find-skills
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“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，该技能会引导用户使用 Skills CLI（npx skills）在开放的智能体技能生态中搜索、安装、检查和更新技能。它本身不提供具体领域能力，而是充当技能发现与安装的入口。
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
25,658 个结果
loop-supervisor
loop-supervisor 用于为长时间运行的智能体循环生成 SUPERVISOR.md 监督运行手册，产物位于 TASKS/<name>/SUPERVISOR.md，供新智能体会话在 tmux 中启动或接入循环、查看状态文件并按项目规则有限干预。
skills-engineering
Skills Engineering 是一套用于编写、评估并迭代改进 Agent Skills（SKILL.md 协议）的方法论技能。它以严格的 TDD 生命周期为核心，将整个过程划分为九个阶段，每个阶段只负责一项任务，且每个阶段的产出会作为下一阶段“红”状态的输入。这九个阶段依次为：spec（声明意图、边界与脚本契约）、behavioral（编写 BDD 行为契约）、script-test（为脚本先写验收测试）、script（逐条通过验收测试实现脚本）、skill（编写 SKILL.md 与引用文件以通过行为测试）、adversary（针对已知技能面编写边界攻击）、eval（全量运行脚本测试、行为测试与对抗测试并评分聚合）、improve（修复失败并回到 eval 循环）、refactor（在不改变行为的前提下清理内部结构，可选）。该技能通过 bash 脚本按阶段调用，脚本会输出针对性提示词与下一阶段名称，并负责层级检测、测试集选择与阶段排序，作者视角与评估视角相互隔离以保护上下文。技能目录包含 SKILL.md、spec.md、references/、scripts/、assets/ 与 tests/ 等结构，支持渐进式披露与按改动范围选择 smoke、behavioral、full 三个测试层级。
dispatching-parallel-agents
一个面向 AI 编程助手的工作流技能：当面对 2 个以上互不依赖、无共享状态的独立任务（如多个不同测试文件失败）时，按问题域分派并行子代理，各自在隔离上下文中调查与修复，最后统一审查整合。
blitz
Blitz 是一个并行开发工作流技能，用于借助 git worktree 与多个 Claude 智能体并行处理多个 GitHub issue。每个智能体在独立工作树中实现完整需求、创建 PR 并自审至 10/10，随后按顺序合并以避免冲突。
chrome-devtools
通过 chrome-devtools-mcp 以命令行方式程序化控制 Chrome 浏览器，用于自动化操作、网页调试、截图、执行 JavaScript、查看控制台与网络请求等。基于 mcp CLI 调用，需 bunx 运行。
create-mcp-skill
用于创建基于 MCP 服务器的新技能的指南型技能，遵循 MCP CLI 指南的最佳实践，帮助搭建技能目录、发现 MCP 工具、编写优化命令模式并应用性能优化。
create-skill
create-skill 是一项用于创建或更新 Claude 技能的指导型技能，帮助用户把专业工作流、领域知识、工具调用与配套资源打包成模块化的 SKILL.md。给出技能结构、编写要点、脚本/参考/资源目录用法及迭代流程。
create-subagent
用于在 Claude Code 中创建与配置自定义子代理（subagent）的技能，讲解子代理的用途、文件式与 Task 工具两种创建方式、配置字段、权限模式、工具选择、并行与可恢复代理模式及常见反模式。
dispatching-parallel-agents
这是一个用于并行调度多个 AI 智能体的技能，适用于处理 2 个以上相互独立、无共享状态或顺序依赖的任务。其核心原则是按独立问题域各派一个智能体并发工作，例如多个测试文件因不同根因失败、多个子系统独立损坏等场景。技能提供了识别独立域、创建聚焦任务、并行派发、审查整合的完整模式，并给出智能体提示词的结构建议与常见错误提醒。
executing-plans
executing-plans 是一个用于在独立会话中执行书面实施计划的技能，通过分批执行与审查检查点来控制开发节奏。
external-signal-provider
用于将外部信号提供者（如 AgentFS、审计轨迹、toolcall 日志）接入 rust-self-learning-memory 奖励系统的技能。可处理外部奖励信号、归一化外部来源信号，并与内部奖励计算合并。
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 是一个用于创建和更新 Claude 技能（Skill）的指导型技能。它提供创建有效技能的完整方法论，包括技能结构说明、核心设计原则、渐进式披露设计模式以及从理解需求、规划内容、初始化、编辑到打包的完整创建流程。适用于用户希望创建新技能或更新现有技能以扩展 Claude 能力的场景。
fabric
Fabric Skill 是面向 Fabric CLI 的智能模式选择技能，可依据用户意图，从 242+ 个专用提示词中自动挑选合适的模式，覆盖威胁建模、摘要、洞见提取、内容分析、文本改进与质量评分等任务。
experiment-analzyer
用于分析 LLM 实验结果的技能，可识别性能问题并给出改进建议。通过 /analyze-experiment <experiment_id> 调用，借助 Datadog LLM Observability 的 MCP 工具检索实验指标、维度与事件，按分阶段推理流程定位失败片段并生成结构化报告。
minio_object_storage
MinIO 自托管 S3 兼容对象存储技能，用于 KYC 会话期间生物特征图像（自拍与证件）的临时加密存储，静态加密 AES-256，按 GDPR 策略 TTL 到期自动删除。
openapi_asyncapi_contracts
用于定义和版本化 REST（OpenAPI）与异步（AsyncAPI）智能体间接口契约的技能，将数据 schema 作为智能体通信的唯一事实来源，防止破坏性变更。
prometheus_client_audit
用于 audit_agent 的 Prometheus 指标暴露技能，输出 KYC 系统的 FAR、FRR、响应时间与欺诈检测率等关键指标，供 Grafana 业务看板消费。
pydantic_v2
Pydantic v2 技能：用 Rust 核心实现超快的数据契约校验与序列化，把智能体之间的输入输出、Celery 载荷、API 响应和审计事件定义为带类型的模型，保证流水线每次数据传递的完整性。
timeout_manager
timeout_manager 是一个用于按智能体管理超时的技能，通过为每个外部智能体调用设置独立超时，并在超时后执行干净取消，帮助系统满足 8 秒 SLO。资料未提供更多平台或定价信息。
uuid_v4
UUID v4 技能用于生成唯一且不重复的 session_id，基于加密随机熵产生 128 位通用唯一标识符，为 KYC 验证等流水线提供完整可追溯性。
marimo-batch-mlflow
marimo-batch-mlflow 是一个 marimo 笔记本技能：让同一个 notebook.py 既能作为交互式 UI 迭代，又能作为定时批处理脚本运行。它使用 Tyro 解析 CLI（支持 dataclass、Pydantic、attrs），并用 MLflow 加可选 mlflow-widgets 做实验追踪，替代上游的 mo.cli_args 与 W&B。
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。