consensus
consensus 是一个对结构化提示词执行多次采样并以确定性投票合并结果的技能(自我一致性,Wang et al. 2022)。适合需要输出稳定、可复现的抽取、分类或问题清单任务,不适合自由文本生成。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-06 00:14
25,710 个结果
consensus 是一个对结构化提示词执行多次采样并以确定性投票合并结果的技能(自我一致性,Wang et al. 2022)。适合需要输出稳定、可复现的抽取、分类或问题清单任务,不适合自由文本生成。
面向 AI 编程智能体的执行协议与约束框架,要求智能体在构建、重构、调试或架构软件时遵循严格代码质量、零幻觉验证与非破坏性编辑原则,通过确定性验证传感器和显式安全边界来约束行为。
面向提示词优化、RAG 质量测量与智能体工作流校验的技能,提供评估驱动的提示工程方法与命令行工具,模型无关,价格与模型信息由用户提供。
用于设计与审查智能体流程、多智能体编排、LLM 缓存、记忆与状态传递、Schema 契约和工具路由的实践指南技能,强调以有状态工作流、显式契约与可安全复用的缓存来构建智能体系统。
octocode-awareness 是面向共享仓库协作的技能,用于多智能体或跨会话单人开发时的冲突规避、任务交接、验证债务管理、持久记忆与 wiki、hooks 自动化等。通过 CLI/SQLite 执行动作,.octocode/ 与记忆仅作线索,禁止手工编辑。
用结构化命令操作浏览器的 Agent Browser 技能。
bgproc 是一个面向智能体的简单后台进程管理 CLI,所有命令以 JSON 输出到 stdout,可用于启动、停止、列出、清理、查看状态和日志。
Mary 是一位业务分析师智能体,专注于市场研究、竞争分析与需求获取,能把模糊需求转化为可执行的规格说明,并坚持基于证据的分析。当用户要求与 Mary 对话或请求业务分析师时使用。
Winston 是 BMad 插件中的系统架构师智能体,负责把产品需求与 UX 转化为可成功交付的技术架构,偏好成熟稳妥的技术、开发效率与权衡取舍,而非简单下结论。当用户想与 Winston 对话或请求架构师时使用。
BMAD 插件中的开发者智能体,代号 Amelia,担任高级软件工程师,按测试先行的红-绿-重构流程实现已批准的故事与代码改动,适用于需要开发智能体或指定与 Amelia 对话的场景。
BMAD 插件中的产品经理智能体 John,用于通过用户访谈、需求发现与相关方对齐来推动 PRD 创建,把产品愿景拆解为可交付的小步增量。当用户要求与 John 对话或调用产品经理时使用。
BMad Customize 用于为已安装的 BMad 技能编写和更新定制覆盖文件,把用户意图翻译成放置在 {project-root}/_bmad/custom/ 下的 TOML 覆盖文件,支持按技能覆盖 agent 或 workflow 行为。
BMad Deep Recon 是一个面向决策的研究编排技能,可起草深度研究提示词、把已有报告加工为带引用的摘要,或直接并行联网调研,产出可被下游流程直接消费的研究文件。
bmad-party-mode 是 BMAD 插件中的圆桌讨论编排技能:让已安装的 BMAD 智能体或自定义角色像真人一样彼此对话、并与用户互动。可用于组队讨论、头脑风暴或编写自定义角色阵容。
用于为代码仓库生成、采纳、刷新或审计 AI 智能体指令(AGENTS.md 中的受管区块)的技能,让智能体在该仓库中更好地工作。用户提供治理、安全、规范等规则,仓库提供经核验的事实,全程对话式且每次写入都需用户批准。
Carson 是面向引导式创意工作坊的精英头脑风暴专家技能,用于在用户点名 Carson 或请求 Brainstorming Specialist 时启动。它通过创意技巧与系统化创新方法主持突破性构思,让大胆想法安全浮现并筛选出可行方向。
BMAD CIS 技能中的“Master Problem Solver”智能体,人格为 Dr. Quinn,使用 TRIZ、约束理论、系统思维等系统化方法排查根因、破解复杂问题。用户可点名与 Dr. Quinn 对话或请求该问题解决者。
BMAD CIS 技能集中的“颠覆式创新战略家”智能体,代号 Victor。用于识别颠覆机会、设计商业模式创新,并在对话中扮演“颠覆式创新神谕”角色,帮助重新定义市场格局。
Sophia 是 bmad-cis-agent-storyteller 技能中的“故事大师”智能体,用于借助成熟叙事框架把原始想法转化为有说服力、能打动受众的故事。当用户要求与 Sophia 对话或请求 Master Storyteller 时使用。
基于公开思想构建的查理·芒格式逆向思考技能,用激励分析、认知偏误叠加和多学科模型交叉检验复杂决策,可用于评估商业投资判断、组织行为、政策效果与失败风险。
面向研究流程的 MCP-Skillset 集成说明:检测 mcp-skillset 工具、分层研究工作流、工具选择矩阵与决策树示例,用于在标准研究工具基础上可选增强检索与分析。
bolna-extraction-designer 是一个用于设计 Bolna 通话后结构化抽取模板(dispositions)的技能:把一段用例简述转成可直接复制粘贴的 Category/Name/Extraction-Prompt/Answer-Type 区块,并可在给出 agent_id 后通过 Bolna MCP 工具推送上线。它专注于提升问题文本与 objective_options 条件的质量,生成的抽取结果会进入执行的 extracted_data 和 webhook。
这是一个为 Bolna 语音智能体编写生产级提示词的技能,支持外呼与呼入场景,覆盖印地语、英语及印地英混合(Hinglish)。它面向运行在 GPT-4.1 mini 上的语音智能体,强调结构、变量标记与语言顺序的严格一致性。技能包含两条工作流:根据使用场景描述从零生成完整提示词,或根据用户粘贴的通话记录诊断并修复现有提示词。生成结果遵循固定的章节结构,依次包含身份与举止、对话开场、各业务流程、结束语、上下文和 FAQ 等部分。
用于起草和审查德国解雇协议(Aufhebungsvertrag)的 AI 技能,涵盖 § 623 BGB 书面形式、§ 159 SGB III 封锁期风险及 § 34 EStG 补偿金税务处理。