saas-agent-talent-strategy
用于商业计划中“SaaS 智能体人才战略”组件的技能，帮助规划智能体产品团队的角色构成、分阶段招聘、薪酬基准、自建与采购决策及留任方案，并覆盖非洲人才地图与合规边界。
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-agent-memory-erasure-proof
用于证明 AI 智能体记忆擦除已完整且可验证的技能，面向 GDPR、CCPA、POPIA、KE DPA 等数据主体删除请求。通过 9 步级联执行擦除，并用独立验证作业逐层探测残留，产出可离线校验的签名擦除证明包。
ai-agents-tools
面向 AI 智能体与工具调用的工程技能，覆盖 ReAct 循环、工具定义与集成、多智能体编排、人工审批门禁与令牌计量，适用于需要多步骤执行动作的 AI 功能开发。
ai-architecture-patterns
面向多租户 SaaS 的 AI 功能集成架构模式技能，提供 AI 模块门控、预算守卫、供应商抽象、RAG、函数调用与流式等设计规则，并含 PHP/Laravel、Android/Kotlin、iOS/Swift 示例。
deepseek-integration
介绍如何把 DeepSeek 模型集成进应用的技能，覆盖 V3（通用）与 R1（推理/CoT）选型、OpenAI 兼容 API 接入、Ollama 本地部署、蒸馏模型选择、成本对比及 Python/JS 代码模式，并提供集成测试计划与密钥处理等交付物。
llm-security
面向 AI 功能与 LLM 集成端点的安全技能，覆盖 OWASP LLM 十大风险、信任边界、提示注入防御、数据泄漏防护、输入输出净化和安全清单，适用于设计、编码、审查、审计等场景。
scenario-planning-skill
场景规划（Scenario Planning）思维工具，通过构建多个结构不同的未来场景，帮助决策者在深度不确定性下改变心智模型、制定鲁棒战略。触发词：场景规划、scenario planning、应对不确定性、未来预测、战略前瞻。
flywheel-qa
flywheel-qa 是一个面向 flywheel PR 的智能体 QA 技能，通过 Agent Browser 访问 Vercel 预览部署，验证页面渲染、错误边界、交互流程与控制台错误，并在 PR 上发布带证据的通过/失败结论。
orchestrator
orchestrator 是一个技能，用于让当前任务进入编排模式：顶层智能体充当总协调者，负责规划、委派、协调与整合，几乎所有实质工作都交给子智能体执行，并尽量保护顶层的上下文简洁、聚焦于决策与集成。
linear-ticket
该技能为单个 Linear 工单的创建与更新提供规则，涵盖描述撰写、元数据设置、估算、原生关联关系以及保存字段的核验。使用时需依赖 Linear MCP 服务器，写作前应先阅读该技能。调用方工作流负责范围、授权、调度与执行顺序，此技能负责工单起草、元数据、变更与验证。技能强调目标团队/项目/里程碑的确认与复用、重叠工作核查、来源稳定化、改动前审批、按固定格式撰写用户故事与验收标准、原生关系（父级、相关、blockedBy）而非文字替代、按技能估算、写入前刷新并写入后逐项核验，最后返回标识符、URL、已验证变更、保存估算及异常或部分写入情况。
custom-agent-creator
用于创建智能体定义的技能：按 Markdown 模板生成含 frontmatter 与结构化正文的 agent 文件，需写明用途、最多三个目标、人格、输入输出与启用的技能。
context-engineering-global
用于维护 ~/.claude/CLAUDE.md 等全局 rules file 的上下文工程技能：审查与精简全局规则、判断某条长期规则是否值得进入全局层，并给出可直接套用的改写文本与插入位置。
system-prompt-tuning
用于评估和优化 Claude Code 全局上下文（~/.claude/CLAUDE.md）的技能，帮助用户精简全局提示词、评估改动提案、审查现有全局上下文，并判断哪些内容应改为独立 skill。
rag-systems
rag-systems 是一套面向生产环境的检索增强生成（RAG）技能资料，涵盖向量检索、文档处理与混合检索，提供 LangChain 快速上手示例、分块与嵌入策略、重排序、查询扩展、评估指标及排错建议。
ar
面向 WebXR（immersive-ar）与原生 ARKit/ARCore/OpenXR 的增强现实开发技能，涵盖透视叠加、命中测试与锚点、遮挡、光照估计、相机权限与安全边界等要点。
onboarding-agent
onboarding-agent 是一个交互式入门工作流技能，通过最多 5 个递进问题访谈用户，了解其编码目标与约束，并生成可直接用于 PR 的分步实施计划。适用于开始新任务或首次使用 OpenHands 时。
xr
XR/MR 扩展现实与混合现实技能，覆盖 AR 与 VR 边界，用于透传、世界锁定内容与沉浸式交互的指导。
signals-scout-llm-analytics
面向使用 PostHog LLM 分析的项目，监控 $ai_generation、$ai_evaluation、$ai_trace 等事件，发现成本飙升、延迟漂移、评估通过率下降、失控循环与错误率等异常，仅在达到置信门槛时输出发现。
creating-experiments
该技能引导智能体完成 PostHog 新建 A/B 测试实验的三步流程：定义假设、配置放量、设置分析指标。核心原则是先快速创建草稿，再迭代细节。适用于通过 MCP 创建产品实验，指标需在创建后单独添加。
exploring-llm-clusters
该技能用于调查 PostHog 中的 AI 可观测性聚类，理解 AI/LLM 流量的使用模式、对比不同聚类行为、计算成本与延迟指标，并深入查看单个聚类。
exploring-llm-evaluations
PostHog 的 LLM 评测探索技能：管理 hog、llm_judge、sentiment 三类评测配置，在指定生成上运行评测、查询 $ai_evaluation 结果，并生成通过/失败/N/A 模式的 AI 摘要，用于排查评测失败原因。
exploring-llm-traces
用于通过 PostHog 的 MCP 工具调试和检查 LLM/AI 智能体 trace 的技能。当用户粘贴 trace 或 session URL，或需要分析 AI 调用链、工具调用、上下文与错误时使用。
feature-usage-feed
PostHog feature-usage-feed 技能：通过 LLM-judge 评估大规模提取某个 PostHog 功能的典型用例，并把结果实时推送到 Slack 频道，形成可持续查看的使用案例流。
skills-store
PostHog 的技能存储服务，用于发现、加载和管理团队共享的 Agent Skills。技能遵循 Agent Skills 规范，包含 SKILL.md 指令体、可选打包文件（脚本、参考资料、资产）和结构化元数据，通过 PostHog MCP 工具操作。