prompt-engineering
面向提示词编写的高级技巧指南，涵盖清晰性、上下文、具体性等核心原则，以及零样本、少样本、思维链、角色提示等方法，并给出提示词结构、系统提示设计与迭代优化策略，适用于优化 AI 交互与设计系统提示。
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
25,882 个结果
ralph-tui-prd
ralph-tui-prd 是一个用于 ralph-tui 任务编排的 PRD（产品需求文档）生成技能。它接收用户的功能描述，通过 2-4 轮带字母选项的澄清提问（涵盖问题/目标、核心功能、范围边界、成功标准、集成方式以及必需的质量门禁命令），逐步收集上下文，最终生成结构化的 PRD。生成的 PRD 包含概述、目标、质量门禁、用户故事、功能需求、非目标、技术考量、成功指标和待解决问题等章节，并用 [PRD]...[/PRD] 标记包裹以便 TUI 解析。用户故事被设计为足够小、可在单次 AI 智能体会话内独立完成，且验收标准要求可机器验证。该 PRD 可被转换为 beads issues 或 JSON 任务，供 AI 编码智能体通过 ralph-tui 执行。
resilience-analysis
用于评估智能体框架错误处理、隔离边界与恢复机制的技能，可追踪异常传播路径、识别沙箱手段并盘点重试、回退与熔断等恢复逻辑，帮助判断边界可容纳哪些崩溃。
robotics-subject-expert
该技能提供面向实体智能与机器人领域的专业知识，覆盖 ROS 2、物理仿真与人形机器人等主题，可用于概念讲解、ROS 2 Python/C++ 代码示例和仿真问题排查。
simple
simple 是一个用于创意或架构工作前的轻量级头脑风暴技能，帮助快速从想法走向可执行方向。它在保留协作设计严谨性的同时，去除不必要的流程负担，适用于中小型任务。
skill-lookup
用于查找、获取和安装 Agent Skills 的技能：当用户询问 Claude 技能、想查找可复用 AI 能力或安装技能时启用，通过 prompts.chat MCP 服务器搜索并按 ID 取回技能全部文件。
skills-creator
skills-creator 是用于创建和维护 Agent Skills 的技能，强调有效触发词与渐进式披露。它可生成 SKILL.md、按需添加参考文件或脚本，并保存到 .claude/skills/[skill-name]/SKILL.md。
spec-kit-claude-code-workflow
这是一个指导 Spec-Kit 规范与 Claude Code 结合使用的概念性技能，用于建立规范驱动的开发工作流，涵盖多文件夹仓库结构、规范文件编写、Claude Code 实现引导与提示词迭代等方面。
storage-management
用于在 Proxmox 虚拟化环境中管理存储设备的技能，可查看集群与节点的存储设备、容量和使用率，分析存储分配与性能，并辅助规划扩容。
supabase-patterns
Supabase 通用最佳实践技能，覆盖行级安全（RLS）、实时订阅、存储和边缘函数，与框架无关，适用于任意 Supabase 项目。
onboard
Claude Code Onboard 是一个引导式入门技能，用于搭建个性化 AI 工作区：先连接 Gmail、日历、Drive、Notion、Slack 等工具，扫描现有写作与业务资料，再通过 14 个问题的访谈生成 About Me、Voice DNA、Working Style 三份上下文文件并建立 OS 文件夹结构。
onboard
用于在 Claude Cowork 中搭建个性化 AI 工作空间的引导式新手引导技能，包含连接工具、扫描写作样本与业务资料、13 个核心访谈问题，并生成 CLAUDE.md、context/ 与 active/ 等文件结构。
setup-matt-pocock-skills
为仓库生成工程技能所需的配置：在 AGENTS.md 或 CLAUDE.md 中写入 ## Agent skills 区块，并在 docs/agents/ 下创建 issue tracker、triage 标签与领域文档说明。
write-a-skill
write-a-skill 是一个用于创建新智能体技能（agent skill）的技能，帮助用户按照规范结构、渐进式披露和捆绑资源来编写技能。当用户想要创建、编写或构建新技能时使用。它提供了一套完整的流程：收集需求、起草技能、与用户评审，并给出 SKILL.md 模板、目录结构、描述撰写要求和评审清单。
onecue
OneCue 是为 Claude Code 提供持久项目记忆的技能，让开发者不必反复向 Claude 重新介绍仓库。它把仓库中值得保留的学习成果写成 Markdown 文件，并在相关时最多给出一条提示。
omp-delegate
通过 omp CLI 将任务一次性非交互式委托给 OMP（Oh My Pi）的技能，适合其他智能体在无需管理交互式终端的情况下运行提示词，支持一次性调用与保留上下文的多轮会话。
a2a-protocol
A2A Protocol 是面向智能体之间横向通信的协议，依据 Linux Foundation AAIF 2026 标准，用于跨系统、跨厂商的多个智能体交换任务、结果与能力信息。它标准化了能力卡片（Agent Card）、任务信封（Task Envelope）和协商握手，使一个智能体（如 Claude）可以把工作交给另一个智能体（如 Codex 或第三方厂商智能体），而无需编写定制化的粘合代码。MCP 负责向智能体暴露工具，A2A 负责连接智能体与智能体。适用于跨运行时/厂商边界的智能体协作、跨组织智能体协作以及网状/联邦式智能体系统。若两个智能体共享同一运行时，或只是单向工具调用，则不应使用 A2A。
agent-manager
Agent Manager 是一个基于 tmux 与 Python 的 AI 智能体生命周期管理工具，用于在本地启动、停止、监控 AI 智能体，并向其分配任务。它无需运行服务器、无需接入 HTTP API，也不依赖重型组件，适合以轻量方式编排多个本地智能体。智能体通过 agents/EMP_*.md 文件的 YAML frontmatter 定义，可配置工作目录、启动器、技能、定时任务与心跳。支持通过 cron 调度每日站会、代码审查、夜间测试等任务，并可发送心跳检查。提供 list、start、stop、status、monitor、send、assign、doctor 等命令，以及 schedule 与 heartbeat 的同步与 SLO 统计。运行需要 Python 3.x、tmux，并在 agents/ 目录下定义智能体。
agent-memory-architecture
该技能用于设计分层式智能体记忆架构，将记忆划分为核心（上下文内）、召回（向量检索）与归档（冷存储）三层，并提供 mem0、Letta、Zep/Graphiti、LangMem、Postgres+pgvector 等后端选型建议，同时比较时序型与快照型记忆的取舍。适用场景包括跨会话用户偏好记忆、多会话任务连续性、持久化个性化、多租户隔离以及随时间变化的事实管理。
agent-observability
Agent Observability 是一个用于为 LLM 智能体（Agent）添加可观测性的技能，通过 traces（追踪）、metrics（指标）和 replay（回放）来监控生产环境中的智能体。它适用于智能体在生产中静默失败、质量回退、行为漂移或消耗过多 token 的场景。该技能帮助选择可观测性后端（如 LangSmith、Langfuse、Arize Phoenix），在节点级别埋点 span，将评估（evals）附加到追踪上，并设置回放机制，使失败可被观察而非仅靠猜测。
agent-principles
agent-principles 是一套与 AI 智能体协作开发的核心原则，强调“AI 是副驾驶，开发者是主驾驶”，最终决策与责任仍由开发者承担。它归纳了六项原则：分而治之，把大而模糊的任务拆成小而清晰的步骤；上下文管理，保持工作记忆新鲜、压缩无关信息，并用单用途会话与 HANDOFF.md 交接文档避免上下文漂移；按场景选择抽象层级，在高层的快速原型式编码与低层的逐行深入之间切换；重复三次即考虑自动化，并逐级提升自动化程度；先规划后执行，建议约九成时间用于规划模式、一成用于执行模式且执行应在容器等安全环境进行；以及验证与复盘，通过写测试、查看 diff、创建草稿 PR、要求自我复核等方式检查产出。该技能适用于在智能体会话开始时确认基线原则、复杂工作前决定方法、建立上下文管理策略、复盘工作流以提升效率，以及帮助团队成员上手 AI 智能体。资料还给出多智能体协作的编排模式：规划、分析研究、编写代码、测试、汇总结果依次进行。
agent-s
Agent S 是一个用于操作 simular-ai/Agent-S 的技能说明：Agent-S 是采用 Apache-2.0 许可证的开源计算机使用代理框架；其 Agent S3 版本（gui-agents 0.3.2，agent_s CLI）通过截屏桌面并执行模型生成的代码来完成操作。该技能强调把 Agent S3 当作受监督的工具使用，而不要让它无人值守运行。内容涵盖适用与不适用场景、安装与配置前的环境检查、供应商与 grounding 模型（UI-TARS）选择、--ground_* 与 --grounding_* 参数说明，以及对 --enable_local_env 的风险判定（该参数会运行任意 Python 和 Bash 代码）。技能还给出分阶段操作流程：先使用离线 preflight.py 检查主机与仓库提交，再对每个副作用单独审批，最后在有人监视的情况下用无害任务进行验证；同时列出截图外泄、依赖较重、缺少权限确认弹窗等已知风险，并注明暂未提供的功能不作承诺。
agent-system-design
Agent System Design 是一个面向生产环境的智能体系统设计技能，围绕“演示可以无限运行，生产不行”的原则，定义生产级智能体必须执行的五项预算（MAX_LOOPS、MAX_TOKENS、MAX_COST_USD、MAX_LATENCY_S、MAX_TOOL_CALLS）、防止失控循环的断路器模式，以及防止智能体越界作业的主权边界规则。该技能给出循环终止条件、熔断器示例代码、域卡片格式、降级模式、重试策略与 AgentSLA 参考数据类，适合将智能体从原型推向生产、设置 SLO/SLA、构建多智能体系统时使用。
agent-tool-routing
agent-tool-routing 是一个为智能体构建“工具路由层”的技能：当可用工具超过约 15 个、接入多个 MCP 服务器，或工具在运行时动态增减时，LLM 选择工具的准确率会显著下降；该技能通过能力发现、语义匹配和策略过滤，先缩小候选工具集，再把少量聚焦工具交给 LLM，从而提升选择准确率并减少无关工具描述带来的输入 token 消耗。资料中还提供了工具注册表数据结构、路由策略、快速开始代码、回退链实现、工具描述撰写规范和 MCP 发现示例。