踪、监控、评估和提示词管理。该技能介绍如何在 OrchestKit 项目中集成和使用 Langfuse，涵盖分布式追踪、成本追踪、提示词管理、LLM 评估、会话追踪、Experiments API 与多评委评估等核心能力。资料显示 Langfuse 为自托管、开源、免费，并内置提示词管理，区别于仅云端、专有且付费的 LangSmith。适用场景包括从头搭建 LLM 可观测性、调试缓慢或错误的 LLM 响应、跟踪 token 用量与成本、在生产中管理提示词、评估 LLM 输出质量，以及从 LangSmith 迁移到 Langfuse。OrchestKit 集成状态为已于 2025 年 12 月从 LangSmith 迁移，代码位置为 backend/app/shared/services/langfuse/，并提供可选 MCP Server orchestkit-langfuse。使用方式包括通过 Langfuse 客户端初始化、使用 @observe 装饰器自动追踪、设置 user_id 与 session_id、添加 metadata 与 tags 等。