agent-builder
n8n 的 Agent Builder 技能，用于在识别出 Agent 意图后调用 build-agent 构建、修改、测试或发布 Agent，并负责前置编排、技能路由、通道能力校验与多轮 Agent 定位。
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
25,660 个结果
goal-loop-builder
为长时间运行的智能体任务生成可复制、可验证的运行契约，适用于编写或审查 Codex /goal、Claude /goal 与 Claude /loop 提示；默认中文优先并附英文镜像，产物为真实 Markdown 文件加一行引用该文件的命令。
goal
一个面向智能体的技能：让代理围绕可度量指标或可测试结果持续推进，反复检查进度，直到目标通过或遇到明确阻塞。适用于把测试、构建、lint、覆盖率或文件产出作为完成条件的任务。
subagents-tasks
subagents-tasks 可将 PRD、Issue 列表、待办清单或会议对话转换为可迭代执行的 Agents 任务分解文件。输出一个以描述性名称命名的计划文件夹，内含 tasks.md 控制文件与 taskN.md 任务文件，通过 Pending/In progress/Done 状态与 next-subagent 信号支持子智能体按序接手并更新进度。
subagents-tasks-run
该技能用于执行由 subagents-tasks 生成的计划目录中下一个待办任务：读取 tasks.md 控制文件与 taskN.md 任务文件，运行任务并在两份文件中更新进行中、完成、阻塞等状态与信号，实现计划的分步迭代执行。
quant-findings-writer
面向定量社会学论文的写作技能，用于起草可发表的 Results/Findings 章节，基于 83 篇 Social Problems 与 Social Forces 文章总结的结构模式，指导聚类选择、叙事弧构建与段落级写法。
reasoning-effort-throttle
Reasoning Effort Throttle 是一个用于智能体成本控制的技能，通过为推理模型设置适度的默认推理努力（reasoning effort），并按任务逐级升级，避免在简单回合上支付昂贵的深度思考费用。
neo4j-agent-memory
neo4j-agent-memory 是 Neo4j Labs 的实验性 Python 包，为 AI 智能体提供图原生记忆系统，在单个 Neo4j 知识图中统一短期、长期与推理三层记忆，支持自托管库与托管服务 NAMS 两种使用方式。
langchain-knowledge-patch
LangChain 知识补丁指南，用于在改动智能体循环、中间件策略、图状态、流式契约或供应商工具前，查阅当前 LangChain、LangGraph、供应商集成、MCP 适配器与 Deep Agents API 的参考索引。
ai-engineer
AI Engineer 是一个面向端到端 AI 系统开发的专业技能，覆盖从 LLM 集成到生产部署的完整流程。它专注于 RAG（检索增强生成）架构、嵌入策略、向量数据库、提示工程以及 AI 应用模式。适用于构建 LLM 驱动的应用或功能、实现 RAG 系统、集成 OpenAI、Anthropic 等 AI API、设计嵌入与向量搜索流水线、构建聊天机器人或对话式 AI、实现带工具调用的 AI 智能体，以及优化 AI 系统的延迟与成本。该技能不适用于从零训练自定义 ML 模型、将 ML 模型部署到生产基础设施、管理多智能体协调或优化 LLM 服务基础设施等场景。
iot-architect
IoT Architect 是一个专注于物联网系统设计的技能，角色定位为嵌入式系统架构师。它面向 ESP32、LoRa 等硬件选型与 Arduino、PlatformIO 固件架构，强调电源效率与安全实践。该技能可在“设计物联网设备”“ESP32 项目”“MQTT 设置”“智能家居”等触发场景下使用，输出硬件图、引脚指南与固件模板。核心能力包括：硬件选型（MCU、传感器、电源）、固件结构（状态机、非阻塞代码）、通信（MQTT 主题设计、HTTP API 端点）、安全（OTA 更新、配网流程）。规则上要求使用 millis() 而非 delay()、启用看门狗、电池设备考虑深度睡眠、禁止在主代码中硬编码 WiFi/MQTT 凭据。安装方式为：以 assets/templates/esp32/secrets.h.example 为模板，重命名为 secrets.h 并填入凭据，在主 .ino/.cpp 文件中 #include "secrets.h"，并确保 secrets.h 在 .gitignore 中。具体价格与更多平台支持信息暂未提供。
mcp-patterns
MCP Patterns 是一套用于构建与 Claude Code 集成的 Model Context Protocol (MCP) 服务器模式的参考资料。它提供 Python 版基础 MCP 服务器示例代码，涵盖工具注册、资源处理、认证、状态管理、测试等常见模式，并提供项目结构建议和 Claude Desktop 配置示例。适用于需要为 Claude Code 开发 MCP 服务器或工具的开发者。
prompt-engineer
Prompt Engineer 是一个面向大语言模型（LLM）的提示词工程技能，专注于提示词的设计、优化与评估。它覆盖 Chain-of-Thought（思维链）、ReAct、few-shot（少样本学习）等提示技术，并涉及生产环境中的提示词管理与效果评估。该技能适用于为 LLM 应用编写提示词、优化提示词表现、实现思维链推理、创建少样本示例、构建提示词模板、评估提示词有效性、在生产中管理提示词以及通过提示词减少幻觉等场景。它提供了决策框架来帮助选择提示技术，并给出提示词设计、思维链实现、提示词优化等核心工作流，同时列出最佳实践与常见反模式。
skill-creator
skill-creator 是一份用于创建和更新 Claude 技能（Skills）的指导型技能，讲解技能结构、SKILL.md 编写、脚本/参考/资源三类捆绑资源、渐进式披露设计原则，以及从理解需求到打包迭代的完整创建流程。
ai-peer
AI Peer 是面向 AI CLI 工具与人类的去中心化点对点会话房间，支持本地、局域网与公网模式，数据留在本地，可邀请 Claude Code、Codex、OpenCode 参与讨论。
handoff
handoff 是一个把当前对话压缩成交接文档的技能，供另一个智能体接续工作，适用于用户提出“hand this off”“wrap up”“save context”等场景。
subagent-review
subagent-review 是一个代码审查技能：通过三个并行的一次性子代理，对改动代码做复用、质量与效率审查，并直接修复发现的问题。
grill-me
grill-me 是一个用于压力测试计划或设计的访谈式技能：它会持续追问计划的各个方面，直到双方达成共识，并沿设计树的每个分支逐个解决决策依赖。适用于用户想被质疑方案或提到“grill me”的场景。
ask-matt
ask-matt 是 ninehills/skills 仓库中的一个路由型技能，用于根据你当前所处的情境，判断应该使用哪个技能或流程。它本身不执行具体工作，而是帮助你在仓库内众多用户调用的技能之间找到合适路径。
sync-agent-rules
sync-agent-rules 是一个用于在本地与远程 Git 仓库之间同步个人全局智能体指令文件的技能，核心文件为 ~/AGENTS.md，并在 ~/.claude/CLAUDE.md 写入一行 @~/AGENTS.md 存根供 Claude Code 加载同一套规则。
progress
Progress 是一套围绕 Progress Protocol 1 与 progress CLI 的软件开发推进方法，帮助 Agent 或人类把源码相邻的软件成果从发现阶段稳步、可验证地推进到完成，每次只驱动一个可验证结果，并让结果与拥有它的源码保持在一起。
mcp-oauth-remote-gateway
面向远程 Hermes 网关的手动 OAuth 方案：当内置 MCP OAuth 因 127.0.0.1 回调无法到达远端容器而失败时，手工完成 PKCE 授权并把令牌写入 Hermes 令牌存储，使 /reload-mcp 直接使用缓存令牌。
simpo
SimPO（Simple Preference Optimization）是一种无需参考模型的偏好对齐方法，据资料称其效果优于 DPO。它基于偏好数据（chosen/rejected 对）训练，配置更简单、计算资源需求更低，适合单节点训练场景。
slime
slime 是面向大语言模型强化学习后训练的开源框架，将 Megatron-LM 训练与 SGLang 高吞吐推理结合，支持 GRPO 等算法、异步训练与多轮智能体训练，可用于 GLM、Qwen3、DeepSeek、Llama 等模型。