ezbot-grok-scout
ezbot-grok-scout 是面向 Grok Bot 的项目发现与研究技能，聚焦币安 Agent ID 与 Agentic Wallet 生态。它在聊天中按默认最近一小时窗口搜索公开信息，并根据官网和公开链上证据核对项目玩法、必要成本、产出物与关键风险，也支持指定项目研究、后续追问和用户设置的定时发现。技能强调简洁交付、区分项目方声明与可核实结论，仅使用公开资料和只读查询，不执行钱包、签名、授权或交易操作，不登录、不索取凭证。
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 11-03 00:11
智能体与模型
25,506 个结果
agent-development-pack
Agent Development Pack 是一个用于构建、测试和协调 AI 智能体系统的精选工具包，集合了多个技能模块，覆盖多智能体编排、智能体测试、跨智能体会话交接、MCP 服务器构建以及提示工程模式等核心环节。根据资料，该工具包的核心目标是帮助开发者搭建具备可靠交接与工具集成能力的智能体系统，并给出了推荐工作流：设计阶段使用 prompt-engineering-patterns 来架构系统提示词和工具定义；构建阶段使用 mcp-builder 搭建自定义工具服务器、使用 agent-swarm-orchestrator 进行多智能体协调；测试阶段使用 agent-testing-patterns 覆盖单元、集成和端到端测试；协调阶段使用 cross-agent-handoff 保证会话连续性。资料还提到该包是 ORGAN-IV（编排）智能体开发的基础。该工具包适合正在构建 AI 智能体系统、需要处理多智能体任务分配、非确定性输出测试、跨会话上下文传递以及扩展智能体工具能力的开发者与团队。关于其具体安装命令、收费模式、平台支持、版本信息及详细使用步骤，现有资料暂未提供。
coliseum-reconciliation
Coliseum Reconciliation 是一个用于将并行分派任务（coliseum）产生的多份返回结果合并为单一完整产物的技能。它强调“炼金术”式的结构整合，而非简单拼接：要求明确命名并解决各返回之间的张力、统一重叠内容、识别缺口与阻塞项，并通过压缩比和待决事项数量等指标进行机械校验。该技能适用于多子代理并行执行后的结果汇总阶段，确保最终产物具有自身架构，且不静默丢弃任何返回内容。
cross-agent-handoff
Cross-Agent Handoff 是一套用于在 AI 智能体会话之间传递上下文的协议与工具集，旨在让工作在不同会话间延续时不丢失上下文、决策与进度。它定义了结构化的交接文档格式，包含当前状态、已完成工作、关键决策及理由、关键上下文、下一步行动和风险警告等字段；提供按 token 预算分级的上下文压缩策略（完整、标准、最小、紧急）；支持多智能体并行协作时的所有权规则与冲突预防；并给出交接触发条件（如上下文窗口占用达 80%、任务阶段完成、错误超阈值、时间临近、用户显式请求）以及从不完整交接和缺失交接中恢复的协议。该技能还列出了常见反模式，如不写交接文档、交接不含决策、过度压缩上下文、仅写入文件而不在对话中同步、缺少冲突区、假设上下文连续等。
product-domain-engine
Product Domain Engine（产品领域引擎）是一个“指挥者”型技能，用于把与某一领域绑定的产品通过五阶段协议进行形式化。该协议为 identify（识别）-map（映射）-encode（编码）-express（表达）-deploy（部署），并通过四种修辞模式（logos、ethos、pathos、kairos）来输出成果。它本身不发明新模式，而是把已在四个产品（public-record-data-scrapper、styx、sovereign-systems--elevate-align、hokage-chess）中反复出现的系统命名为引擎，从而把重复推导转化为可组合流程。该技能串联七个已有技能，并补充它们不具备的修辞模式框架与组合矩阵。适用于需要把领域内的经验知识转化为可计算结构的新产品建设，例如国际象棋提升、公共记录、行为经济学、健康等领域。
session-lifecycle-patterns
Session Lifecycle Patterns 是一套用于管理 AI 智能体会话生命周期的结构化模式。它将会话划分为 FRAME（理解上下文）、SHAPE（设计方法）、BUILD（实现）、PROVE（验证）、DONE（收尾）五个阶段，并定义了阶段之间的合法转换规则。该模式强调跨会话的上下文保留、会话交接协议以及会话质量信号，帮助 AI 智能体在可预测的流程中完成工作，避免跳过理解、未经批准就构建、无限停留在实现阶段或缺乏验证就宣称完成等反模式。
browser-use
Browser-Use 是一个专门的浏览器 AI Agent 技能，用于完成复杂网页自动化任务，例如多步骤登录、填表、发帖和数据抓取。当内置 browser tool（snapshot→act）无法胜任时，可将一个完整 task 交给它自主执行全流程。它支持两种运行模式：模式A 使用内置 Chromium，适合简单场景；模式B 连接真实 Chrome，适合需要反检测或复用已有登录态的场景。代价是每一步都会调用外部 LLM，成本更高、速度更慢，因此简单操作仍建议使用内置工具。
add-integration
add-integration 是一个用于为 Nexus 构建全新 API 集成的技能。当用户提到“add integration”“new integration”“integrate with”“connect to [service]”或“build……”等触发词时可加载。该技能通过网页搜索发现可用 API 端点，呈现端点供用户选择，规划集成架构，并借助 create-project 技能创建实现项目。整体遵循 master/connect/specialized 架构模式，规划阶段预计耗时 15-25 分钟。
beam-connect
Beam Connect 是一个面向用户的元技能，用于连接 Beam AI 工作区进行智能体管理。它作为所有 Beam AI 操作的单一入口，可发现工作区中的智能体、创建与管理任务、监控分析与性能、调试失败的执行，以及优化工具配置。该技能遵循 master/connect 模式，共享脚本和参考由 beam-master 提供。当用户提到 "beam"、"beam agent"、"beam task"、"beam analytics"、"list agents"、"create task" 等短语时加载。执行任何 Beam 操作前，会先运行配置检查脚本验证配置，根据状态提示输入 API Key 或工作区 ID 并保存到 .env，或运行交互式设置向导。工作流涵盖列出智能体、获取智能体图谱、创建任务、获取分析、任务管理、测试与更新节点、工具优化等。
beam-debug-issue-tasks
Beam Debug Issue Tasks 是一个用于排查 Beam.ai 失败或有异常任务的脚本工具，它借助 Langfuse 的追踪数据来定位问题原因。当用户需要诊断任务为何失败、停止或需要输入，或者想从 Langfuse 追踪记录中找出根因、生成调试报告时可以使用。使用前需要在项目根目录准备 .env 文件，配置 Beam.ai 的 BID 与 Prod 实例 API 密钥、工作区 ID，以及自托管 Langfuse 的公钥、私钥和主机地址，并安装 requests 与 python-dotenv 依赖。工具通过命令行脚本运行，可列出默认最近 1 天 BID 工作区的问题任务，也可针对指定 task-id 做完整追踪分析，或切换到 prod 工作区。被标记为 issue 的状态包括 FAILED、ERROR、STOPPED、CANCELLED、TIMEOUT、USER_INPUT_REQUIRED。调试报告以 Smart Brevity 格式保存到指定目录，并分析参数选择、工具执行推理、路由决策、任务停止条件等关键 span，同时附带 Langfuse 会话与追踪链接。
beam-master
Beam Master 是 Beam AI 集成技能共享的资源库，并非面向用户的独立技能。它通过 DRY 原则集中存放各 Beam 技能共用的配置、API 文档、认证流程与错误处理内容，供 beam-connect、beam-list-agents、beam-get-agent-graph、beam-get-agent-analytics、beam-create-agent-task、beam-update-graph-node、beam-test-graph-node、beam-get-nodes-by-tool、beam-debug-issue-tasks 等技能按需引用。资源分为 references/（setup-guide.md、api-reference.md、error-handling.md、authentication.md）与 scripts/（配置检查、交互式安装、令牌交换与刷新、用户信息、代理与图节点管理、任务创建与查询、HITL 审批与反馈、分析与优化、文件下载等 Python 脚本）。用户不应直接加载本技能，而应调用所需的具体 Beam 技能。
learn-nexus
learn-nexus 是 Nexus 系统中的一个入门（onboarding）技能，用于帮助用户深入理解 Nexus 的设计哲学、设计原则与实用协作模式。该技能属于中等优先级，建议在完成核心入门技能（如 setup-goals、learn-projects、learn-skills）之后再学习，被视为“毕业”步骤。学习时长约 15 至 18 分钟，内容涵盖：Nexus 的“活知识有机体”核心理念（所有文件都是可被 AI 读取、加载并执行的，而非静态文档）、Nexus 解决的 7 个问题、7 条设计原则、3 个常见系统陷阱、3 种 AI 行为模式识别方法，以及专家级协作技巧（如“Yes, And...”协作、智能摩擦、规划模式）。技能通过分步展示、提问确认和掌握度测验来引导学习，完成后会在 user-config.yaml 中将 learning_tracker.completed.learn_nexus 标记为 true。
validate-skill-functionality
这是一个用于技能执行后审查的验证流程，帮助检查技能是否按预期运行并记录发现。它在技能完成完整执行工作流后使用，通过六个步骤系统性地验证：回顾执行上下文、验证文件加载、检查技能嵌套与包装、确认预期输出、排查错误与边界情况，最后用不超过5行的口头报告向用户汇报结果。适用于需要确认技能加载正确、嵌套技能调用无误、输出符合预期并发现潜在问题的场景。报告遵循 orchestrator.md 的≤5行规则，不生成文档文件。
deeplake-memory
Deeplake Memory 是 Deeplake 提供的持久化内存方案，通过 FUSE 挂载一个由 Deeplake Cloud 支持的文件夹，供 AI 智能体读写。资料显示该内存默认挂载在 ~/.deeplake/memory/，写入其中的文件可跨会话保留，并实时同步给所有连接的 AI 智能体（如 Claude Code、Cursor、Copilot 等）。它提供 SDK 与 CLI，支持使用 cat、ls、echo 等标准命令读写，数据存储在 Deeplake Cloud，可从任意机器访问。CLI 提供 init、mount、umount、list、login、logout、organization、workspace、member、import、version、help 等命令及相应别名，还支持初始化选项、成员邀请角色设置和环境变量配置，并可通过 deeplake import 将目录批量导入表。
skill-quality
Skill Quality 是一个用于技能包及其评测的质量决策技能，目标是把观察到的技能或评测失败转化为小而可测试的契约变更，并判断哪些内容不应改动。它强调从失败信号出发而非从偏好的重写出发，要求收集决策所需的最小证据，并将影响实现的断言标注为 Primary source、Local investigation、Unproven 或 Accepted risk。该技能不授权发布准备、版本号提升、提交、提交生成的工作区、编辑本地技能快照或无关的包重写；当其他工作流拥有主要交付物时，由该工作流保留权威。它提供失败分类、契约价值测试、改进报告接收、变更选择、评测质量与证明、诊断与安全发现以及收尾审计等流程，并要求通过 skill-eval 技能定义的 eval_runner.py 来验证、运行、评分和报告评测。
contextualizar-negocio
这是一项用于“业务语境化（brownfield）”的技能，面向已有系统（棕地项目），帮助团队以 AI-first 方式理解系统当前实际做什么。它用业务语言并附证据回答：系统今天提供哪些能力、遵循哪些规则、每个概念如何命名。该技能覆盖功能语境（第 3、4 层），技术语境由 ARCH 通过 contextualizar-repo 产出。它不修改代码、不提出新功能，只收集信息、记录、提问并停下。产出包括能力地图（按业务能力分组，含用途、使用者、证据、状态）、隐藏的业务规则（校验、限制、转换、权限、默认值，附文件:行证据，歧义或疑似错误转为业务问题）、以及业务↔代码术语表。输出文件为 docs/contexto/CAPACIDADES.md 和 docs/contexto/GLOSARIO.md，并需经过人工（理想为 PO）审批后才算完成。
browser_cdp
browser_cdp 是 QwenPaw 中用于显式 CDP 操作的技能，支持扫描本地 CDP 端口、连接已运行的 Chrome、指定 cdp_port 启动浏览器，以及在多个智能体或工具间共享同一浏览器实例。仅在用户明确要求连接现有浏览器、扫描端口、指定调试端口或共享浏览器时使用。
pentest-agent-os
渗透测试Agent操作系统，将渗透抽象为状态空间搜索，不预设固定路径，以项目黑板Fact图沉淀认知，路径从已验证事实上涌现。覆盖全杀伤链攻击手法，含联网情报、Web、认证、服务端、源码、社工、后渗透、二进制、内网域、云、区块链、AI、无线、硬件及0day自主发现。
airbyte-agent
airbyte-agent 是 Airbyte 的命令行工具，用于管理连接器、工作区与组织，并对连接器数据执行 list/get/search/create/update 等操作。命令统一为 airbyte-agent <resource> <operation>，参数以 JSON 传入并返回 JSON。
agent-reach
Agent Reach 是 Panniantong/Agent-Reach 的安装、诊断与路由层（MIT 许可），用于配置和检查各平台互联网研究工具。它本身没有 search、read、fetch 命令，实际检索依赖 gh、yt-dlp、twitter、bili、OpenCLI、mcporter 等外部工具，内置 MCP 仅暴露 get_status。
alchemy-mcp
Alchemy MCP 是一个托管在 https://mcp.alchemy.com/mcp 的 MCP 服务器，用于在接入 MCP 的 AI 客户端中查询实时区块链数据并执行 Alchemy 应用管理操作。该服务器通过 OAuth 认证，无需 API key 或本地安装；在此插件的配置中共提供 171 个工具，涵盖账号与应用管理、EVM/Solana JSON-RPC、交易模拟、追踪、NFT、代币价格、多链资产组合等。使用前需先调用 select_app 选择应用并缓存 API key，之后才能调用 RPC 和 Data 工具。该工具面向当前会话内的实时查询与自动化操作，不用于编写生产应用代码；后者应改用 alchemy-api。
agent-architect
Agent Architect 是面向编码智能体的项目架构与上下文工程技能，用于设计 CLAUDE.md、验证体系、多智能体编排与执行流水线，强调先发现后设计、脚本强制约束、三级验证与 IMPLEMENTED→VERIFIED→CLOSED 状态管理。
planning
面向 AI 智能体的任务规划技能，提供任务分解、依赖分析、执行顺序、目标导向规划、自适应重规划、进度跟踪与风险评估等结构化方法，适用于需要多步骤执行的复杂任务。
project-init
project-init 是一个面向 AI 代理的显式项目初始化与上下文恢复技能，用于在用户明确要求项目设置、初始化上下文或重新生成 .agents/CONTEXT.md 时，通过逐步提问生成项目上下文文件。