kimi
通过 RunAPI 以 OpenAI 兼容的 Chat Completions 方式调用 Kimi API，支持 kimi-k3、kimi-k2.7-code、kimi-k2.6、kimi-k2.5 等模型，用于文本对话与流式输出。
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 11-05 00:16
智能体与模型
25,651 个结果
Hooks Automation
Hooks Automation 是 ruvnet/agentic-flow 中的技能，通过智能钩子与 MCP 集成，自动协调、校验并学习 Claude Code 操作，涵盖任务前后钩子、会话管理、记忆协调、Git 集成与神经模式训练。
ReasoningBank with AgentDB
为 AI 智能体提供基于 AgentDB 高性能向量库的自适应学习能力，支持轨迹追踪、结果判定与记忆蒸馏，据称模式检索快 150 倍、批量操作快 500 倍、缓存下内存访问低于 1 毫秒，并保持旧版 API 完全兼容。
V3 MCP Optimization
用于优化 claude-flow v3 的 MCP（模型上下文协议）服务器与传输层的技能，通过连接池、负载均衡、工具注册表索引和性能监控，目标把响应时间降至 100ms 以内。
V3 Memory Unification
该技能将 MemoryManager、DistributedMemorySystem、SwarmMemory、SQLite/Markdown/Hybrid 等 6 个以上遗留记忆系统统一迁移到 AgentDB，并引入 HNSW 向量索引，宣称可实现 150x-12,500x 的搜索性能提升，同时保持向后兼容。
cross-host-federation
cross-host federation（agentbbs，v3.40.0+）用于跨主机协调 ruflo 智能体：通过签名可验证的消息与工作认领（claim）在多节点间同步协作。传输为 HTTP 拉取模式并使用固定 Ed25519 公钥，可跑在 Tailscale、局域网、VPN 或回环上。
agent-output-parsing
该技能说明如何解析 Configurator CLI 在非 TTY 模式或 --json 下输出的 JSON envelope，涵盖 envelope 结构、退出码语义（0-7）以及逐层排查实体失败的工作流，用于在自动化脚本和命令链中处理部署、校验与差异结果。
sales-callminer
CallMiner Eureka 企业级对话分析平台的辅助技能，覆盖全渠道交互采集、自动质检评分、坐席辅导、实时告警、合规监控与 API 集成，帮助用户按场景定位问题并给出配置建议。
trading-signals-skill
面向期权、股票、加密货币、大宗商品、黄金、白银、原油、VIX 与外汇交易分析的技能包，整合技术分析、情绪信号、风险控制与多模型协作流程，按资产类别路由到相应参考框架，并强调先识别市场状态再加权融合多方法信号。
interview
Interview 是一个按需触发的需求澄清技能，仅在收到 `/interview` 指令时启用。其目标是在动手实现前，先用尽量少的问题弄清需求，避免做错方向。它会先判断请求是否“描述不足”，例如目标、完成标准、范围、约束、运行环境、安全与可回滚性是否明确；若存在多种合理解释，即视为不清楚。随后提出 1-5 个“必问”问题，优先消除整块工作分支，问题尽量简短、可扫读，并提供多选项、推荐默认值、快速回复路径以及“不确定，用默认值”的选项。在关键问题得到回答前，不执行命令、不改文件、不输出依赖未知信息的详细方案，除非用户明确要求继续，此时需先列出假设并等待确认。拿到回答后，用 1-3 句话复述需求与成功标准，再开始工作。它反对询问可通过低风险查阅解决或开放式问题。
jev-cli
jev-cli 是一个社区维护的非官方开源命令行工具，用于调用 TypeSafe AI 的 Jev 模型，对文本或 JSON 状态给出校准概率判断。Jev 不生成文本，只回答用户定义的问题：noul 判断某命题是否成立并返回 0 到 1 的概率；choice 在最多 255 个选项间给出加和为 1 的概率分布、胜出项与置信度；score 在 2 到 10 级有序评分表上给出期望等级。工具支持以 YAML 或 JSON 编写问题集，离线校验请求（jev validate、--dry-run），单次评估（jev eval），对 JSONL、CSV 或 JSON 数组批量处理（jev batch run），并可通过退出码实现脚本门控；同时可启动 MCP 服务器供 MCP 客户端调用。认证仅通过 TYPESAFE_API_KEY 环境变量或 jev auth login，离线操作无需密钥。
use-codex
use-codex 是一项用于把编码任务委派给 OpenAI Codex CLI（非交互式 codex exec）的技能，主要面向其他智能体而非 Codex 自身。它适用于范围明确、只需最终答案或代码差异的任务，例如代码库探索与问答、架构已定后的实现、规模化机械修改（重命名、迁移清理）、对方案或 diff 的对抗性二次评审，以及尝试两次以上仍未解决的疑难 bug。技能提供具体调用命令与参数说明，包括模型选择、沙箱模式、输出文件捕获、会话 ID 续接等，并给出适用边界与成本考量（每次调用约 30k token 固定开销）。
llm-friendly-context
面向 LLM/下游执行者的上下文编写规范技能，用于澄清输入、输出、成功标准、决策与未决条件，使下游消费者无需猜测即可执行。
AgentBroPet
AgentBroPet 是一套用于从概念、品牌信息或参考图生成 AgentBro/Codex 兼容动画宠物精灵表的技能，提供提示词、布局、帧提取、图集合成、校验、视觉 QA 与打包的确定性脚本。
setup-pstack
setup-pstack 是一个用于配置 pstack 工作流角色与模型分配的工具技能。它会检测当前运行宿主机（如 Pi 或 OpenCode）实际提供的模型清单，以及是否具备可为主子任务选择模型的委托（任务/子智能体）能力，然后根据用户确认的模型选择，写入可移植的项目本地配置文件（默认 .pstack/config.md，或由 PSTACK_CONFIG 变量指定的路径）。它可以为 feature、refactoring、bug-fix、judgment、how/why 分析、reflect、arena、swarm workers、architect、interrogate 等工作流角色分别指定具体的 provider/model-id，也能记录 inherit-parent。在 Pi 上，若安装了 pi-subagents，还会同步更新 .pi/settings.json 中的子智能体模型覆盖；在 OpenCode 上则保留在 opencode.json / opencode.jsonc 中。该技能强调检测结果以实时宿主机清单为准，不会凭空发明模型标识，也不会写入厂商专属的 home 目录。
agent-harness-fault-injection
这是一个面向智能体工作流的确定性故障注入测试技能：使用非生产环境的故障计划，验证沙箱、MCP/工具、worker、检查点、记忆或编排失败时，工作流能否保持状态、预算、安全边界与证据，并输出故障矩阵、事件时间线和判定结论。
codex-subagent
将 Codex CLI 作为隔离子智能体启动，用于边界明确、可独立完成的编码、代码审查或验证任务；通过 codex exec 非交互运行，结果流式输出，仅打印最终消息。
research-prompt
将模糊的研究需求转化为一段精确、自包含的深度研究提示词，包含背景与输出标准，供零基础研究员无需往返沟通即可直接执行。
unsloth-finetuning
使用 Unsloth Core 在单张消费级 GPU 上进行 LLM 微调与后训练的工程技能，覆盖显存测算、LoRA/QLoRA、GRPO/DPO、聊天模板与损失掩码正确性，以及 GGUF、vLLM 等目标格式导出。
subagent-driven
Subagent-Driven Development 是一种在当前会话中执行实现计划的技能：为每个任务派发全新子代理，任务完成后依次进行规格符合性审查与代码质量审查，两阶段审查均通过才算完成，并通过按角色划分的规划目录持续沉淀知识。
cortex-agents-with-custom-tools-tutorial
Snowflake Cortex Agents 高级教程技能，在基础教程之上讲解如何用存储过程为智能体添加自定义工具，最终构建一个包含 Analyst、Search 与三个自定义工具（InventoryLookup、PriceCalculator、ProductSummary）的五工具智能体。
soia-dev-agent-cli-dispatch
受控调度外部 AI Agent CLI 的技能：选择已验证模型、隔离工作目录，并回传模型、用量、费用与验证证据。触发场景包括派活给外部 AI、调用 DeepCode/Pi/agy、多 CLI 派发。
soia-meta-find-skill
SOIA 生态技能检索路由：按自然语言关键词在本机已安装技能与全生态目录间做两级检索，定位最匹配技能并指引按需加载其 SKILL.md，覆盖剪藏、知识提炼、发布、编码、设计、PRD、测试、发版、办公、教育、环境安装与生态管理等方向。
reflect
reflect 是 claude-code-toolkit 中的手动技能，用于从会话历史中提取经验教训并写入技能文件，解决“记忆归零”问题，做到纠正一次、不再重犯。