prompting
面向 AI 智能体的提示工程与上下文工程规范，基于 Anthropic 最佳实践，涵盖清晰表达、结构化写作、渐进式信息加载与上下文管理，帮助设计更高效的提示词与智能体配置。
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
skill-creator
skill-creator 是用于在 Claude Code 中创建和更新技能（Skill）的指南型技能，帮助把通用 Claude 变成具备专门工作流、工具集成与领域知识的专用智能体。
pachca-ai-agent
pachca-ai-agent 是一份用于在 Pachca 协作平台中构建 AI 机器人智能体的技能说明。员工在聊天或话题中通过 @ 提及机器人，或直接私信它来调用；机器人通过出站 Webhook 接收消息，读取话题上下文，经 Pachca API 完成工作，并用机器人令牌在原处回复。它覆盖机器人配置、令牌权限范围、提及判定规则、上下文收集、处理中表情（agent-thinking 计时反应）、回复位置与格式、跨聊天信息可见性、防注入与速率限制等要点，并说明机器人无法创建草稿或定时消息、非公开机器人无法被提及拉入话题等限制。
mcp-server-design
mcp-server-design 是一个用于设计 MCP（Model Context Protocol）服务器对外暴露接口面的技能，聚焦于 AI 智能体所见的工具、资源与提示词：包括有哪些工具、如何命名、schema 与描述怎么写。资料指出这是杠杆最高的阶段，多数糟糕的 MCP 服务器失败在设计而非代码，典型问题是把 API 一比一包装、工具过多、描述不足，从而拖垮智能体的工具选择准确率并浪费上下文。该技能给出从工作流而非端点推导工具、控制工具预算、按控制方分配原语、按规范命名、把描述当提示词写、把 schema 当契约、为上下文窗口设计响应、把错误写成恢复指令、声明诚实注解并限制破坏性工具、以及用脚本对接口面做 lint 的完整工作流，并明确划定了不适用场景与交接边界。
thread-ledger
Thread Ledger 是一个会话工作台账技能：把会话中未完成的工作以追加式事件写入 session-memory 存储（由 SESSION_MEMORY_URL 指定），并渲染成可观看的页面。它在适用处替代原生任务列表，强调只保留一个追踪器。
superset-orchestration
Superset Orchestration 是一个面向终端编码代理的协调协议，通过 Superset CLI 的工作区、代理与终端命令，组织多个终端代理并行或按依赖关系协作完成任务。协调者负责建立控制面、解析工作区与主机、规划带依赖关系的任务表、向每个代理下发有边界的提示词，并通过读取终端快照、发送后续消息来跟踪完成或阻塞状态，最终汇总结果并清理会话。Superset 仅提供会话传输，任务依赖与完成状态由协调者自身维护。
grill-system-design
grill-system-design 是一个用于系统设计评审的技能：先就关键设计决策向用户提问，再把确定下来的设计整理为规格说明。适合设计需要一次聚焦访谈时使用。
prompting-fable
面向 Claude Fable 5 的提示词与设置指南技能，用于撰写提示词、选择推理强度、定义长周期目标、工作树与工作流，以及按任务挑选模型。
agents-status
agents-status 是 paulrberg/agent-skills 中的技能，用于通过 ai-coord status 一次性报告当前仓库中活跃的 Codex 与 Claude Code 会话，可选机器范围详情，并说明协调命令与状态解读方式。
repo-cross-pollination
仓库交叉授粉（Repo Cross-Pollination）：对比多个 Git 仓库的智能体指引、工作流与依赖，找出一个仓库做法良好而另一个可受益的可迁移实践，经用户批准后按接收方约定改写实施。
md-docs
md-docs 是一个用于维护项目 Markdown 文档的技能，仅在用户要求更新 README.md、CLAUDE.md、AGENTS.md 或 CONTRIBUTING.md 时使用。它通过分析真实代码库来校验并修正文档，强调验证而非盲目生成，输出简洁、命令式、面向专家的内容。
paw-mkt-setup
paw-mkt-setup 是 Agentic Marketing Suite 的安装与配置技能，用于在项目中初始化或更新该营销套件模块，收集用户偏好并写入配置文件，同时自动迁移旧目录结构。
self-subagent
self-subagent 是一个编排技能：通过以非交互模式启动自身 CLI 的多个实例作为子代理，并行处理多个文件或子任务，再收集、校验结果。适用于需要并行化代码修改、审查或研究等场景。
peach-wiki
基于 Karpathy LLM Wiki 模式的知识管理技能，支持代码项目与 Obsidian 笔记，通过读取原始代码和文档在 docs/wiki/ 中构建并维护累积型知识库，提供初始化、摄取、查询、漂移检测和检查五种操作。
remix-reference-video-prompt
参考视频拆解与提示词生成工具：按用户目标分析参考视频的时间轴、机位、运镜、动作、转场、字幕与声音，选择保留或替换策略，生成通用或适配指定视频模型的成品提示词，支持仅拆解、拆解加提示词及多层选择性重制。
chatgpt-pro-reasoner
一个面向 Codex 的技能，仅在用户显式调用 $chatgpt-pro-reasoner 时启用，通过 Codex 内置浏览器把单一聚焦的思考问题发给 ChatGPT Pro，将其作为推理子代理，再把结论带回当前任务。
update-claude-documentation
用于在仓库行为、路由、计数、校验或发布流程变化后，同步更新 README、AGENTS、CLAUDE、CONTRIBUTING 及专项文档的技能，确保文档与实现一致。
skill-creator
skill-creator 是一个用于创建新 AI 智能体技能（Agent Skill）的工具，遵循 Agent Skills 规范。它指导何时创建技能、如何组织 SKILL.md 与 assets/references 目录、命名约定、frontmatter 字段，并可通过 skill-registry 注册新技能。
agentic-ui-contract
Agentic UI Contract 是一套用于设计与实现智能体产品流程的契约：模型决定做什么，工具决定怎么做，UI schema 决定如何渲染。适用于构建或重构面向智能体行为的产品，在保持开放式行为的同时避免脆弱的自由执行。
mcp-builder
mcp-builder 是一份用于创建高质量 MCP（Model Context Protocol）服务器的开发指南。MCP 服务器通过设计良好的工具，让 LLM 能够与外部服务交互。该指南以「服务器质量取决于其帮助 LLM 完成真实世界任务的能力」为核心衡量标准，将开发流程划分为四个阶段：深度研究与规划、实现、审查与测试、创建评估。指南推荐使用 TypeScript（配合官方 SDK）或 Python（FastMCP）作为开发语言，远程服务器使用 Streamable HTTP 传输，本地服务器使用 stdio。内容涵盖 API 覆盖与工作流工具的权衡、工具命名与可发现性、上下文管理、可操作的错误信息、输入/输出 Schema 设计、工具注解（readOnlyHint、destructiveHint 等）、代码质量检查、使用 MCP Inspector 测试，以及创建 10 道评估问题的 XML 格式规范。适用于需要为 LLM 构建外部服务集成工具的开发者。
skill-creator
Skill Creator 是一个用于创建新技能、迭代改进现有技能并衡量技能表现的工具型技能。它可以引导用户从零开始定义技能目标、撰写 SKILL.md 草稿、设计测试用例，并通过运行对比实验与量化评估来验证和改进技能效果。适用于用户想要创建技能、编辑或优化技能，或需要评估技能触发与输出表现的场景。
template-skill
该条目名称为 template-skill，来自 phuryn/skills，页面提供的描述为占位文本“Replace with description of the skill and when Claude should use it.”，介绍内容仅为“Insert instructions below”。目前没有可确认的实际功能、用途或使用方式。
ping-skill-writing
Ping Identity 官方插件技能编写规范，指导在本仓库 plugins/**/skills/ 下编写可分发的插件技能，涵盖结构、校验、描述写法与打包要求，并强调技能应面向完全自主的智能体。
llm-integration
用于把大语言模型接入应用的技能，覆盖 API 调用、提示词设计、上下文与 token 管理、流式响应及成本优化，支持 Anthropic、OpenAI、Google 与本地模型，提供参数模式、代码示例与排错建议。