ai-agents-architect
设计并构建自主 AI 智能体的专家技能，涵盖工具调用、记忆系统、规划策略与多智能体编排，帮助在自主性与可控性之间取得平衡，适用于搭建代理系统、调试代理与评估代理表现。
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
ai-product
面向 LLM 功能生产化的 AI 产品开发技能，涵盖结构化输出与校验、流式响应、提示词版本化与回归测试，并给出反模式与风险清单，强调把提示词当代码、校验所有输出、不盲信 LLM。
ai-wrapper-product
AI封装产品（AI Wrapper Product）是一款面向AI产品架构的专家型技能，讲解如何把OpenAI、Anthropic等AI API封装成用户愿意付费的聚焦工具，覆盖提示词工程、成本管理、用量计量、模型选型、输出质控与产品差异化等实践。
autonomous-agent-patterns
面向自主编程智能体的设计模式技能，涵盖智能体循环、工具集成、权限与审批、浏览器自动化及人在回路工作流，参考 Cline 与 OpenAI Codex 思路，用于搭建需要工具调用、权限控制与人工确认的编码智能体。
autonomous-agents
关于自主智能体（Autonomous Agents）的模式与工程实践资料：讲解目标分解、规划执行、ReAct 循环、反思式自纠，以及可靠性与护栏设计。
computer-use-agents
介绍构建可像人一样操作电脑的 AI 智能体：查看屏幕、移动光标、点击按钮、输入文字，覆盖 Anthropic Computer Use 的感知—推理—行动循环、沙箱环境与官方实现模式。
context-window-management
面向 LLM 应用的上下文窗口管理技能，涵盖摘要、裁剪、路由与避免上下文腐烂等策略，用于处理 token 上限与信息丢失问题。
conversation-memory
面向 LLM 对话的持久记忆系统技能，涵盖短期、长期与实体记忆，涉及记忆持久化、检索与整合，并提供分层记忆、实体记忆、记忆感知提示等模式及常见反模式。
dispatching-parallel-agents
该技能用于在存在两个或以上互不依赖、无共享状态、无顺序依赖的任务时，同时派出多个智能体并行处理，从而加速排查与修复。
executing-plans
executing-plans 是一个用于在独立会话中按批次执行书面实施计划并设置审查检查点的技能。先加载并批判性审查计划，再分批执行任务，批次之间报告结果等待反馈，遇到阻塞时停止询问。
mcp-builder
用于创建高质量 MCP（Model Context Protocol）服务器的开发指南技能，帮助 LLM 通过设计良好的工具与外部服务交互。资料涵盖研究规划、实现、测试与评估四个阶段，推荐 TypeScript 与 Python 技术栈。
parallel-agents
parallel-agents 是一套基于 Claude Code 原生 Agent 工具的多智能体编排模式，用于让多个具备不同领域专长的智能体协同处理独立任务或需要多角度综合分析的工作。
prompt-caching
面向大语言模型提示的缓存策略技能，涵盖 Anthropic 提示缓存、响应缓存与 CAG（缓存增强生成），用于多层级缓存、降低调用成本并处理缓存失效等问题。
prompt-library
prompt-library 是一个面向多种使用场景的高质量提示词集合，包含角色扮演类提示、任务专用模板以及提示优化技巧，适合需要现成提示模板、提示灵感或改进提示方式的用户参考使用。
subagent-driven-development
用于在当前会话中执行实现计划的技能：为每个任务派发全新子代理，并进行两阶段审查，先检查规格符合度，再检查代码质量。
twilio-communications
基于 Twilio 构建通信功能的技能，涵盖短信、语音通话、WhatsApp Business API 与用户验证（2FA），提供短信发送、Verify 验证码、TwiML IVR 等模式与代码示例，并附错误处理、E.164 号码校验和签名校验等安全实践。
using-superpowers
一个技能路由规则：在对话开始时先检查并调用可能适用的 Skill，再作任何回应；规定用 Skill 工具加载技能、按流程优先排序，并列出了各种“合理化跳过”的思维红旗。
voice-agents
语音智能体技能，讲解语音 AI 交互的两种架构（语音到语音 S2S 与 STT→LLM→TTS 流水线），涵盖语音活动检测、轮次切换、打断检测等能力，并给出延迟预算、语义 VAD 等实践要点。
ratatouille
ratatouille 是一个基于 prd.json 的迭代式任务执行技能：每次迭代只实现一个任务，采用 tracer-bullet 垂直切片与复利工程思路，并在多轮迭代间用 progress.txt 记录进度。触发格式为 ratatouille:，可附带任务提示或文件路径。
headroom
Headroom 是一个面向 AI 编码代理的上下文压缩工具，通过 MCP（模型上下文协议）提供按需压缩、按哈希检索原始内容以及会话统计功能，帮助节省上下文窗口。它适合在推理前处理超大日志、grep 结果、JSON 转储和崩溃堆栈等大体积工具输出：先用 headroom_compress 压缩，需要原文时保留返回的哈希，再用 headroom_retrieve 取回。它支持任意 MCP 宿主（Claude、Cursor、Codex、Grok 等），需注册服务器；对 Grok 订阅（OIDC 登录）账号仅支持 MCP 工具模式，不能包裹其推理请求，除非提供 XAI_API_KEY。安装方式为 pip install "headroom-ai[mcp]"（仅工具）或 pip install "headroom-ai[proxy]"（代理加工具），部分环境可用 headroom mcp install 注册。它不适用于极小片段，也不替代特定领域技能；MCP 不可用时应如实说明并改为谨慎总结，而非编造压缩结果。
skill-discovery
skill-discovery 是 ultimate-ai-starter-bundle 中的一个技能发现工具，用于在用户询问某项技能、插件、工作流、自动配置、抓取器或可复用能力是否已存在时，查找当前可用的智能体技能。它通过随附的包装脚本执行首次搜索：固定 skills@1.5.23，禁用其遥测与审计调用，只暴露非变更性的 find 命令，并可用 -Owner 缩小结果范围。该技能强调“发现不等于批准”：对候选结果需打开源码仓库、解析不可变版本、核验许可证、哈希、运行要求、安装脚本、遥测/网络行为、写入、钩子、凭据及与已装能力的重叠，并在隔离环境先行测试。
unrestraint-packs
Unrestraint Packs 是 Ultimate-AI-Starter-Bundle 中的提示词包集合，提供用于 Claude、Grok、GPT、Gemini、DeepSeek、Kimi、Codex、Perplexity、SillyTavern 等 AI 工具的“无限制”提示词，包括虚构类 NSFW 内容与助手操作契约。内容包括 AIO 操作契约的多个版本（完整、网页版、网页精简版、紧凑版）、趣味套件（含虚构 jail、图像描述、角色生成等）、SillyTavern 预设和 ComfyUI/SwarmUI 生成预设。资料仅说明其用途和文件构成，未提供安装命令、收费信息或效果保证。
badger-strategy
BADGER v1.0.0 是一个基于未平仓合约（OI）分歧确认的突破预期策略，先用24小时区间突破过滤，再以OI上升作为硬性门槛，仅做多空方向上获订单流确认的突破。
coyote-strategy
COYOTE v1.0.0 是一个市场状态分类器（Regime Classifier / Meta-Router）策略技能。它先判断“当前处于什么样的市场”，再决定是否交易。Coyote 通过观察宏观条件——BTC 7 天趋势、BTC 已实现波动率、跨资产离散度——将市场划分为 TREND_UP（上涨趋势）、TREND_DOWN（下跌趋势）或 CHOP（震荡）三种状态。它只针对自身状态判断做一次方向性押注，并在每个 tick 上发布该状态视图。TREND_UP 触发做多 BTC，TREND_DOWN 触发做空 BTC，CHOP 不交易。TREND_DOWN 明确要求高波动率，以区分“恐慌式暴跌”与“缓慢阴跌”。即使不交易，也会输出状态分类与三项输入指标，便于操作者读取。该技能属于 Senpi 交易代理体系，采用 MIT 许可。