running-headless-orchestrator
该技能让智能体自行启动 agent-relay 中继基础设施，并自主生成、监控和管理一组工作智能体，实现无人干预的多智能体编排。
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
setting-up-agent-relay-desktop
在 macOS 或 Linux 的 Codex 或 Claude 会话中，端到端安装或修复 Agent Relay Desktop 的技能，涵盖校验安装、无界面 systemd 服务、设备登录、共享与自动激活、直接投递及 webhook 集成订阅。
setting-up-agent-relay-sessions
用于在 Claude Code 或 Codex 会话中端到端配置 Agent Relay 实时智能体交接的技能，由智能体自身通过 shell 与 MCP 工具完成安装、登录、上传器健康检查、会话注册及双向交接验证。
setting-up-relayfile
Relayfile 是一个把 Notion、Linear、Slack、GitHub 等第三方服务挂载为本地文件的工具，让智能体通过文件系统读写这些服务而无需直接调用 API。本技能介绍从初始化、连接集成到验证挂载与回写的完整设置流程。
using-agent-relay
Agent Relay 参与者技能：面向已注册的 relay 智能体（被派生的 worker 或调用 register_agent 的 lead），用于通过 MCP 工具或 CLI 与同伴实时协作，包括工作区与身份管理、频道、私信、线程、收件箱、表情回应、动作调用及 worker 派生与释放。
agnt-cli
agnt-cli 是 agnt-gm.ai 悬赏平台的命令行工具（agnt），供智能体浏览项目与任务、领取并提交工作，也可用于 CI/CD 智能体场景。支持 GitHub OAuth 登录、API 密钥管理、项目创建与发布、任务查看，以及平台统计与排行榜查询。
bootstrap-mcp
bootstrap-mcp 是一个用于在 Phoenix 应用中搭建 Streamable HTTP MCP 服务的技能，基于 ExMCP 1.1（azmaveth/ex_mcp），带 Bearer 鉴权与 Phoenix/Bandit 适配器。适用于用户说“bootstrap mcp”时，为现有 Phoenix+PostgreSQL 项目添加生产级 MCP 端点。
project-scaffold
用于搭建便于智能体长期自主执行的项目结构，生成 AGENTS.md、specs、workflows、TODO.md 等文档骨架。适用于新项目启动、旧项目补文档或恢复长期任务；不适用于单文件脚本或快速修复。
dispatching-parallel-agents
这是一个用于并行调度多个 AI 智能体的技能，适用于处理 2 个以上相互独立、无共享状态或顺序依赖的任务。其核心原则是按独立问题域各派一个智能体并发工作，例如多个测试文件因不同根因失败、多个子系统独立损坏等场景。技能提供了识别独立域、创建聚焦任务、并行派发、审查整合的完整模式，并给出智能体提示词的结构建议与常见错误提醒。
aigo-client-collab
AI GO 客戶協作開發技能，供非程式背景的客戶（如會計師、人資、業務）與技術端協作開發 AI GO app 時使用。客戶可以說「用協作開發模式」「我不知道怎麼開始」「我想加／改一個功能」「畫面怪怪的」「有東西壞了」「讀這個 issue 開始研究」「接續上次」「幫我上線」等情境觸發。技能涵蓋需求釐清、實作、上線、修問題、解釋現況、研究 issue 與接續上次，並定義紅線交由工程師處理，全程用白話與客戶溝通。
aident-loadout-skill
Aident Loadout 是 Aident 平台面向 AI 助手与编程智能体的托管集成层，通过 CLI 或 MCP 统一接入 1000+ 外部工具与平台，提供 OAuth/Vault 连接管理、实时动作 schema、执行与审计记录。
baseline-extraction-for-clinical-trials
该技能从临床试验文章文本或 PMID 中提取研究、地区、参与者等基线数据，先查 PubMed 元数据，再回退到 LLM 提取完整信息，输出结构化 JSON，适合需要可复现数据分析流程的场景。
phi-prompt-guard
面向 LLM 工作流的运行期 PHI 行为护栏技能，用于识别提示中的受保护健康信息，减少 PHI 进一步进入模型上下文，并引导用户改用去标识化或合成数据。
borzoi
Borzoi 是由 DNA 序列预测全基因组功能轨迹的模型技能，可预测 RNA-seq、CAGE、DNase、ChIP 等轨迹，并用于评估变异的调控效应。基于 PyTorch，需 GPU 与大显存运行。
diffdock
DiffDock-L 是一个盲对接扩散模型，输入蛋白结构与配体即可预测小分子结合构象，并用独立训练的置信度头对采样结果排序。置信度反映构象正确性而非结合自由能，不能用于判断是否结合或亲和力强弱。代码与权重为 MIT 许可。
evo2
Evo 2 是一个长上下文基因组基础模型技能，用于对 DNA 序列进行打分、嵌入和生成。支持逐核苷酸或逐序列似然计算，可加载 7B/40B 等模型，需 GPU 与 CUDA 环境。
machine-learning
这是一个面向机器学习全生命周期的开发技能，覆盖从问题定义、数据准备、特征工程、模型选择与训练、评估、超参数调优到生产部署与监控维护的完整流程。适用于构建 ML 管道、训练与选择模型、调优与优化、模型服务部署、实验追踪与版本管理、生产监控等任务。内容提供分类、回归、聚类、排序、异常检测等问题的成功指标参考，数据质量与切分策略，按数据规模与问题类型推荐算法，常用超参数说明，不平衡数据处理方法，模型服务模式与生产考量，监控指标与重训触发条件，以及 MLOps 实践（实验追踪、模型版本目录结构、CI/CD）。可与 performance、testing、database-optimization、debugging 等技能集成。具体价格、平台限制与安装方式暂未提供。
prd-to-appspec
将产品需求文档（PRD）转换为面向 AI 编程智能体的结构化 XML 应用规格（app_spec.txt）的技能，把含代码片段与实现细节的开发者型 PRD 转化为声明式需求描述。
matt-pocock
一个元技能（meta-skill），按 Matt Pocock 的规划与执行理念对软件工作进行分类与路由，强制先规划后执行。适用于用户提到 Matt Pocock、PRD 优先规划、PRD 转 issue 等场景。
overdo-orchestrate
overdo-orchestrate 是一个通过 MCP 安全执行 Overdo 任务图的技能，支持租约感知调度、验证循环、重试与升级，以及可恢复的进度管理。
llama-cpp
llama.cpp 是一个用纯 C/C++ 编写的 LLM 推理工具，依赖极少，专为 CPU 和非 NVIDIA 硬件优化。它适合在纯 CPU 机器、Apple Silicon（M1/M2/M3/M4）、AMD 或 Intel GPU（无 CUDA）以及树莓派等边缘设备上运行大语言模型，也适合需要无需 Docker/Python 的简单部署场景。它支持 GGUF 量化格式，提供命令行推理、交互式聊天和 OpenAI 兼容的服务器模式，并可通过 Metal、CUDA、ROCm 进行硬件加速。
long-context
Long Context 是一个用于扩展 Transformer 模型上下文窗口的技能，基于 RoPE、YaRN、ALiBi 和位置插值（Position Interpolation）等技术。适用于处理 32k、64k、128k+ token 的长文档，扩展 LLaMA、Mistral 等预训练模型的上下文长度，实现高效位置编码、长度外推训练，以及以较低算力微调模型以支持更长上下文。技能提供各技术的原理说明、代码示例、HuggingFace 集成方式、微调流程与生产部署建议。
awesome-agent-skills
awesome-agent-skills 是一套面向 Agent Skills 的路由入口技能，把 19 个专家角色技能与一个自改进优化器整合为 6 条参考流水线。它先分类任务类型，再选定流水线与角色，加载该角色的框架并按其格式输出结果，适用于代码评审、调研、写作、规划与数据分析等知识工作任务。
okf-agent-memory
okf-agent-memory 是 okf-memory/okf-agent-memory 项目的操作指南技能，用于操作该独立项目的 Go CLI 与 stdio MCP 服务器，实现 Git 原生的项目记忆（上游称其包格式为 OKF v0.2）。本技能是操作说明，不是该运行时或其内置 okf-memory 技能的副本。