agent-protocols
该技能用于修复 IsAgentReady.com 扫描中“Agent Protocols”类别（占 15% 权重）的问题，帮助网站通过标准化协议被 AI 智能体发现和调用，涵盖 WebMCP 声明式标注与清单、Google A2A Agent Card、MCP 发现文档、OpenAPI 规范及 agents.json 六项检查点。
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 10-19 00:11
智能体与模型
24,149 个结果
bingx-coinm-trade
BingX Coin-M（币本位/反向永续合约）交易技能，提供下单、撤单、持仓管理、杠杆与保证金设置等需 HMAC SHA256 签名认证的接口，适用于 BTC-USD 等 BASE-USD 交易对。
agentation
Agentation 是一个用于 Next.js 项目的可视化反馈工具栏，可让用户在浏览器页面中标注反馈，并在需要时通过 MCP 服务器把反馈同步给编码智能体。
langchain
LangChain 与 LangGraph 是用于构建 LLM 应用的开发框架，支持可组合链、RAG 管道、智能体工作流与复杂编排。资料提供安装命令、LCEL、RAG、LangGraph 智能体、结构化输出、记忆、流式与 LangSmith 追踪示例。
bedrock
Amazon Bedrock 是 AWS 提供的托管式生成式 AI 服务，通过统一 API 访问多家 AI 公司的基础模型（FM），用于构建文本生成、嵌入向量和图像生成等生成式 AI 应用。它提供 bedrock-runtime 与 bedrock-mantle 两类端点，支持 InvokeModel、Converse、Anthropic Messages、OpenAI Responses/Chat Completions 等 API，并涵盖 Guardrails、跨区域推理、提示路由、应用推理配置文件等能力。模型来源包括 Anthropic Claude、Amazon Nova/Titan、OpenAI GPT/gpt-oss、Meta Llama、Mistral、Stability AI Stable Image 等。计费方式分为按 Token 的按需推理、按小时承诺的预置吞吐量以及折扣的批量推理。该技能文档还整理了模型访问与授权、推理配置文件与模型生命周期、知识库与 Agent、CLI 命令参考、最佳实践与常见故障排查等内容。
scenarios
LangWatch 的 scenarios 技能，用于通过模拟场景测试 AI 智能体。支持用 @langwatch/scenario（Python 为 langwatch-scenario）编写代码测试，或用 langwatch CLI 创建平台场景，内置用户模拟、评判评估、多轮对话与红队测试。
ml-system-design-review
用于评审 ML 系统设计文档、ML/AI 项目仓库、设计文档 PR、RAG/LLM/基础模型架构与智能体工作流的技能，基于 Kravchenko 与 Babushkin 的 ML System Design 框架给出按影响排序的评审报告。
diagnose-why-work-stopped
该技能用于诊断 Paperclip 中停滞、循环或过度恢复的问题树，并给出无需编码的产品规则方案。它是一套可重复执行的诊断与产品设计流程，而非工程实现：输出为书面根因分析和经批准的计划，不产生代码变更。适用于被问及“工作为何停止”“为何循环”“如何避免再次发生”等场景，也用于在做出产品变更前进行取证、根因分析或撰写报告。技能强调三条不变量：有明确下一步的工作应持续进行；只有真正的阻塞才应停止工作；恢复与延续循环必须有界，不得无限循环。执行时先阅读执行语义文档，再对指定问题树逐节点取证，调查近期相关工作，对每个未推进的问题分类，将结论表述为通用产品契约，写入计划文档并请求确认，获批后再分解子任务。
data-analysis-agent-business-intelligence
Data Analysis Agent 是一个对话式商业智能系统，让非技术用户用自然语言完成数据分析：自动生成并执行 SQL、推荐图表、输出业务洞察，支持 Excel/CSV 与多种数据库，并提供实时 SSE 流式输出。
tradingagents-astock-multi-agent-framework
TradingAgents-Astock 是面向中国 A 股市场的多智能体投资研究框架，编排 7 个 AI 分析师生成研报，进行多空辩论与三方风险评估，并给出交易决策，内置 T+1、涨跌停、最小交易单位等 A 股约束，使用免费中文数据源。
ai-ml-skills
来自 wentorai/research-plugins 的 AI 与机器学习技能集合，共 27 个技能，覆盖模型训练、深度学习、自然语言处理、计算机视觉等方向，并包含框架、基准评测与论文指南。触发场景为机器学习实验、模型训练、深度学习、NLP、计算机视觉等。
engineer-agentic-ai
面向 AI 智能体工程化的技能：把自然语言描述的智能体行为需求，转化为目标运行时能观察、触发、执行、持久化与验证的具体机制，覆盖指令、技能、路由、工具、MCP 服务器、钩子、权限、插件等。
skill-creator
Skill Creator 是一个用于创建新技能、迭代改进现有技能并衡量技能表现的工具型技能。它可以引导用户从零开始定义技能目标、撰写 SKILL.md 草稿、设计测试用例，并通过运行对比实验与量化评估来验证和改进技能效果。适用于用户想要创建技能、编辑或优化技能，或需要评估技能触发与输出表现的场景。
agent-swarm-workflow
Jeffrey Emanuel 的多智能体并行实现工作流，基于 NTM、Agent Mail、Beads 与 BV，用于规划与 bead 创建之后的执行阶段，让多个通用智能体通过任务图与消息协调并行开发。
skill-studio
Skill Studio 是一款访谈驱动的自动化设计工具，通过结构化 JTBD 访谈明确要构建什么、为谁构建、为什么构建，最终产出一页 design.md 与 design.svg 规格，介于自动化评估与技能打包之间。
bro-remember-it
该技能用于维护项目的持久知识层，补充上下文、功能与 playbook。当用户明确要求记住项目决策或保存信息时使用。技能按角色与流程操作，不负责创建任务工作产物。
create-agentic-app
用于脚手架并完整配置 Agentic Coding Starter Kit 项目的技能：基于 Next.js 16、TypeScript、Better Auth、Drizzle、PostgreSQL 与 AI SDK，引导用户从零到在 http://localhost:3000 运行并验证项目。
nemo-relay-instrument-typed-wrappers
用于在 NeMo Relay 中为工具或 LLM 集成添加类型化包装器、领域类型与提供方编解码器，同时保持 JSON 中间件语义和调用方可见行为不变。
vllm-bench-random-synthetic
该技能用随机合成数据对 vLLM 服务进行快速性能基准测试，测量请求吞吐、Token 吞吐、TTFT、TPOT 与 Token 间延迟，无需下载数据集，适合快速评估部署性能或获取基线数据。
claw-multi-agent
claw-multi-agent 是面向 OpenClaw 的多智能体并行编排技能，把单个 AI 扩展为 Agent 小队，用于并行调研、多模型对比、代码流水线与批量处理，适合研究、写作与开发等需要并行的任务。
accelint-onboard-agents
用于将代码仓库接入智能体驱动开发的技能：通过行为导向的发现与结构化访谈，生成或刷新完整的 AGENTS.md 或 CLAUDE.md，明确 AI 编码代理在该仓库中应如何行事。
self-improve
self-improve 是一个会话学习闭环技能：在产出可复用经验的会话后，识别、分类并路由学习成果到项目记忆、全局 CLAUDE.md 或新技能，经用户确认后应用。
noodle
Noodle 是一个可自主运行技能（skills）的 CLI 调度工具。技能通过 schedule 字段描述运行时机，调度代理读取项目状态并生成 orders，循环在隔离 worktree 中派发代理执行任务，完成后合并回主分支。
hyperagents-self-improving-ai
HyperAgents 是一个构建自指自我改进 AI 智能体的框架，通过元智能体迭代生成并评估代码修改来优化任务智能体，支持代码生成、推理、数学等领域，可对接 OpenAI、Anthropic 与 Google Gemini 模型，并使用 Docker 提供安全执行环境。