sohopay-authorize-agent
sohopay/skills 下的授权智能体技能,用于通过 authorize_agent 获取状态为 ACTIVE 的 AgentAuthorizationGrant(同意页 + 借款人 EIP-712 签名),常用于工作负载密钥注册后的引导流程或支付前置授权缺失时的恢复。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-05 00:16
25,648 个结果
sohopay/skills 下的授权智能体技能,用于通过 authorize_agent 获取状态为 ACTIVE 的 AgentAuthorizationGrant(同意页 + 借款人 EIP-712 签名),常用于工作负载密钥注册后的引导流程或支付前置授权缺失时的恢复。
sohopay-idempotency 是 SohoPay 的 MCP 写入工具幂等性技能,要求在写操作中传入 idempotency_key(UUID v4),避免重试造成重复写入。适用于 Cursor、ChatGPT 等无法设置请求头的环境。
sohopay-mcp-connect 用于注册托管版 SohoPay MCP 并完成 OAuth 授权,适用于连接 MCP、OAuth 或初始化后执行 tools/list 的场景,不用于入门引导或支付。目前仅支持托管路径,本地 MCP 不可用。
sohopay-onboard 是一个在单轮内完成主机“可消费”配置的入驻工作流:依次注册终端、完成钱包签名证明、申请限定范围令牌、配置 Protocol V2 工作负载密钥、激活智能体授权并认领 @handle。适用于已在 MCP 连接前提下需要一次性完成接驳的场景。
SohoPay 的设置类技能,用于检测运行环境、按需安装 SohoPay 技能并连接托管 MCP 服务,面向操作者完成 SohoPay 初始化与开通流程。
Sequencer 是一个用于解析并执行流水线指令的技能。它能把松散的流水线指令(箭头、项目符号或普通文字)解析为有序任务列表,然后通过子代理逐步执行,并在步骤之间累积上下文。步骤默认按顺序运行,带括号并用 | 分隔的分组会并行执行。它支持三种子命令:/seq help 显示语法参考,/seq generate <描述> 把自然语言描述转为 DSL 形式供用户确认后执行,/seq <pipeline> 直接解析并执行流水线。执行流程包括解析、规划、执行和报告四个阶段,执行前必须向用户展示计划并等待确认。
find-skills 是一个帮助用户发现和安装智能体技能(agent skills)的技能。当用户提出“how do I do X”“find a skill for X”“is there a skill that can...”等需求,或希望扩展智能体能力、搜索工具/模板/工作流时,该技能会引导用户通过 Skills CLI(npx skills)在开放智能体技能生态中查找、验证并安装合适的技能。其流程包括理解需求领域与任务、先查看 skills.sh 排行榜、用 npx skills find [query] 搜索、从安装量/来源信誉/GitHub 星标评估质量、向用户展示选项并可选地执行安装命令 npx skills add <owner/repo@skill> -g -y。若未找到相关技能,则建议直接处理任务或使用 npx skills init 自行创建。
Telnyx AI Assistants 的 Python SDK 技能,用于通过 telnyx 库创建、配置和测试带自定义指令、知识库与工具集成的 AI 语音助手,支持对话、短信、测试套件与金丝雀发布等操作。
使用 curl 调用 Telnyx 兼容 S3 的存储 API,示例覆盖 SSL 证书、用量查询和预签名 URL 等接口。
Telnyx 语音会议(Voice Conferencing)技能,通过 curl 调用 Telnyx REST API,用于创建和管理电话会议、队列及多方通话会话。适用于构建呼叫中心或会议类应用。该技能提供会议创建、参与者加入/离开、静音/取消静音、保持/取消保持、录音控制、播放音频、TTS 语音播报、DTMF 采集与发送、队列入队/离队等接口,并包含分页与错误处理说明。使用前需设置 TELNYX_API_KEY 环境变量,curl 在 macOS、Linux 和 Windows 10+ 上已预装。
Telnyx Voice Streaming 的 Java SDK 技能,用于在通话中实时推流音频、将媒体分叉到外部目标并进行实时语音转写,适合实时分析与 AI 集成场景。
Skill Creator 是一个用于创建有效 Claude 技能的指南型技能。当用户希望创建新技能或更新现有技能以扩展 Claude 能力时使用。它提供技能的结构规范、核心设计原则、渐进式披露模式以及完整的创建流程,包括理解需求、规划可复用内容、初始化、编辑、打包和迭代。技能由必需的 SKILL.md 文件(含 YAML frontmatter 的 name 与 description 字段及 Markdown 指令)和可选的捆绑资源(scripts/、references/、assets/)组成。核心原则强调简洁、按任务脆弱性设置适当自由度,并通过三级加载系统高效管理上下文。
用于在 Node.js 后端通过 @cloudbase/node-sdk(>=3.16.0)调用 AI 模型的技能,覆盖云函数、CloudRun、Express/Koa/NestJS、无服务器 API 与定时任务等场景,支持文本生成、流式输出与混元图像生成。
MiniMax-M3 模型的生产接入技能文档,基于实测验证其参数、能力与限制。核心规则是默认启用 reasoning_split: true,将思考内容从 content 分离到 reasoning_content/reasoning_details 字段,避免正则清洗。文档覆盖 M3 与 M2.7 的选型建议、输入上下文约 100 万 token、输出 max_tokens 上限 524288、n>1 被静默忽略、response_format 非硬性 JSON 保证、强制 tool_choice 未生效等实测限制,并提供 m3-cli.ts 的 verify、probe、context-probe、bench 等漂移检测脚本。
flock-check 是一个只读的 HerdR 会话巡检技能,用于汇总其他智能体当前的工作、进度、阻塞和需求。它通过 herdr status、herdr agent list、herdr workspace list 等命令获取实时状态,再按 pane_id 读取最近终端输出,保守推断每个智能体的状态(working、idle、blocked、unknown),并输出简洁的运营摘要。该技能不会聚焦面板、发送按键、提交提示、启动或停止智能体、重启 CLI 或关闭工作区,除非用户明确要求。
初始化并验证 Avalanche 工作流工作区:在 .trampoline-ai 下创建 Avalanche 与 PredictRLM 的可编辑本地克隆,用 UV 管理单一项目,仅完成搭建与静态校验,不创建或执行用户工作流。
Elaichi 是面向企业的智能体平台,将公司现有软件连接起来,让智能体在原有权限范围内执行真实工作。它通过 MCP 提供组织级端点,经 OAuth 授权,可配合 Claude、ChatGPT、Cursor 等 MCP 客户端使用。核心概念包括连接器、连接、工具箱、模板、合成工具、角色与限制等。提供 Gold 与 Black 两种方案,无免费方案,新组织可享 14 天 Gold 试用。
Agent Browser 是一个浏览器自动化 CLI 技能,用于打开网站、点击、填表、截图、录屏、抓取页面和验证 UI。它自身携带最新技能内容,本技能保持精简并尽量委托给已安装的 CLI。
agent-protocol 是一套组织级智能体行为约定,需在每次会话开始及上下文压缩后阅读,用于了解组织要求与预期行为。资料未提供收费、价格或更多产品细节。
Consensus 是一个面向调用方的循环流程技能,用于处理独立评审对设计、实现或证明提出的实质性发现。它通常在 `/request-adversarial-review` 之后使用,通过反复修复与复审,直到独立评审者不再有实质性发现,或由人工介入(HITL)裁决剩余分歧,从而达成共识。该技能强调由 agent CLI 自动选择评审者,不得手动传入模型或 agent 名称;每轮复审使用新的评审文件路径,不覆盖历史评审产物;复审范围始终是当前完整目标,而非仅针对此前发现。
kuri-agent 是一个通过 CDP 驱动 Chrome 的命令行智能体工具,可导航页面、用无障碍引用交互元素、截图,并执行 Cookie/JWT 枚举与安全审计等任务,会话状态保存在 ~/.kuri/session.json。
Find Skills 是一个帮助用户发现并安装智能体技能(agent skills)的技能。当用户提出“如何做 X”“帮我找一个做 X 的技能”“有没有能做 X 的技能”等问题,或表达希望扩展智能体能力、搜索工具/模板/工作流、需要特定领域(设计、测试、部署等)帮助时,该技能会引导用户从开放的智能体技能生态中查找合适的技能。它依托 Skills CLI(npx skills)这一包管理器,支持按关键词搜索技能、从 GitHub 等来源安装技能、检查与更新已安装技能,并建议先查看 skills.sh 排行榜以了解热门且经过验证的技能,再结合安装量、来源信誉和 GitHub 星标评估质量后向用户推荐。
Roblox 游戏拷问是一个面向 Roblox 游戏开发的工作流技能,用于逐项澄清无法由项目证据消除的关键取舍,并记录真实用户的决定与批准范围。它适用于用户明确要求拷问,或存在会实质影响工作项的人工决策时。流程要求先通过文档、只读项目检查和 Studio 插件查询消除事实问题,再按依赖与影响排序,逐项请用户选择,每个问题需说明已知事实、待决事项、影响、互斥选项和带理由的推荐。答案须来自真实用户消息或可信消息收据,不得把沉默或技术通过当作回答;结论需版本化并请用户明确批准后,将 JSON 决策记录保存并加入工作项的 decisionRefs。该技能不扩展原任务授权,上传、线上写入、付费、公开发布、破坏性数据操作等仍需单独授权。若资料中未提供的具体功能、收费、价格或平台信息,暂未提供。
该技能用于 Roblox 玩法开发,聚焦核心循环、交互、战斗、AI、进度与玩家状态的实现与修复。其核心原则是:玩家操作产生清楚结果,服务器决定关键规则。实施前先定位现有逻辑,读取玩家流程、验收条件、状态所有者、Remote 契约、数值配置、资源登记与目标 place;实施时列出状态、触发事件、前置条件、成功/失败结果与退出路径,明确服务器与客户端分工。服务器拥有伤害、奖励、货币、道具授予、冷却与胜负等关键规则,客户端输入仅作请求或表现提示。对客户端请求,服务器需重新校验玩家身份、类型与大小、权限、当前状态、距离、冷却与速率,非法或过量请求安全拒绝;关键结果由服务器计算并广播,客户端不得用其传来的奖励金额或命中结论作为事实。需处理 Player 和 Character 事件的重复调用,清理连接、计时器与临时状态,并按 Streaming 行为处理临时不可见对象。交付时提供改动树路径、脚本职责、Remote 输入与服务端校验、状态变化及失败处理,并给 QA 提供正常流程、无效请求、边界值、退出/重生、重复触发和多人竞争的复现步骤。