agent-tests
Agent Tests 是一套可由智能体或人工执行的端到端测试方案，使用真实 CLI 命令验证工作流，不做模拟。测试定义放在 .agents/tests/<test-name>/ 目录，以 TEST.md 为唯一事实来源，可选脚本与测试数据。
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 11-08 00:04
智能体与模型
25,870 个结果
find-skills
find-skills 是用于发现和安装开放智能体技能生态中技能的工具。当用户询问“如何做某件事”“有没有某项能力”或想扩展智能体功能时，它可搜索匹配技能并给出安装命令，支持 npx skills find/add/check/update 等操作。
install-zapier
安装并连接 Zapier，并引导用户选择合适的使用方式（MCP、SDK 或 CLI）。适用于用户以文字或语音提出安装、添加、连接或设置 Zapier 的请求。
agent-help
面向 CLI 开发者的构建期实现技能：为命令行工具加入 --agent-help 与 --agent-out，让智能体能自行发现、调用并解析该 CLI。资料未提供安装命令。
agent-readiness
对代码仓库进行只读的“智能体就绪度”审计，依据 86 项检查（分 Bronze 至 Diamond 五档）评估代码质量、测试、文档与安全等维度对自主 AI 编程智能体的支持程度，并生成就绪度报告。
probe
Probe 是用于与 Zenon Network 的 Nexus 交互的命令行工具，智能体可通过它创建钱包、认证，并管理想法、项目、任务、认领及 PR/Issue 关联等协作流程。
mcporter-mcp-first
Mcporter MCP First 是一个技能，要求任务涉及 MCP 工具或内部应用连接器时，优先检索并检查 mcporter 的服务器与工具，再调用 MCP 工具，最后才回退到 REST、浏览器抓取或原始 git。
skill-agent-broadcast
skill-agent-broadcast 是一个跨会话信号路由器，可将同一条消息同时发送到多个 OpenClaw Telegram 或 Discord 群组，适合跨智能体协调、告警与通知。
gm-agent-docs
为项目生成 CLAUDE.md 与 AGENTS.md 的 agent 指令文件技能：先扫描项目结构（命令、测试、代码风格、Git 工作流、边界），再输出命令优先、按任务分区的配置文档。
verify-team-skill-quality
用于审查与优化 Agent Skill 质量的技能，覆盖 SKILL.md、技能 description、触发边界、STOP 条件、输出契约、progressive disclosure 与 trigger/task eval；不适用于普通业务文档或仅消费现有技能的任务。
melange-qcom
melange-qcom 是 ZETIC Melange 平台面向 Qualcomm 端侧 AI 工作的命令行工具与 MCP 服务器，用于模型上传/导入、转换、基准报告、目标选择与部署代码生成，并与 melange 共享账号、凭据、仓库和本地状态。
agent-spec-intent-compiler
将 PRD 或 issue 文本转化为受治理的 KLL 需求与任务规格的技能，支持需求导入、计划、问答与反向访谈，需人工确认后才写入 KLL 真值。
skill-crafter
基于 Google ADK 五大设计模式的 Agent Skill 构建器，用于从零创建高质量 Skill，或重构、评审现有 Skill。提供 Tool Wrapper、Generator、Reviewer、Inversion、Pipeline 五种模式及决策树，帮助确定 Skill 内部逻辑设计。
competition-agent-cloud
面向 CTF 沙箱编排的下游专用技能，聚焦提示注入、MCP/工具链、云、容器与 CI/CD 场景下的路径判定与最小化复现。
orchestration
用于多工作流编排模式选择的技能，参考 Microsoft Azure 四种 Agent 编排模式（顺序、并发、交接、动态），帮助决定任务串行、并行或动态规划，适用于跨工作流协同任务。
wbs-decomposition
WBS 任务分解技能用于把项目目标拆解为可执行的工作包，适用于项目启动、Sprint 规划、需求拆任务等场景，核心是依据 WBS（Work Breakdown Structure）逐层分解到 5~60 分钟粒度，并为每个任务明确定义负责工作流、可验证的完成标准、工期和输出物。
decisions
Zoom AI Services Decisions 是 Zoom AI Services 提供的决策类 API，用于让应用获得类型化答案与概率分布，而非开放式生成文本。它支持四类用途：predicate 判断某一明确条件的概率、choice 从调用方给定封闭选项集中返回唯一结果及每个选项的概率、score 在有序等级上返回概率加权位置、以及通过 structured input_image 做图像分类或显式图像比较。接口为 POST https://api.zoom.us/v2/aiservices/decisions/decide，需 x-api-key（作用域 aiservices:write:decide:admin），密钥应在服务端保管，并配置超时、有限重试与响应归一化。该服务不适用于开放式写作、事实查询或无约束抽取，也不能当作应用安全或授权边界；转写、摘要、翻译应分别路由到 Scribe、Summarizer、Translator。
voice-agent
Zoom AI Services 的实时语音智能体技能（Voice Agent V2），通过 WebSocket 建立麦克风实时对话：服务端转写语音、执行一轮 AI 推理，并流式返回语音或文本。支持 VAD（语音活动检测）、PCM16 音频输入输出、语音转语音对话、函数工具调用，以及打断取消与对话截断。密钥仅在服务端使用，浏览器需经由可信中继转发。适合把实时语音交互接入应用，不用于单文件转写摘要、会议实时流或纯文本处理。
build-zoom-virtual-agent
这是 Zoom Virtual Agent 的参考型技能，用于在虚拟坐席工作流中实现 Web 嵌入、Android WebView 包装和 iOS WKWebView 包装等集成，并涵盖知识库同步与自定义 API 数据接入。该技能提供路由规则：当用户要在 Zoom 客户端内实现 Contact Center 应用界面时，链接到 contact-center 技能；当需要进行后端知识库增删改查或自动化脚本时，链接到 rest-api 与 oauth 技能；当仅涉及网站机器人嵌入和活动控制时，留在 web 平台技能；当涉及 Web 聊天移动原生包装时，转到 android 或 ios 平台技能。文档还列出架构与生命周期、高层场景、版本漂移、示例验证、环境变量、常见漂移与故障排查，以及一份 5 分钟预检与调试清单的 RUNBOOK。
design-mcp-workflow
这是一个面向 Claude 等支持 MCP 的客户端的 Zoom MCP 工作流设计技能，用于判断何时应通过工具调用让 AI 与 Zoom 交互，而不是仅使用确定性 API 代码。技能覆盖 MCP 适用性评估、REST API 与 MCP 的边界划分、混合架构、连接器预期以及白板相关的 MCP 路由。工作流程包括：先判断问题是智能体工具化、确定性自动化还是两者兼有；将纯 MCP 任务路由至 zoom-mcp，将混合任务路由至 zoom-mcp 与 rest-api；若以白板为核心则路由至 zoom-mcp/whiteboard；若客户端需手动注册应用则路由至 setup-zoom-marketplace-app 并选择匹配的 MCP 模板；同时明确说明传输、认证与客户端能力假设。常见错误包括：对应留在 REST 的确定性后端任务使用 MCP、将 MCP 视为所有 API 设计的替代、忽略客户端传输支持与认证要求。
naiba-openai-executives
面向高管的ChatGPT提示词集合，属于naiba-openai-work-assistant，提供20多个高管场景提示词，涵盖投资者与市场情报、组织沟通、战略决策和数据分析等用途。
cornell-notes-prompt
输入学习主题即可生成康奈尔笔记风格信息图的提示词生成器，生成的提示词可用于 ChatGPT（GPT-4 + DALL-E）出图。
semantic-memory
OpenClaw 智能体的本地语义记忆插件，使用 Transformers.js 向量嵌入实现对话记忆的存储、搜索与回忆，完全本地运行，无需 API Key。
benchmark-loop
benchmark-loop 是 VibeHQ 项目中的一个自动化基准测试循环技能。它接收单个项目提示（project prompt），自动完成团队设计、基准运行、结果分析、框架代码优化、重建并重复迭代的完整闭环，全程无需人工干预。技能会先解析提示词，依据独立工作域原则确定最小有效团队配置（每个智能体负责一个独立目录），生成项目经理与各角色的系统提示，并写入配置文件与循环状态。随后为每一轮迭代创建全新目录，启动 hub 并派生智能体，等待基准任务全部完成。完成后进行静态分析并结合 hub 状态生成评分卡，从协作、并行度、产出质量与成本效率四个维度评估，按 A 到 F 分级。技能内置续跑机制（读取 loop-state.json）、停止条件检查、轮次上限、目标等级与端口等参数，并在每次迭代后调用优化流程修复问题、重新构建，从而形成自我改进的循环。