codex-chatgpt-skill
让 Codex 通过 Codex Chrome Extension 复用用户已登录的 ChatGPT 网页会话，把任务委托给指定 ChatGPT 模型，并管理对话、项目、Memory、库，或将对话、Artifact、图片落盘本地。禁止使用 Playwright、Puppeteer、web.run 等旁路方案。
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 11-04 00:13
智能体与模型
25,573 个结果
agent-send
agent-send 是一个用于向 Discord、Telegram、Slack 等通信渠道中运行的 AI 智能体发送消息的技能，支持对话式任务委派与多智能体协作。它提供 sendToAgent、sendToAgentAndWait、listAgents 等接口，可指定目标智能体、频道、线程、附件与消息格式，并支持等待智能体回复、错误处理及 Bash CLI 调用。适用于将任务委派给渠道型智能体、智能体间通信以及协作工作流；不适用于直接 API 调用、进程内函数调用或广播消息。
aieos-identity
aieos-identity 是一个基于 AIEOS（AI Entity Object Specification）标准的可移植 AI 身份管理技能。它以标准化 JSON 格式导入、导出和管理智能体人格，使身份可在不同 AI 系统之间迁移，并在不同 AI 模型上保持行为一致性。该技能提供校验、导入、导出三个脚本，支持在 OpenClaw、ZeroClaw 与 PopeBot 身份系统之间迁移，并附带示例身份文件（default.aieos.json 与 creative-writer.aieos.json）。
gitlab-claude
通过 glab CLI 与 GitLab 交互的 Claude Code 技能，支持六种合并请求（MR）工作流：创建、阅读、审查、修复、CI 修复与反馈处理，以及通用 glab 操作。
agent-browser
agent-browser 是面向 AI 智能体的浏览器自动化命令行工具，用于网页导航、表单填写、点击按钮、截图等操作。核心流程为打开页面、对交互元素生成引用（如 @e1）、执行交互、页面变化后重新生成引用。
skills-cli
skills-cli 是面向开放 Agent Skills 生态的命令行包管理器技能，用于发现、安装、列出、检查、更新、移除、备份、恢复、同步和初始化 Agent Skills，支持 bunx skills 与 npx skills 两种调用方式。
naval-perspective
这是一个以 Naval Ravikant 思维视角回应用户问题的角色扮演技能。它基于对 Naval 的著作、播客、推文、决策记录和外部批评的调研，提炼出 5 个核心心智模型（杠杆思维、特定知识、欲望即合同、重新定义术、痛苦到系统重构）、8 条决策启发式和一套表达风格（表达 DNA）。激活后，技能会直接以「我」的第一人称视角回答问题，模拟 Naval 的语气、节奏和词汇。它内置一套回答工作流：先对问题分类，涉及具体事实的问题会先调用 WebSearch 等工具获取真实信息，再用心智模型输出判断，以尽量避免凭空编造。适用于审视职业决策、评估商业机会、思考财富与自由、检验欲望、用第一性原理重构问题等场景。它明确不擅长具体投资建议、心理健康指导、需要最新信息的判断，也强调其框架更适用于起点较高的人，且公开表达不等同于本人真实想法。
kiroku-memory
Kiroku Memory 是面向 AI Agent 的长期记忆系统，支持跨会话、跨项目持久化。提供 /remember、/recall、/forget、/memory-status 命令，按全局或项目作用域存储，并按优先级分类检索记忆。
afk-impl
afk-impl 是用于 AFK（离开键盘）实施已规划完成长任务的技能。它让主 agent 担任高层规划者，负责编排、验收与决策，把具体实现交给 subagent 执行，并按阶段推进、审查与门禁验证。
browser-use-expert
面向浏览器自动化任务的技能说明，聚焦 browser-use CLI 与 Python 库（v0.11.4+），覆盖自主网页导航、持久会话与多步工作流；资料未提供独立官方文档，仅给出模型偏好、优先级规则、命令用法与限制，适用于网页搜索、数据提取与站点监控等场景。
aile-using-superpowers
这是一个用于在对话开始时规范化技能查找与调用的工作流技能，要求在任何回应（包括澄清问题）之前先检查并调用可能适用的技能。它强调技能优先于直接动手或先收集信息，并给出在Claude Code中使用Skill工具、在其他环境中查阅平台文档的方式，还包含技能调用的流程图、常见“合理化”借口的警示，以及流程技能优先于实施技能的排序原则。
open-tag-admin
Open Tag 的管理控制台技能，用于搭建和运维基于 MFS 的 Slack 标签工作流：检查运行中的机器人、切换后端或允许范围、添加数据源、迁移频道或调试运行。
deliberation
Deliberation 是一套用于 AI 辅助决策的结构化思考技能，借鉴贵格会（Quaker）议事实践，强调通过“辨别”而非“辩论”来寻求共识。它包含三个技能：deliberation:discernment（内在声音寻求清晰，适用于重要问题、伦理决策、权衡与多种可行方案）、deliberation:clearness（多智能体委员会并行深度工作，适用于代码审查、架构决策与需要分布式深度的研究）、deliberation:gathered（用户与智能体声音共同参与，适用于用户有切身利益或视角、希望共同辨别而非被动接受建议的场景）。该技能通过路由逻辑判断使用哪一种：若用户有切身利益则用 gathered；若需要并行深度分析则用 clearness；若是重要问题则用 discernment；否则直接回答。三者共享“会议感”“各抒一次”“沉默”“保留立场”“阻止”“路开了”等原则，并共享 principles、vocabulary、clerk-patterns 等资源文件。
task-execute
持续执行框架（Task Execute）是一个让 Claude 在跨多轮会话的长期任务中保持高效运行的技能。它灵感来自 Anthropic 的《Effective Harnesses for Long-Running Agents》，针对 Agent 在离散会话中无记忆、复杂任务易失败的问题，解决两大失败模式：过度雄心（一次做完整个项目导致上下文耗尽留下半成品）和过早宣告完成（后续会话误判项目已完成）。框架分为三阶段：初始化会话建立 init.sh 启动脚本与 claude-progress.md 进度文件并立即开始第一个功能；开发会话按启动例程进入状态、单功能开发循环（选择功能→Plan→实现→验证→提交→更新进度）；验证与收尾阶段做全量端到端测试、回归检查、代码清理并触发 task-finish 复盘。它还提供上下文保护信号与安全退出协议，帮助 Agent 在上下文耗尽前主动收尾，确保下一个会话能在 30 秒内理解现状。
task-start
任务启动流程（Task Start）是一个在动手写代码前先对齐需求、确认方案的工作流技能。它通过决策树判断任务需要走多深，提供需求对焦检查清单、UI 原型预览环节以及方案模板与示例。适用于收到新功能、复杂任务或大型需求时，触发词包括「新功能」「实现 xxx」「大型任务」「需求不明确」。工作流位置为 task-start → task-execute → task-finish。
coliseum-dispatch
Coliseum Dispatch 是一个用于并行派发任务信封（assignment envelopes）到领域专家子代理的技能。它要求在单条消息中通过多个 Agent 工具调用同时派发，而非顺序执行，以实现“力量倍增”。该技能包含无乒乓门禁（no-pingpong gate）、逐信封预检、并行派发组合、前台/后台模式选择、派发日志记录、返回追踪以及交接给对账阶段等步骤。适用于需要将一组独立任务并行分发给多个子代理并收集返回结果的编排场景。
coliseum-orchestrator
Coliseum Orchestrator 是一个用于执行“grain-to-coliseum”转换的编排协议。它接收一个高度浓缩的提示（称为 grain），自主推断其隐含范围与约束，将其拆解为多个可独立执行的并行维度，为每个维度生成自包含的工作分配（包含范围、参数、成功标准、允许工具、返回格式与交接信封），并行派发给子代理执行，最后将各返回结果合并为一个连贯整体。协议包含四个阶段：维度浮现、分配组合、并行派发、结果调和，并设有强制性的扇出检查与防乒乓门禁。
dimension-surfacing
Dimension Surfacing 是一个用于从“grain”（表面简短但隐含多个独立领域的密集提示）中提取并行领域维度的技能。它通过领域、利益相关者、时间跨度、底层层次、失败模式和禁止动作六个视角生成候选维度，再经过独立性剪枝，最终输出 3–7 个可并行分派的维度，并写入 phase-1-dimensions.md。适用于需要将复杂提示拆解为多个独立子任务、以便并行处理的场景。
governance-evolution-protocol
Governance, Optimization & Evolution（治理、优化与演化）是五阶段结构整改协议（pentaphase structural-overhaul protocol）的第五阶段。在阶段四摄入报告确认新环境已承载 substrate 之后，本阶段将 substrate 固化到一个明确的、可运营的治理状态：编写操作规程、培训生态参与者、监控系统行为，并建立可周期性迭代的框架，使体系无需再次进行完整整改即可吸收新需求。阶段五通过其门槛后，substrate 进入 governed-target-state，协议正式关闭。
find-loops
find-loops 是一个用于发现并安装「智能体循环」（agentic loop）的技能。智能体循环指以单个文件（LOOP.md）定义的、可安装的、按计划重复运行的 AI 智能体，包含触发器（时间表或事件）、一组技能和一段提示词。该技能帮助用户在 agenticloops.dev 目录中搜索已有的循环并安装，是 find-skills 在循环层面的对应物。当用户想为某项任务寻找可重复、定时运行的智能体，或描述了一个周期性任务（如每日摘要、竞品监控、PR 分诊、夜间安全扫描）时使用。它强调先搜索安装已有循环，只有在目录中没有匹配项时，才交由 loops 技能来编写新的 LOOP.md。
mlx-fine-tuning
MLX Fine-Tuning 是一个面向 Apple Silicon（M1/M2/M3/M4）的 LLM 微调技能，基于 MLX 框架，利用统一内存架构与 Metal GPU 加速，实现无需昂贵 GPU 硬件的参数高效微调。该技能聚焦 LoRA（低秩适配）微调，覆盖环境校验、HuggingFace 模型转换、MLX 聊天格式数据准备、超参数选择、训练执行、内存优化、评估测试与适配器导出合并等完整流程。适用于在 Apple Silicon 上搭建 MLX 微调环境、配置 LoRA 适配器、排查内存与性能问题、基准测试微调模型以及管理导出适配器等场景。注意：MLX 仅能在原生 macOS 的 Apple Silicon 上运行，架构须为 arm64，无法在 Docker 或虚拟机中运行，需 macOS 11.0 或更高版本。
model-hierarchy
Model Hierarchy 是一套面向 AI 智能体（Agent）的成本优化方法论，核心思想是把任务按复杂度分级，路由到够用且最便宜的模型上，避免所有工作都用高价模型。文档指出约 80% 的智能体任务是日常杂务型工作，如文件读写、状态检查、格式化、简单问答，这些不需要昂贵模型；高价模型应留给真正需要深度推理的问题。技能把模型划分为三层：Tier 1 便宜层（如 DeepSeek V3、GPT-4o-mini、Claude Haiku、Gemini Flash、GLM 5、Kimi K2.5），Tier 2 中价层（Claude Sonnet、GPT-4o、Gemini Pro），Tier 3 高价层（Claude Opus、GPT-4.5、o1、o3-mini）。文档还给出任务分类标准（ROUTINE 日常 / MODERATE 中等 / COMPLEX 复杂）与选择算法，并特别提示纯文本模型（如 GLM 5）不能用于图像或视觉任务。
rightstack
RightStack 是一个只读的 Web3 技术栈顾问技能，用于架构推荐、工作流检查、工具对比和包迁移检查。它通过固定版本 rightstack@0.3.2 提供确定性的版本化 JSON 输出，支持 recommend、workflow、compare、explain、migrate 等操作。该技能仅提供建议，不会安装 SDK、修改代码、创建钱包、部署合约或提交交易，所有输出需经人工审查后使用。
agent-telegrambot
Agent TelegramBot 是一个 TypeScript 命令行工具，让 AI 智能体和人类通过 Telegram Bot API 令牌与 Telegram 交互。它使用 @BotFather 签发的机器人令牌，而非真实用户账号，适合服务端与 CI/CD 集成。支持发送、编辑、删除、转发消息，上传文件，查询聊天与成员信息，设置或清除表情回应，并支持多机器人管理与 JSON 输出。实时事件需通过 SDK 的长轮询监听器实现，CLI 本身不提供。