mula-refine
mula-refine 是面向提示词工程与需求规划的单一入口技能，可按用户意图路由到 6 种模式，支持 Jira 子任务推送，仅做规划不写实现代码。
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
xno-mcp purse custody
xno-mcp 的私密“钱包托管”用法：以命名账户方式创建钱包，只返回地址，避免在对话中粘贴助记词或种子。适合让 LLM 通过 MCP 工具管理地址与查询余额。
multi-agent-orca
Multi-Agent Orca 是一个面向本地多智能体编排的技能，以当前主会话作为 PM（项目经理），负责把两个以上边界独立的任务拆解、派发给独立 Worker，并完成巡检、429 停滞恢复、独立验收、PR 收口与临时资源清理。它优先使用 Orca 管理 worktree、session 与受监管的 Run/Task/Dispatch，在 Orca 不可用或用户明确要求时回退到 tmux。技能强调安全门禁、角色分离验收、失败关闭与资源可证明归属，适用于需要并行推进、独立 worktree/分支、人工可接管的长任务，以及用户明确要求 PM 总控、多个 Worker 或 Wave Autopilot 的场景。
panel-plan-loop
panel-plan-loop 是一个在已有书面计划上反复运行独立评审小组、每轮之间修订计划，直到不再出现重大问题的技能。它建立在 panel-plan 之上，负责循环、修改分诊、计划编辑、跨轮日志与收敛判断。适用于用户希望“反复评审并修复计划直到干净”的场景。
flow-coordinator
Flow Coordinator 是一个模板驱动的工作流协调器，支持旧版命令链模板与统一 PromptTemplate DAG 工作流，通过最少状态跟踪执行命令链，并支持断点续跑。
lite-skill-generator
轻量级技能生成器（来自 catlog22/claude-code-workflow），用于快速搭建简单技能。它先学习参考技能的风格结构，再通过交互提问收集需求，最后生成最小化的技能包并校验结构，强调简洁优先与渐进式加载。
skill-generator
skill-generator 是用于创建新 Claude Code 技能的元技能（Meta-skill），支持可配置执行模式，包括顺序（固定顺序）与自主（无状态自动选择）两种阶段模式，输出完整的技能包目录。
team-issue
面向团队的 issue 解决技能，采用 team-worker 智能体架构，由协调者编排 explore→plan→review（可选）→marshal→implement 流水线，支持 Quick、Full、Batch 模式，并可加载代码库文档、编码与调试规范及历史知识作为上下文。
team-perf-opt
team-perf-opt 是 maestro-flow 中的团队性能优化技能，由协调者编排流水线，团队工作代理分别承担性能剖析、策略制定、优化实现、基准测试与代码审查等工作，支持单任务、扇出和独立并行模式。
thesis-docx
面向学位论文 Word（.docx）排版与修订的技能，强调先审计后修改、以样式为格式唯一来源，并通过 Word 自动化与 PDF 逐页复核保证学术格式保真。
skill-creator
用于创建、评估、改进和优化跨 OpenCode、Codex、Copilot、Kiro 的 agent skill 的工具，支持脚手架生成、评测、基准测试与描述优化。
jev-audit
jev-audit 是一个用于审计近期 Claude Code 或 Codex 工作记录的技能，帮助找出值得用 Jev 测试的重复性判断机会。审计由现有助手完成，无需 Jev 密钥或调用，但会消耗助手正常用量；结果可能是不适合。
context-window-hygiene
Context Window Hygiene 是一套面向长时运行智能体的上下文管理技能，通过剪枝、压缩、摘要保真与顺序优化，控制进入并留在上下文窗口中的内容，降低 token 成本、缓解中段召回退化，让智能体在长任务中保持连贯。
prompt-caching
Prompt Caching 是一个面向生产环境 LLM 应用的技能，指导开发者正确使用 Anthropic、OpenAI、Bedrock 和 Gemini 的提示缓存功能，以降低热路径上的成本与延迟。它强调缓存的关键在于把稳定内容放在缓存边界之上，并实际测量缓存命中率。技能提供了决策流程、五条核心规则、缓存内容优先级、常见反模式以及各提供商的差异说明，帮助团队避免“以为在缓存”却命中率为零的常见问题。
init-deep
init-deep 是 lazycodex 的内置技能，用于为代码仓库生成分层的 AGENTS.md 知识库：先并发探索项目结构、入口、约定与反模式，再按复杂度评分决定在根目录和哪些子目录生成文件，最后去重精简。
ultrawork
ultrawork 是 lazycodex 中面向 Codex 的强制工作模式指令。当提示词包含 ultrawork 或 ulw 时，omo 的 UserPromptSubmit 钩子会注入一段引导内容，要求以证据驱动、结果优先的方式完成编码任务。
runner-research
LeanSpec 的 runner-research 技能，用于调研 Claude Code、Copilot、Cursor、Windsurf、Codex、Gemini 等 AI 智能体运行器的配置格式、CLI、环境变量与能力变化，并据此更新 LeanSpec 的运行器注册表与目录。
jekyll-hyde-robert
jekyll-hyde-robert 是一个 OpenCode 技能，用三重智能体流程（项目经理 Robert、初级开发 Jekyll、资深评审 Hyde）在改动工作区文件前强制走完需求对齐、方案起草、代码审计与共识签核，并生成 .tasks/ 变更日志。
pr-review-panel
pr-review-panel 是一个双模型代码审查技能：由 Fable 子代理与 codex gpt-5.6-sol（xhigh 推理）各自独立审查同一 PR，分别保存结论后合并，经操作者确认后才发布到 GitHub。
clarification-protocol
澄清规程（Clarification Protocol）是一套用于在规划或编写代码之前与用户澄清需求的方法，旨在避免问得太少（把未确认假设当结论）或问得太多（用穷尽边界替代收敛）两种失控。核心内容包括：术语先行作为全局前置项，先定义核心术语、范围与易歧义处；提问按「依赖强度 × 实现影响」排序，高影响进入本轮清单，低影响转为默认假设；建立决策台账登记已决项、已排除边界与默认假设；每个里程碑执行三项收敛自检，三项皆否定即收敛；设置熔断预算与升级机制，错误层连续尝试 3 次、审查层 Delta Re-Loop 不超过 5 轮、提问层预算耗尽仍不收敛则升级人类裁决；在关键架构决策前使用显式思考块。适用于目标宏观或含糊、存在多种技术路径、多轮问答、已决项被重开等场景；不适用于单文件微调、指令明确的直接执行和只读检索类问答。提供台账模板、需求确认文档骨架及校验脚本等配套交付物。
agent-design-best-practices
面向 Claude Code 智能体文件（.claude/agents/*.md）设计的最佳实践技能，用于编写或评审 agent markdown 文件，核心原则是 agent 文件定义能力而非生命周期，由团队负责人在 spawn 提示中控制运行时机。
prompt-complexity-scorer
prompt-complexity-scorer 是一个用于评估用户请求复杂度的技能，按 1-10 分评分以判断是否需要先规划再实施。该技能建议在每个用户请求时调用；低分直接继续，高分则建议创建项目目录跟踪工作。
linkedin-repurposing
用于把 LinkedIn 内容在多种格式间复用并利用创作者工具的技能，提供复用矩阵、规则与内容飞轮，可结合 ColdIQ 数据挑选高互动内容。
agent-config
Opik 的 Agent Configuration（Blueprints）功能，用于把模型、温度、提示词等可调参数外置为受版本管理的配置，支持环境标签、运行时读取与 A/B 覆盖。