hive-mind-advanced
Hive Mind Advanced 是 Claude Flow 中的高级群体智能协调系统，采用女王主导的层级架构，通过拜占庭共识与集体记忆实现多智能体协作，可用于构建、研究、代码审查等任务。
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
25,517 个结果
performance-analysis
面向 Claude Flow 集群的性能分析技能，可检测通信、处理、内存与网络瓶颈，生成多格式性能报告，并给出优化建议或自动修复。
stream-chain
Stream-Chain 是 claude-flow 的多智能体流水线技能，通过 stream-JSON 链式传递，让每一步的输出作为下一步的上下文，支持自定义链（run）与预定义流水线（pipeline），用于代码分析、重构、测试、优化及数据转换等顺序工作流。
requirements-enricher
Requirements Enricher 是一个在自主执行前补齐需求缺口的技能，支持 GitLab issue 与聊天两种模式。它读取 issue 及评论或对话中的需求，调查代码库，用产品语言列出阻塞性问题，并以内部评论或聊天回复形式交付结论。
hallmark
Hallmark 是面向 AI 编程助手的设计技能，用于新建页面、审计、重设计与从 URL 或截图提取设计 DNA，强调结构多样性、诚实文案与移动端适配，避免生成千篇一律的 AI 风格界面。
update-component-reference
用于向网站 Component Reference 章节补充 Claude Code 组件（命令、智能体、技能、钩子或 MCP 服务器）文档的技能，含前置检查、目录定位、模板与导入路径规范。
prompt-engineering-patterns
一套面向生产环境的提示词工程技能，讲解少样本学习、思维链、模板系统与系统提示设计，用于提升大语言模型输出的性能、一致性与可控性。
teams-management
XActions 的团队管理技能，通过 REST API 创建和管理团队、邀请成员、分配角色，用于多用户协作使用自动化任务。
create-agents
用于编写、审计和改进 AI 编程智能体所用 AGENTS.md 文件的技能，强调只保留真正有用的内容，适用于为代码库创建或优化智能体上下文。
prompts-collection
面向学术论文写作的提示词模板集合，涵盖中英学术翻译、论文润色、去AI化改写、扩写缩写、逻辑检查、图表标题生成与审稿视角审视，可直接复制用于大模型，帮助研究者完成投稿前的文字处理。
fine-tuning-with-trl
TRL（Transformer Reinforcement Learning）是面向语言模型后训练与人类偏好对齐的工具，覆盖 SFT、DPO、PPO、GRPO 与奖励模型训练，支持完整 RLHF 流程。安装：pip install trl transformers datasets peft accelerate。
peft-fine-tuning
PEFT（参数高效微调）是一套用于大语言模型的微调方案，通过 LoRA、QLoRA 等 25 种以上适配器方法，只训练不到 1% 的参数即可完成微调。它适合在消费级 GPU（如 RTX 4090、A100）上微调 7B-70B 模型，生成的适配器文件仅约 6MB，而完整模型可达 14GB。当显存是主要瓶颈时，可用 QLoRA（PEFT + 量化）在单张 24GB GPU 上微调 70B 模型，代价是相比全量微调约有 5% 的质量损失。若训练小于 1B 的小模型、追求最高质量且有充足算力，或领域差异极大需要更新全部权重，则应改用全量微调。
rfd4-proteina-annotated-cif
该技能用于创建、检查、编辑和验证 RFD4-Proteina 的 annotated CIF 输入，并借助 AtomWorks 进行条件设置（conditioning）。annotated CIF 是在结构基础上附加 AtomWorks StandardAnnotation 列，用来编码 RFProteína 设计问题。推荐直接通过 Python 操作 AtomArrayPlus：解析、派生选择注释、设置条件、验证、写出并做往返（round-trip）检查。技能强调对化学组成与设计意图进行可视化检查，尤其是配体、金属、翻译后修饰（PTM）或 PDB 来源结构。技能本身只定义 CIF 编写语义，工作区指令与当前 campaign 决定共享输入归属、输出位置、长度物化、生成与数据库记账；编写 CIF 并不授权运行生成任务或确立 campaign 账本策略。使用前提是具备含 AtomWorks、NumPy、Biotite 和 Python Fire 的 RFD4-Proteina 环境，并能访问对应输入手册与源结构。
rfd4-proteina-autoresearch
RFD4-Proteína Autoresearch 是 NVIDIA BioNeMo Agent Toolkit 中的一项技能，用于在 RFD4-Proteína 蛋白质设计流程中组织“设计→评分→迭代”的自动研究循环。它把生成、搜索、评估等已有技能组合成可复现的波次（wave）与分支（branch）策略：先明确设计问题、复合奖励与冻结/晋升/预算规则，再播种首批分支，运行奖励引导的束搜索，按分支健康度决定冻结、晋升与下一波预算分配，并每次只改动一个参数轴以归因效果。该技能强调显式奖励工程（归一化、门控、负权重）、多样性聚类与停止条件，最终产出可回放的目录（program.md、wave*.json、decisions.md、results.tsv）及设计 CIF 与指标 CSV。其奖励优化的是重折叠置信度等代理指标，并非实验成功，需下游验证；重折叠引导的波次计算密集，需按预算设置 beam_width、n_branch 与波次数。
rfd4-proteina-campaign
RFD4-Proteina 设计活动（campaign）管理技能，用于以可追溯的方式组织蛋白质设计流程。它将活动视为可审查的科学程序，核心产物是一份账本（ledger），把每个设计与其标注 CIF、解析后的配置、运行记录、血缘、指标、oracle 预测以及带版本的通过判定连接起来。技能要求在启动前与用户确认意图、成功标准、唯一性规则、计算预算和调度器选择，并在首次运行前初始化账本，增量摄取设计与 oracle 结果。它强调保留用户指定的分区、账户、QoS/优先级、预留、约束、GPU、内存、CPU 和运行时设置，为每个实体化设计分配稳定 ID，保留所有 oracle 预测与置信度 JSON，使用不可变标准集版本定义通过者，并将中断运行视为可恢复。适用于需要严格溯源和可复现性的 RFD4-Proteina 设计活动。
rfd4-proteina-commitment-curves
RFD4-Proteína Commitment Curves 是 NVIDIA BioNeMo Agent Toolkit 中的一项技能，用于分析蛋白质设计模型在扩散生成过程中何时“下定决心”。它通过将已完成的设计重新加噪到某个重启步，再重新去噪，并计算子代与父代指标的相关性（ρ），从而绘制承诺曲线。重启步越接近末尾，子代越能复现父代（ρ→1）；越接近起点，则越无法恢复父代答案。该技能支持部分扩散扫描、父子相关性分析和指标分布统计，帮助用户判断可以多早开始筛选设计。使用前需准备模型运行时、pandas、NumPy、SciPy、Matplotlib、PyYAML 和 Python Fire。所有命令从仓库根目录运行，参数采用 Hydra key=value 格式。技能包含生成配置、指标分布绘图、承诺曲线绘制等脚本，并强调父代数量应不少于 40 以保证 ρ 的精度。
rfd4-proteina-evaluate
RFD4-Proteína Evaluate 是 NVIDIA BioNeMo 智能体工具包中用于对已生成蛋白质设计结构进行离线评估的技能。它通过 evaluate.py 对磁盘上已有的 CIF 结构文件打分，无需重新运行生成流程，并与生成阶段共享同一套指标栈和 Hydra 配置，因此 metrics_tags 和自定义指标配置在在线与离线场景下行为一致。主要能力包括：按设计任务选择正确的指标标签、将并行作业产生的逐样本 CSV 聚合为统一表格、通过 FoldSeek 进行多样性聚类，以及在不修改受版本控制文件的前提下添加自定义指标。使用方式为在仓库根目录以 Hydra 的 key=value 形式传参，指定结构目录、指标标签和输出目录，再运行聚合命令合并结果。需要注意：重折叠类指标依赖 AF3 容器，未配置容器时相关指标会静默不运行；聚类需要设置 FOLDSEEK_EXEC；out_dir 为必填项。
rfd4-proteina-generate
RFD4-Proteína Generate 是 NVIDIA BioNeMo Agent Toolkit 中的单次生成技能，用于从带注释的输入生成 RFD4-Proteína 设计。它通过一个入口点驱动多种设计任务，包括无条件单体/复合物、折叠与逆折叠、基序支架、酶设计、小分子结合剂、蛋白质结合剂和 DNA 结合剂。该技能负责将请求路由到正确的示例输入和覆盖参数，然后运行一条命令。深度输入构建、奖励引导搜索和 oracle 指标由同级技能处理。所有模型参数使用 Hydra 的 key=value 形式，需从仓库根目录运行。使用前需通过环境预检，确认虚拟环境、GPU 和检查点。主要参数包括 out_dir、num_replicates、batch_size 和 metrics_tags，还支持多样性温度、部分扩散、确定性采样、步数/回收等覆盖选项。输出为带逐原子来源列的注释 CIF，可选生成 per_example_metrics.csv。
rfd4-proteina-nim
RFD4-Proteina NIM 是 NVIDIA 发布的蛋白质结构与序列生成模型技能，用于联合设计蛋白质结构与序列，支持条件生成与奖励引导搜索。该技能可通过 NVIDIA 托管 API 或用户自建的本地 NIM 服务调用，覆盖条件化蛋白质与小分子结合体设计、基序与酶骨架搭建、抗体/CDR 设计、部分扩散、逆折叠以及奖励引导的束搜索等任务。使用需 Python 3.10 或更高版本，客户端仅依赖标准库；托管推理需要从产品页面获取密钥并设置为 NVIDIA_API_KEY（NGC_API_KEY 可作为回退）。技能提供 scripts/design.py 脚本，支持预检（--dry-run）、提交请求或离线提取已保存响应，输出包含请求、传输信息、响应、设计结构文件、序列及汇总指标。生成结果属于未经实验验证的设计候选，不应直接称为已验证结合体或声称亲和力、折叠成功或实验活性。
rfd4-proteina-search
RFD4-Proteína 奖励引导搜索（Reward-Guided Search）是 NVIDIA BioNeMo Agent Toolkit 中的一项技能，用于在蛋白质生成过程中通过奖励模型引导束搜索（beam search）。它探索多条生成轨迹，在指定的积分步检查点对候选结构进行分支和剪枝，并用奖励模型对存活候选打分，保留得分最高的结果。搜索通过 generate.py 入口运行，由 inference_experiment 配置中的 search 块选择。支持 AF2、AF3、OpenFold3 等重折叠预言机作为奖励来源，也支持无需重折叠的奖励（如链间相互作用、界面氢键）。需要先完成 rfd4-proteina-setup 并具备 CUDA GPU。
rfd4-proteina-setup
RFD4-Proteína Setup 是一个用于安装和排查 RFD4-Proteína 模型运行时的技能。它指导用户完成模型运行环境与已发布检查点对的安装，并通过预检和生成一个单体结构来验证就绪状态。该技能适用于原生模型安装与故障排查，不适用于已运行的 NIM 部署流程。技能目录仅包含说明和辅助脚本，不包含模型源码；安装技能并不意味着模型或 GPU 已就绪。使用前需要模型检出、其文档规定的主机/GPU 平台，以及用于环境和检查点的存储空间。
using-ovnewton
ovnewton 是连接 Newton 物理引擎与 Omniverse 仿真或 ovstage 的桥接工具。它从已填充的 ovstage 读取场景数据，由应用负责模型最终化、求解器、控制、碰撞处理与仿真循环；Newton 在此工作流中不解析 USD。适合需要将 ovstage 场景导入 Newton 并逐步推进仿真的场景，独立 Newton 仿真与通用 Omniverse 创作不需要该技能。
agnt
agnt 是一个用于引导用户完成 Agentic30 的 MUD 风格 30 天学习旅程的 Agent Skill，支持开始、继续、提交、重置和查看状态等操作，需通过 MCP 连接 agentic30 服务使用。
polymarket-agent-skills
Polymarket 预测市场集成技能，提供交易、市场数据、WebSocket 流式推送、跨链桥和无 Gas 交易能力，由 Polymarket 维护，可通过 npx skills add Polymarket/agent-skills 安装完整版本。