agentic-os-init
一个用于在任意项目中搭建“Agentic OS / Agent Harness”结构的初始化技能：先通过访谈确认用途，再规划组件并运行初始化脚本，生成 CLAUDE.md、context 文件夹、子代理与可选的定时任务等骨架。
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
agy-cli-agent
Antigravity（agy）CLI 子智能体系统，通过 agy 二进制调度 Google Gemini 及跨模型（Gemini、Claude、GPT-OSS）任务，适用于命令行下的代码审计、重构、架构评审等场景。
compile-apm-package
将 APM 包编译为顶层上下文文档（如 AGENTS.md、CLAUDE.md、GEMINI.md）的技能，主要用于只消费单一权威文件的运行环境（如 Gemini、Codex）。编译产物为生成物，不应直接编辑。
convert-plugin-to-apm
将现有 Claude、Copilot 或智能体插件迁移为 APM 治理结构的技能，提供 Overlay、Hybrid、Full 三种迁移模式，并附带校验脚本，便于实现锁文件与审计就绪及多运行时包管理。
create-apm-package
create-apm-package 是一个用于从零创建 APM 原生包的技能，采用“源码放在 .apm/”模式，适用于以 APM 作为主要分发格式的全新项目，可生成技能、智能体、命令、钩子、MCP 配置等可复用组件。
maf-adapter
maf-adapter 是面向 Microsoft Agent Framework（MAF）的适配技能，提供校验、配置指引与本地测试模拟器，用于在 MAF 引擎（v1.6/v1.7.0）中测试和运行 .md 智能体技能。
obsidian-query-agent
面向 Obsidian LLM 知识库的渐进式查询工具，先返回 1-5 句 RLM 摘要，再按需展开要点或完整节点，支持语义检索与结果回写。
optimize-context
optimize-context 是一个用于减少 AI 代理上下文膨胀的技能，从重复技能去重、指令文件精简和会话 token 效率三方面优化。它清理 .claude/ 下的重复技能副本，压缩 CLAUDE.md 等指令文件，并给出子代理委派建议。
os-architect
面向 Agentic OS 生态演进的入口型技能：通过访谈分类意图、审计现有能力并路由到相应智能体或技能，本身不直接实现。调用方式为 /os-architect。
os-environment-probe
os-environment-probe 是一个技能，用于在操作系统初始化后一次性探测用户可用的 AI 环境（如 Claude Code、Copilot CLI、Agy CLI、Cursor 等），验证后将结果写入 context/memory/environment.md，供下游技能做委派决策。
os-evolution-planner
os-evolution-planner 是一个面向插件、技能与智能体演进的规划与委派工作流技能。它把演进目标拆解为结构化任务计划，并生成可一次性交派的 Copilot CLI 委派提示词。
os-experiment-log
用于维护 agentic-os 实验运行记录的文件夹式日志工具。每个实验生成一个带日期的文件写入 context/experiment-log/，并更新 index.md 索引；支持按来源类型追加记录、关键词查询与汇总统计。
plugin-remover
一个用于交互式卸载本地 .agents/ 环境中代理插件与技能的技能，通过 plugin_remove.py 执行删除，并同步清理 plugin-sources.json 与 skills-lock.json 注册表，避免残留文件、孤立符号链接或过期钩子注册。
plugin-syncer
plugin-syncer 是一个用于同步智能体环境的技能，依据 plugin-sources.json 清单从 GitHub 或本地目录安装/更新所有已登记插件，并自动清理被移除插件遗留的孤立能力。仅依赖 Python 3.8+ 标准库。
prototype-builder
prototype-builder 是一个用于协调原型构建全流程的技能，面向领域专家（SME），串联布局确认与组件构建两个环节。它本身不直接构建组件，而是通过调用 visual-companion 和 subagent-driven-prototyping 等技能完成从计划到可运行原型的完整引导。
rlm-audit
rlm-audit 用于审计 RLM（递归语言模型）语义缓存覆盖情况，对比项目清单与磁盘上的摘要文件，找出缺失项、计算覆盖率、导出 CSV 缺失文件列表并校验缓存目录结构是否与源仓库一致。
self-evolution
Self-Evolution 是一个面向智能体的自愈与自进化技能模式，用于在调用仓库能力、脚本、技能、子代理、选择器、工作流或外部系统失败时，不只是重试而是学习修复，并把修复记录到参考文件中以避免复发。
skill-improvement-eval
用于评估技能（SKILL.md）改动是否引入路由回归的质量保障子代理技能。它根据合成提示词与基线分数判断改动应保留或丢弃，帮助防止技能描述退化。
subagent-driven-prototyping
subagent-driven-prototyping 是一个分组件构建原型的技能：逐个搭建部件，并在进入下一个前对照 Discovery Plan 自检，常由 prototype-builder 或 exploration-workflow 编排调用。
triple-loop-learning
Triple-Loop Learning 是一个面向智能体系统的元学习与自主研究编排技能，定义外层元学习、中层战略规划、内层战术执行三层反馈循环，用于持续自改进。依赖 Python 3.8+ 且仅用标准库。
vibe-to-speckit-superpowers
一条端到端再工程流水线，把缺乏文档的“vibe 编码”原型转化为 Spec Kit 兼容的规格包与 Superpowers 可用的执行框架，作为上游发现、翻译与验证层，输出可移植的静态产物。
roundtable
Roundtable 是一个多智能体辩论议会工具：主智能体充当 Captain，并行调度 Scholar、Engineer、Muse 三个专业子智能体分析复杂问题，可选第二轮交叉质询，最后由 Captain 综合出结论、共识与分歧。
skill-scope
用于在构建或重构 Claude 技能前，判断其边界应如何划分：一个技能包含什么、拆分什么、合并什么，以及是否需要新建技能，最终给出明确结论并交给 skill-creator。
fable-diagnosis
fable-diagnosis 是一项聚焦排障思维的技能：把“似曾相识”的模式识别当作假设而非结论。它不提供调试步骤，而是规定如何在调查 bug、测试失败或异常行为时权衡证据，强调证据优先、闭环诊断与改动前先看目标。