moai-foundation-claude
面向 Claude Code 的权威编写工具包，系统整理 Skills、子代理、插件、斜杠命令、钩子、记忆、设置、沙箱、无头模式与高级代理模式等参考文档，供开发者查阅与配置使用。
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
25,653 个结果
ui-mockup-prompt
将 UI 简报（页面、屏幕、单个组件或功能）翻译为可直接粘贴给 gpt-image-2、Nano Banana Pro、Ideogram、Flux 2、Midjourney v7 等图像模型的提示词，产出具有设计感、可供灵感参考的界面效果图，而非像素级生产界面。
coverage-analysis
用于在 monorepo 中分析测试覆盖率、生成报告并定位未测试代码的技能，基于 Vitest 的 V8 覆盖率提供器，支持行、分支、函数、语句覆盖率统计与阈值校验。
kelly-radar
Kelly Radar 是 Kelly 的市场情报工作台技能，由 Busabase 支持的 App-in-Skill 组合三项功能：竞品被动监控（Radar）、带引用与审批的深度研究（Research）、需求趋势信号（Trends），并通过 AirApp 进行人工分诊与决策。
balise-affinity-mcp
通过 Affinity MCP 与 JavaScript SDK 控制 Affinity（Canva 旗下）打开文档与所选对象的自动化技能，可检查文档、编辑节点、几何、文本、填充与描边并做可视化验证。
pp-eero
eero-pp-cli 是一个面向终端的 eero Mesh 网络只读检查工具，可查看网络、节点、已连接设备、诊断与测速结果，并输出适合智能体解析的 JSON。
pp-forkable
Forkable 办公午餐计划的命令行工具与 MCP 服务器，通过反向工程 my-account 应用的 GraphQL 接口提供读取与订餐管理命令，并额外提供网页应用不具备的用餐历史、花费趋势、偏好偏差、场地轮换与未来一周摘要等纵向视图。
planned-task-runtime
n8n 的 AI 助手运行时技能，用于处理计划任务的后续回合，包括综合、重新规划、构建工作流与检查点验证，并处理后台任务完成与运行中任务上下文。
agents-writer
agents-writer 是一个用于为本仓库创建或更新 AGENTS.md 贡献者指南的技能，帮助生成结构清晰、简洁且可操作的仓库贡献说明文档。
case-justification
面向访谈类社会学论文的“案例论证”章节写作技能，基于对32篇期刊文章的分析，指导研究者选择案例集群、覆盖必要组件并校准篇幅与结构。
reading-agent
reading-agent 是为学术论文生成结构化阅读笔记的技能，可将 PDF/EPUB 转为 markdown 并提取文献信息、核心论点、理论框架、实证策略、关键发现与引文，支持单篇与批量处理，常与 lit-synthesis 等文献工作流配合。
od-new-generation
od-new-generation 是 open-design 中新一代任务类型（taskKind）的默认参考流程插件，定义发现、计划、生成、批评四个阶段，用于在插件未声明 od.pipeline 时提供回退流程。
sequential-thinking
Sequential Thinking 是一种结构化思考流程技能，用于对复杂问题进行分步分析。它按“初始分析、在前一步基础上深化、修订、分支探索、最终综合”的模式组织思考过程，并以 Thought 1/N 到 Thought 5/N 的编号输出展示推理轨迹。技能支持动态调整：问题复杂度上升时增加思考步数，情况比预期简单时直接跳到最终综合，存在多个可行路径时创建分支。资料给出了架构设计、缺陷根因、性能优化、安全分析、重构策略等场景的建议思考步数与模型选择，并提供了登录变慢的排查示例。适用场景包括需求分析、技术规划、复杂实现、代码审查等阶段；限制方面，资料未说明具体运行环境、依赖与调用接口细节。
sequential-thinking
面向复杂问题的结构化思维流程技能，支持多步推理、修正、分支与动态调整，用于在给出方案前先进行有条理的探索与分析。
consultant
面向多模型咨询与研究的 Claude 技能，支持三种模式：向单一专家模型（codex/gpt5、gemini、grok、perplexity、claude）提问的咨询模式、并行多智能体的研究模式（快速/标准/深度三档强度），以及多轮辩论与同行评审的审议模式。
plan-mode
Plan Mode 是一个用于在制定多步骤方案前切换到结构化规划模式的技能，完成后可退出。它通过本地 HTTP 接口进入、退出和查询规划模式状态。
triage
triage 是一个用于项目问题跟踪器的技能：让 issue 和外部 PR 按一组 triage 角色构成的小型状态机流转，完成分类、核实、必要时打磨，并产出可供智能体直接使用的简报。
wiki-self-heal
wiki-self-heal 是一个用于自动审计 Karpathy 风格 LLM 知识库（wiki）的技能：发现缺口、矛盾、孤儿页与过时内容，研究高质量资料并写入 wiki，提交到专用分支供人工审查。
nemo-rl-auto-research
NeMo-RL 自主研究智能体工作流，用于在仓库中围绕用户目标（精度、奖励、吞吐、延迟、稳定性等）迭代运行实验，并以 git 作为研究账本。会创建分支、写文件并执行训练命令，可能消耗 GPU，需用户确认后使用。
nemo-rl-brev-etiquette
面向 NeMo-RL 智能体的 Brev 实例操作规范：在 /home/ubuntu/RL 保留代码与可复现记录，把检查点、日志、缓存等大体积产物放到 /ephemeral，并给出磁盘检查、密钥加载、缓存路径覆盖与清理约定。
eagle3-validate
eagle3-validate 是 NVIDIA model-optimizer 提供的 EAGLE3 流水线验证技能，用于端到端确认一次 EAGLE3 流水线运行是否成功完成并满足质量指标。它会定位最近的实验目录，按任务 0 至 3 检查各步骤日志是否报错、是否有超时或失败信号，并核对各步骤是否产出预期工件（如数据样本 jsonl、离线隐藏状态 .pt 文件、训练与导出的模型文件、基准测试结果 JSON）。随后从 task_3 日志中提取平均接受长度及其 ratio 字段作为接受率（AR），与 MT-Bench 阈值 2.1 比较判定 PASS 或 FAIL；并在 task_2 日志中检查训练损失是否下降、是否出现 NaN、训练步数以及训练期间 AR 验证情况。最终生成结构化的验证报告，包含实验信息、各步骤状态表、接受率、训练摘要与总体结论，并在通过时建议记录结果和检查点路径、作为启动器示例候选，在失败时建议改用 eagle3-triage 进行诊断，针对低 AR 从训练损失曲线、数据量与质量、草稿头容量、超参数等方面定位原因。
nat-telemetry
用于 NeMo Agent Toolkit 的日志、追踪与遥测配置技能，帮助发现并接入日志与追踪导出器，支持 OpenTelemetry、Langfuse、LangSmith、Weave、Phoenix 等，适用于工作流可观测性、调试与性能分析。
cdf-anomalygen
CDF AnomalyGen 是 NVIDIA 提供的一项技能，用于在缺陷数据集上运行 AnomalyGen 流水线。它通过微调冻结的 Cosmos 基础模型，构建异常生成模型：给定一张干净图像和缺陷掩码，在指定区域绘制逼真的缺陷，从而为检测器生成合成数据。该技能覆盖掩码放置、微调、合成缺陷图像生成（SDG）、评估、精炼和伪标注等阶段，支持完整运行或单阶段执行。使用前需要 CUDA GPU、已构建的环境（原生 .venv 或 Docker 镜像）、Hugging Face 认证及网络访问，以及符合约定布局的数据集目录。默认掩码后端为 amg（智能体掩码生成），需要视觉语言模型访问权限，通过 ~/.anomalygen/endpoints.yaml 注册表配置；也可选择 amp 后端。该技能不适用于通用图像生成或非缺陷图像的合成数据。
tao-train-codetr
NVIDIA TAO 技能库中的 Co-DETR（CoDINO）目标检测训练技能，基于 DETR 家族并加入协同混合分配，训练时用一对多辅助头监督编码器，推理仅保留主 DETR 头。支持 train、evaluate、inference 三个动作，精度优先，需大骨干网络与较高显存。