seedance-prompter
面向 Seedance 2.0 视频生成模型的提示词工程技能，可将用户提供的图片、视频、音频等多模态素材与模糊创意意图，整理为结构化、可执行的提示词与推荐参数。
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
25,603 个结果
agent-delegate
Agent Delegate 是一个用于复杂多阶段任务的子智能体委派技能。它允许父会话生成专门的子智能体来处理特定阶段，每个子智能体接收来自父会话的精选上下文，并返回可合并回主对话的结构化结果。该技能支持并行执行独立子任务、为不同部分配置不同的系统提示词，并通过深度限制（最大深度3）防止无限递归。适用于需要多种专业领域（如安全审查、性能优化、代码风格）的任务分解，或需要递归问题解决工作流的场景。不适用于简单单一任务、需要持续人工交互或已有足够专业能力的场景。
delegate-agent
delegate-agent 是一个用于派生并行子代理的技能，适合把任务拆成可并发执行的独立子任务，实现多代理工作流，支持并行或顺序运行、模型覆盖、状态查询与终止。
langgraph-agent
基于 LangGraph 的智能体框架，面向 OpenAI 兼容的各类 LLM 提供一致的工具调用能力，并支持自动工具循环。适用于需要多步任务可靠执行、统一不同模型供应商接口或构建自定义工具集智能体的场景。
memory
Memory 是一个为智能体提供持久化键值记忆存储的技能。它允许智能体跨会话存储、回忆和遗忘信息，适合需要记住事实、偏好或上下文内容的场景。记忆以 JSON 文件形式保存在 ~/.agent-memory/memory.json 中，支持按类别组织、搜索、列出类别和查看统计。可通过命令行脚本执行存储、回忆、遗忘等操作，值可以是简单字符串或 JSON 对象。
modify-self
modify-self 是技能库中的一项技能，用于在任务需要修改智能体自身代码、配置、性格、定时任务、技能或操作系统文件时调用。开始改动前应先阅读项目文档以理解系统架构。
workflow-orchestrator
Workflow Orchestrator 是一个用于多智能体任务的声明式工作流编排技能，将 OpenProse 风格的工作流编排引入 PopeBot 的作业架构。它允许用户通过类似 YAML 的工作流文件，按顺序、并行或条件执行多个 PopeBot 智能体作业，适用于需要协调多任务、处理依赖关系或构建可复用自动化流水线的场景。
agent-browser
agent-browser 是一个浏览器自动化命令行工具，用于网页测试、表单填写、截图与数据提取，适合需要让智能体或脚本导航网站、与页面元素交互的场景。
find-skills
帮助用户从开放的 agent skills 生态中发现并安装技能。当用户询问“如何做 X”“找一个 X 的技能”“有没有能完成 X 的技能”或想扩展智能体能力时，该技能会搜索匹配的技能并给出安装命令。
writing-for-agents
为智能体编写消费型文档的参考指南，适用于创建或编辑技能、修改 AGENTS.md 或 CLAUDE.md 等场景。
paul-graham-perspective
这是一个以 Paul Graham 认知上下文为核心的思维视角技能。它并非模仿 Paul Graham 的语气，而是植入其信念来源、关键决策经历、承认过的错误与内在矛盾，让 AI 以「我」的口吻，用 Paul Graham 的框架分析问题。资料显示其认知上下文涵盖：做用户真正想要的东西、创始人比 idea 重要、写作即思考、独立思考、简单即精密、先做再说、大公司扼杀创造力等信念，以及 Viaweb 出售、创立 Y Combinator、2014 年交棒 Sam Altman、投资 Airbnb 等关键决策，还包括 Arc 语言、Viaweb 早期方向错误、经济不平等 essay 争议等失败与盲区。该技能还整理了其思维方式（翻转常识、Do Things That Don't Scale、超线性回报、Default Alive or Default Dead、给现象起名字、用类比降维、写下来才算想过、判断人而非判断计划）、明确不懂的领域、语言偏好与禁忌。当用户需要 Paul Graham 的视角来分析问题时触发。
build-skill
用于创建、重构、合并符合 agentskills.io 规范的智能体技能（agent skill），并可整合 run-research 以获取高质量上下文，使用 MJS/Python 脚本。
run-batch-codex-research
该技能用于将一个提示词模板批量分发到多个输入上，通过任意 LLM CLI（如 codex、claude、gemini、ollama 等）并行执行。它采用有界并发、幂等跳过已存在答案、失败重试等机制，每个输入生成一个答案文件，工作单元为 (模板, 输入) → answers/<slug>.md。适用于批量 URL 研究、CSV 条目处理、多主题并行研究、断点续跑等场景。仅当同时具备输入列表、提示词模板、PATH 中的 LLM CLI 三者时才适用；单次调用或需要 worktree/manifest 的 codex 专用流程应使用其他技能。
workflow-agent-review
Agent Review 是一个独立评审智能体技能：在干净子代理或 worktree 中通过 workflow-code-review 审查 PR 与主分支合并状态，向 Agent Orchestrator 汇报结论并为新漂移创建可执行的跟踪议题，不实现修复、不推进工作流状态。
workflow-setup
workflow-setup 是一个用于为仓库配置或刷新智能体工作流的技能。它在仓库中创建或更新 docs/agents/workflow/config.md，作为工作流的紧凑查找表，记录仓库命令、问题跟踪器 ID、标签、智能体访问权限、审查门禁、交接形态和安全规则等稳定值。该技能强调验证而非猜测：每个影响智能体行为的配置值都必须有来自仓库、跟踪器、代码托管、CI、智能体集成、环境配置或用户明确指令的当前证据，未验证的值需标记为推断或移入未知项。它支持首次设置和刷新两种模式，刷新时以现有配置为基线检测漂移并修补，而非从头重建。
ask-me
围绕用户目标分轮追问关键取舍并整理决策树的 Agent 技能，适用于深入追问、压力测试或收口相互依赖的决策。
jam-router
jam-router 是 2389-research/jam 技能集合中的路由入口，用于在构建功能、创建项目或实现任何存在多种可行方案的任务时，引导用户进入 Jam 的并行探索工作流。当用户说出“jam on”“let's jam”“can we jam”等触发语时，该技能被唤起。其核心思路是借助多样化的视角进行并行探索，从而在方案选择阶段获得更全面的参考。资料中仅说明可通过调用 jam:jam 进入完整工作流，未提供更具体的功能细节、安装方式、平台支持或收费信息。
augustus
Augustus 是一个面向智能体的技能（Skill），用于借助决策模型来发现可用的决策模型落点、构建可运行的系统、搭建评估并基于实测迭代进行改进。其核心模型为：证据 → 有界判断 → 显式策略 → 受检动作 → 观测结果。项目默认以 TypeSafe Jev（Choice、Score、Noul）作为托管示例，但强调这只是一种偏好，并非普遍优越或市场占有率的声明；同类还包括训练好的分类器、开放决策头、编码器、受约束的自回归读出、排序器和视觉评分器，需按目标与证据要求选择模型族。它强调将精确计算、约束、授权与副作用保留在代码或明确的人工流程中，把开放式写作留给生成器或人，并为每个动作设定失败行为。适用任务包括有界分类、路由、排序以及决策模型相关的工作。该技能独立于 TypeSafe，并非其产品。
portal-router
portal-router 是一个跨智能体能力解析与路由工具，用于在多个智能体生态（如 Claude、Codex、Gemini、OpenCode、OpenClaw、共享 .agents 池及技能分发）中统一查找并加载所需能力。当能力分散在不同生态时，它把每个生态视为能力来源，将异构单元规范化为统一记录，按意图对匹配项排序，并加载选中的单元。它适合在编写新技能前确认整个智能体群是否已具备该能力，也适合把任务路由到拥有正确工具的智能体。参考实现为操作者的 ~/_arms/arm portal，提供 find、list、show、status 等命令。
dispatching-parallel-agents
dispatching-parallel-agents 是一个用于并行调度多个 AI 智能体（agent）处理互不相关任务的技能（skill）。它适用于面对 2 个及以上、彼此独立、无需共享状态或顺序依赖的任务场景，核心原则是每个独立问题域派发一个智能体，让它们并发工作。该技能以测试修复为例，将相互独立的失败用例（如不同测试文件、不同子系统、不同缺陷）按“什么坏了”分组，为每个智能体分配单一、聚焦、自包含的任务范围，明确目标、约束和期望输出，然后并行派发，最后统一审阅结果并集成验证。技能中说明可用时应向智能体提供具体测试文件名、错误信息与测试名称，并避免范围过宽、缺乏上下文、没有约束或输出要求含糊等常见错误；同时提醒在失败互相关联、需要理解整体系统状态、仍处于探索性调试或存在共享状态等情况下不应使用并行调度。资料中还给出了并发派发示例、智能体提示词结构，以及一次真实调试会话（2025-10-03，3 个文件共 6 个测试失败，并行派发 3 个智能体，全部修复且无冲突）的效果说明。
ralph-tui-prd
ralph-tui-prd 是一个用于 ralph-tui 任务编排的 PRD（产品需求文档）生成技能。它接收用户的功能描述，通过 2-4 轮带字母选项的澄清提问（涵盖问题/目标、核心功能、范围边界、成功标准、集成方式以及必需的质量门禁命令），逐步收集上下文，最终生成结构化的 PRD。生成的 PRD 包含概述、目标、质量门禁、用户故事、功能需求、非目标、技术考量、成功指标和待解决问题等章节，并用 [PRD]...[/PRD] 标记包裹以便 TUI 解析。用户故事被设计为足够小、可在单次 AI 智能体会话内独立完成，且验收标准要求可机器验证。该 PRD 可被转换为 beads issues 或 JSON 任务，供 AI 编码智能体通过 ralph-tui 执行。
anyone-skill
anyone-skill 是一个用于 OpenPersona 的角色蒸馏前端工具，能够将真实或虚构、个人或公开、在世或历史的人物，整理为可运行、可持续演进的 OpenPersona 技能包。它负责数据收集、四维提取（思维方式、交流方式、记忆、人格）以及证据分级，最终通过 skills/open-persona 生成完整的 persona 包。它支持通过触发词（如 /create-anyone）启动，可读取纯文本、JSON、CSV、PDF、图片等多种资料，并可借助 WebSearch 检索公开人物或虚构角色。工具还提供 SQLite 数据库（如 iMessage、微信）预处理、超大文件采样、版本管理和已有角色列表等功能。可与 persona-knowledge 集成，实现持久化存储、语义检索和知识图谱；也可导出训练数据用于 persona-model-trainer 训练本地人格模型。适用于个人数字分身、熟人、公众人物、虚构角色、历史人物及原型人物的角色构建，并设有分级的使用伦理与版权检查规则。
auto-arena
Auto Arena 是 OpenJudge 提供的自动化模型评测技能，无需预先准备测试数据，即可根据任务描述生成测试查询、并发收集多个模型或智能体的回答，并用裁判模型进行成对比较，最终输出胜率、排名、Markdown 报告与图表。
agent-browser
agent-browser 是一个命令行浏览器自动化工具，可用于网页测试、截图、数据提取、表单填写等场景。它通过 open 打开页面，用 snapshot 获取带引用（如 @e1）的元素，再配合 click、fill 等命令进行交互。