up-repo
up-repo 是一个用于根据当前会话变更更新仓库文档（README.md、docs/、CLAUDE.md）的技能，通过调度 up-docs-propagate-repo 子代理完成，需 Python 3 环境，且要求工作区无未暂存改动。
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
agent-harness-review
agent-harness-review 是一个用于审查智能体运行框架（agent harness）或智能体设计的技能，依据 Anthropic 关于智能体与 Claude Opus 5.5 的指导、Cognition 的上下文原则，以及 2026 年关于技能负荷的若干研究，检查框架是否足够精简、是否真正有用。它强调先收集证据再判断：梳理每次会话加载的指令文件、技能列表、插件、MCP 服务器、子智能体与钩子，并结合会话记录中技能、子智能体与 MCP 的调用情况评估实际使用率。审查会考察工具设计、多智能体分工、子智能体提示的完整性、长任务与并行任务的证据核对、技能列表的精简与去重、技能带来的功能与效率成本，以及模型设置与指令措辞。输出时先说明结论及其证据，并区分已做的可逆改动与需要所有者决定的事项，同时说明哪些是实测、哪些是推断。
jev-builder
Jev 是一个面向文本与应用状态的类型化决策模型技能，用于 Choice、Score、Noul 三类问题，帮助判断可构建的决策场景、连接路径与常见陷阱。
sk
sk 是一个仓库级 Claude Skills 管理器，依据 skills.lock.json 安装、审计与同步技能，类似技能领域的 Cargo。安装内容位于 ./skills，缓存位于 ~/.cache/sk/repos。
docx
docx 是一套用于创建、编辑和分析 .docx 文件的文档处理技能，支持跟踪修订、批注、格式保留与文本提取。当用户要求处理 Word 文档时使用，提供基于 pandoc、OOXML、docx-js 与 python-docx 的多种工作流。
gcp
面向 Google Cloud Platform 与 Vertex AI 的 Claude/Anthropic 模型使用技能，汇总模型 ID、SDK 选择、认证、Secret Manager、Cloud Run 与 Cloud Monitoring 等实践要点和常见失败模式。
skill-creator
Skill Creator 是一套用于创建和迭代 Claude 技能（skills）的指南与脚本工具。技能是模块化包，可为 Claude 扩展专用工作流、工具集成、领域知识与捆绑资源（脚本、参考文档、素材）。
langchain-agents
LangChain 官方技能指南，面向涉及 LangChain、LangGraph、LangSmith SDK 的编程问题，讲解智能体开发模式、核心原语、上下文管理与多智能体编排，并给出 create_agent、create_deep_agent 与 LangGraph 的用法示例。
openrag_sdk
OpenRAG SDK 是一套面向开发者的集成指南，用于将 OpenRAG 检索增强生成能力接入 Python 或 TypeScript/JavaScript 应用。它提供安装配置、聊天、语义搜索、文档管理、知识过滤器、会话历史、设置管理及错误处理等示例，并附带 MCP 服务包 openrag-mcp。
gh-issue
gh-issue 是用于创建清晰、可执行 GitHub Issue 的技能，覆盖 bug、功能与改进；强调面向 LLM 的可读性与可操作性，要求所有 Issue 必须带 llm 标签，并给出问题、影响、建议方案、验收标准的结构模板。
agent-coordination-patterns
用于设计多智能体协作流程的技能，定义顺序、并行、迭代与混合协作模式，以及智能体之间的交接、依赖、通信协议和上下文共享方式，适用于规划复杂工作流与优化智能体协作。
agent-file-coordination
面向多智能体工作流的基于文件的上下文共享技能，提供标准化目录结构、文件格式与模板，便于智能体之间协调以及人工检查进度与结果。
agentic-patterns-source
用于访问 Awesome Agentic Patterns（agentic-patterns.com）生产级 AI 智能体模式目录的技能，帮助查阅多智能体编排、上下文管理、反馈循环、安全沙箱等模式的文档与参考实现。
multi-agent-workflows
multi-agent-workflows 是一个来自 claude-plugins 的技能，用于编排开发、基础设施和研究等场景下的复杂多智能体工作流，提供工作流模板、智能体序列与集成能力。具体细节资料暂未提供。
vault-mocs
用于 Obsidian 仓库的内容地图（MOC）整理技能，可创建或扩展现有 MOC、迁移旧版 🗺️ MOC 标签、审计 MOC 覆盖率并把孤立笔记链接到已有枢纽。
plugin-dev
Claude Code 插件创建与优化方法论框架，覆盖 plugin.json manifest、commands/agents/skills/hooks/MCP/LSP 接线、marketplace 挂载与 8 维优化评分。
skill-sync
Skill Sync 是一个用于管理本地 AI 智能体技能（skills）的命令行工具，可扫描 Codex、Claude、Hermes、OpenClaw、OpenCode、工作区 ./skills 及共享根目录，评估技能卫生状况、检测漂移、去重并用符号链接收敛到统一根目录，还支持导出/导入布局清单与回滚。
llm-wiki
llm-wiki 是一个基于 Andrej Karpathy 的 LLM Wiki 模式的方法论型技能，让 LLM 充当知识编译器，把原始资料增量整理成持久、可累积、互相链接的 Markdown 知识库，适合个人或团队构建“第二大脑”。
lwy-llm-wiki
LLM Wiki 是一个用于构建和维护个人知识库的技能，把 LLM 当作知识编译器而非搜索引擎：原始资料不可变地存入 raw/，由 LLM 增量编译成结构化、互相链接的 wiki/ Markdown 页面，并自动维护索引、日志与交叉引用。
lwy-project-skill-installer
用于在项目中安装、添加或配置技能：先分析项目技术栈与工作流，再推荐合适技能，经用户确认后安装到项目相对路径并验证。
dspy-ensemble
DSPy 的 Ensemble 优化器使用指南：把多个已优化程序组合成集成程序，在推理时用投票、平均或自定义归约函数聚合输出，以提升稳健性。
dspy-langfuse
为 DSPy 提供 Langfuse 可观测性的技能：通过 OpenInference 插件自动追踪每次 LM 调用、检索与模块执行，并支持评分、标注队列、实验对比与会话分组。
dspy-miprov2
DSPy 的 MIPROv2 提示优化器使用指南：联合优化指令与少样本示例，通过 auto=light/medium/heavy 控制搜索成本，适合50+训练样本的生产级优化，附基本用法、参数与成本限制。
dspy-mlflow
该技能指导用户在 DSPy 中使用 MLflow 完成自动追踪、实验跟踪与模型注册，覆盖从训练到部署的完整机器学习生命周期；适合需要模型版本管理或已使用 MLflow、Databricks 的团队。