os-guide
os-guide 是一个介绍“Agentic OS”架构模式的技能，帮助用户理解 CLAUDE.md 层级、context 文件夹、子智能体、/loop 调度及自我改进的 Triple-Loop 闭环。依赖仅需 Python 3.8+ 标准库。
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
25,663 个结果
os-improvement-loop
这是一个面向多并发 Claude 会话的 OS 式改进循环模式，把并发会话当作共享事件总线与内存地址空间的线程，每轮包含执行、独立同行评估、摩擦追踪、自评问卷、运行后指标与记忆持久化，用于持续改进多个技能或工作流。
os-improvement-report
os-improvement-report 是一个用于可视化与文字汇报智能体循环改进周期的技能。它针对任何维护 improvement-ledger.md 和每个技能 results.tsv 的插件，生成进度报告。主要输出包括：一张进度图表（context/memory/reports/progress_YYYYMMDD_HHMM.png），显示 KEEP/DISCARD 时间线、运行最佳阶梯线和变更标注；以及一份文字摘要（context/memory/reports/summary_YYYYMMDD_HHMM.md），包含基线对比最佳、按增量排序的命中项、调查有效性和北极星趋势。数据来源优先读取 context/experiment-log/index.md 中的数值型实验记录，其次回退到旧版 improvement-ledger.md，并以各技能 evals/results.tsv 作为补充。该技能需要 Python 3.8+、pandas 和 matplotlib。
os-init
os-init 是一个用于在任意项目中初始化“Agentic OS / Agent Harness”结构的技能，通过访谈式发现、组件规划、脚本执行和初始化后引导，帮助搭建 CLAUDE.md、context/ 目录、子智能体及心跳任务等代理运行环境。
openspace
OpenSpace 是面向 AI 智能体的自进化技能系统，能让技能自动修复、改进与学习，并通过云端共享实现集体智能。提供命令行工具与 MCP 接口执行任务、搜索、修复和上传技能，宣称可减少 token 消耗并提升任务表现。
runway-workflows
通过 MCP 构建、检查、校验并运行 Runway 编辑器工作流图，适用于创建、编辑、列出或运行 Runway 工作流的场景。不适用于一次性 generate_image / generate_video（请用 runway-media），也不适用于已发布的 Workflow Apps。
create-store
用于按 ryOS 仓库约定创建或修改 Zustand store 的技能，涵盖 persist 中间件、partialize、版本化迁移、防抖写回存储、IndexedDB 存储与云同步删除墓碑等规范。
handover
一个用于生成 HANDOVER.md 交接报告的技能：在当前项目根目录写入交接文档，汇总本次会话的任务结果、关键决策、经验教训与后续步骤，便于下一个 Claude 或开发者无缝接手。由 /handover 等指令触发。
delegation
Synapse A2A 的任务委派技能，用于在多个智能体之间按自然语言规则自动分配任务。通过 .synapse/settings.json 开关与流程模式，并用 .synapse/delegate.md 定义规则、目标智能体和回退行为；支持 @智能体 与 synapse send/reply 命令。
ccp
ccp 是 Claude Code Profile Manager，用于通过可复用组件中心管理多套 Claude Code 配置，支持切换、创建配置文件，从来源安装技能，以及管理 hub 项目。
debate
debate 是一款以“实时多智能体辩论”为核心的技能，适用于支持实时团队（live teams）的运行环境。它让多位有名字的队友通过消息互相辩论，而不是由一个智能体模拟正反两方；用户担任主持人，并综合辩论中经得起检验的观点。该技能本身只负责路由到 heavy-think 的团队辩论参考文档（team-debate.md），其中集中存放辩论剧本、生成模板和各格式对应的角色，以避免两处内容不一致。使用前需满足两个前提：当前会话是主会话（子智能体无法生成队友），且所用运行环境支持实时团队（目前为设置 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 的 Claude Code）。若条件不满足，剧本的回退方案会运行模拟版本，并需明确告知用户这是模拟。完成标准是：记录文件夹中保存基线与裁决，用户获得裁决并与“先独自作答”的答案进行对比，且所有队友均已关闭。
meal-prep-efficiency-guru
一个面向批量烹饪、备餐规划、食物储存与高效厨房流程的专家技能模板，当前为遗留模板，状态为待研究升级，置信度低，官方建议在置信度提升至中或高之前不要依赖该技能。
Agent Development
用于在 Claude Code 插件中创建与编写子智能体（agent）的技能，讲解 agent 文件结构、YAML frontmatter 字段、触发条件描述与系统提示词设计，并给出校验与测试方法。
MCP Integration
MCP Integration 是 Claude Code 插件接入 Model Context Protocol（MCP）的官方技能，用于把外部服务（数据库、API、文件系统等）的能力以工具形式暴露给插件。支持 stdio、SSE、HTTP、WebSocket 四种服务器类型，可通过 .mcp.json 或 plugin.json 配置，并处理 OAuth 与令牌认证。
sap-joule-capability
用于在 Joule 中注册代码型 A2A 智能体的技能：编写 .sapdas.yaml 能力包（capability、DigitalAssistant、scenarios、functions 四类文件），通过 Joule CLI 部署并调用。
codex-computer-use
通过 codex exec 调用的 Codex.app Computer Use 桥接技能，让 Claude Code 等可执行 shell 命令的智能体代理 macOS 应用与浏览器 GUI 操作，可读取界面、点击、输入。
scylladb
ScyllaDB 是一个面向数据密集型应用的分布式 NoSQL 宽列数据库，强调高吞吐与低延迟。应用可通过 CQL 或兼容 DynamoDB 的 Alternator API 访问。它可作为全托管的 ScyllaDB Cloud 运行，也可通过 ScyllaDB Operator 部署在 Kubernetes 上，或安装在自己的 Linux 服务器上。开发者选择 ScyllaDB 的原因包括低而可预测的延迟（如 1ms p99）、高吞吐（如每秒 100 万次操作）、通过增加节点实现横向扩展、无单点故障的高可用、通过多数据中心复制实现全球分布，以及每核一分片（shard-per-core）架构。本项目是 ScyllaDB 的 agent skills 集合入口，用于在开始新项目、从其他数据库迁移、任务跨多个领域或没有匹配的子技能时使用，并提供安装或获取缺失技能的方法。
one-key-prompt
one-key-prompt（提示词炼金术）是一个提示词优化技能：把冗长提示词炼成精准的概念激活钥匙，用一个恰当的人名、理论或概念替代长描述。触发方式为 /one-key-prompt、/提示词炼金术，或用户提到炼金、提示词优化等。
conductor
Conductor 是一个面向 Claude Code 的跨会话感知工具，可汇总所有活跃会话的状态并以仪表板展示，还能通过收件箱向指定会话发送指令，由投递钩子在目标会话完成当前回合后注入消息。
agent-evaluation
面向 LLM 智能体的测试与基准评测技能，涵盖行为测试、能力评估、可靠性指标与生产监控，帮助在智能体上线前发现基准成绩好但生产表现差、测试结果不稳定、指标被优化等风险。
agent-manager-skill
用于通过 tmux 会话管理多个本地 CLI 智能体的技能：可并行启动、停止、监控与分配任务，并支持 cron 定时调度。安装需克隆仓库，依赖 tmux 与 python3，智能体在 agents/ 目录中配置。
agent-memory-mcp
一个面向 AI 智能体的混合记忆系统，以 MCP 服务器形式提供持久、可搜索的长期知识管理，可按架构、模式、决策等类型读写与检索记忆，并与项目文档同步。
agent-memory-systems
面向智能体记忆架构的技能，覆盖短期、长期、工作、情景、语义与程序记忆，以及记忆形成、检索和衰减。强调记忆失败多源于检索而非存储，涉及分块策略、向量库选择、元数据过滤与时间评分等。
agent-tool-builder
面向 AI 智能体工具设计的技能，专注 LLM 与外部世界之间的工具接口：用清晰无歧义的 JSON Schema、描述与示例引导模型正确调用，返回可恢复的错误，避免模糊描述、静默失败与工具过多导致的幻觉、循环或失败。