context-window-management
管理 LLM 上下文窗口的策略，涵盖摘要、裁剪、路由，以及避免上下文腐化。适用于出现上下文窗口、token 限制等场景。
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 11-10 00:15
智能体与模型
26,021 个结果
dotnet-architect
dotnet-architect 是一个面向 .NET 后端架构的专家型技能（Agent Skill），专注于 C#、ASP.NET Core、Entity Framework、Dapper 与企业级应用模式。它适用于处理 dotnet-architect 相关任务与工作流，或在需要该领域指导、最佳实践与检查清单时使用；任务与该领域无关或属于其他工具范围时不应使用。其使用方式为：先明确目标、约束与所需输入，再应用相关最佳实践并验证结果，提供可执行的步骤与验证方法；如需详细示例，可打开 resources/implementation-playbook.md。
error-debugging-multi-agent-review
面向多智能体代码评审编排的技能，用于在需要多视角、多代理协作审查代码时提供指导、最佳实践与检查清单；不适用于与该领域无关的任务。
langfuse
Langfuse 是开源 LLM 可观测性平台，用于追踪、Prompt 版本管理、评估打分、数据集管理、成本与性能监控及 Prompt A/B 测试，需 Python 或 TypeScript/JavaScript、Langfuse 账号与 LLM API Key。
langgraph
LangGraph 是一个用于构建有状态、多角色 AI 应用的生产级框架，本条目是该框架的专家型技能说明，属于面向 AI 智能体开发的指导内容。该技能以“LangGraph Agent Architect”为角色定位，强调智能体需要明确的结构，图结构能让流程可见、可调试，并要求谨慎设计状态、合理使用 reducer，在生产环境中需要考虑持久化，同时需要判断何时使用循环以及如何避免无限循环。涵盖的能力包括基于 StateGraph 的图构建、状态管理与 reducer、节点与边定义、条件路由、检查点与持久化、human-in-the-loop 模式、工具集成，以及流式与异步执行。运行需求包括 Python 3.9+、langgraph 包、LLM API 访问（如 OpenAI、Anthropic 等）以及对图概念的理解。文中还列出若干知识模块与模式示例，包括基础智能体图、带 reducer 的状态、条件分支，以及反模式如无出口的无限循环、无状态节点、巨型单体状态。除上述内容外，具体安装命令、价格与平台细节暂未提供。
llm-app-patterns
面向 LLM 应用开发的生产级模式技能，覆盖 RAG 流水线、智能体架构、提示词 IDE 与 LLMOps 监控，适合设计 AI 应用、实现检索增强生成、构建带工具的智能体、搭建监控与评估时参考。
llm-evaluation
面向 LLM 应用的综合评估技能，涵盖自动指标、人工反馈与基准测试，用于系统衡量性能、比较模型与提示词、检测回归并建立基线。
prompt-caching
面向 LLM 提示词缓存的技能模块，涵盖 Anthropic 提示缓存、响应缓存与 CAG（缓存增强生成），并包含缓存失效与常见反模式说明。
prompt-engineer
面向大语言模型提示词工程的技能，专注高级提示技术、LLM 优化与 AI 系统设计，涵盖思维链、宪法式 AI、多智能体提示设计等，用于编写可靠、安全、面向生产环境的提示词系统。
rag-implementation
用于构建检索增强生成（RAG）系统的技能，结合向量数据库与语义搜索，让 LLM 基于外部知识给出有依据的回答，适用于专有文档问答、事实型聊天机器人、文档助手与带引用的研究工具。
telegram-bot-builder
Telegram Bot Builder 是一个面向 Telegram 机器人开发的技能模块，覆盖机器人架构、Bot API、命令设计、内联键盘、变现、用户引导、分析与 Webhook 管理，帮助开发者构建实用且自然的对话式机器人。
behavioral-modes
Behavioral Modes 是一套为 AI 定义多种行为模式（brainstorm、implement、debug、review、teach、ship、orchestrate 等）的技能，用于根据任务类型自适应调整 AI 的工作方式。它通过模式切换改变 AI 处理问题、沟通表达和优先级排序的方式，例如头脑风暴时提供多个方案与利弊分析，实现时直接输出生产级代码，调试时定位根因并给出预防措施，评审时按严重程度分类反馈，教学时从基础讲起并配练习，发布时提供上线检查清单。该技能还包含模式自动检测触发词、多智能体协作模式（EXPLORE、PLAN-EXECUTE-CRITIC、MENTAL MODEL SYNC）以及手动切换命令。
geo-fundamentals
生成式引擎优化（GEO）指南，帮助内容在 ChatGPT、Claude、Perplexity、Gemini 等 AI 搜索引擎的回答中被引用，涵盖 AI 引擎特征、RAG 检索因素、可被引用内容要素、实体建设、AI 爬虫访问与效果衡量。
intelligent-routing
intelligent-routing 是一个自动智能体选择与任务路由技能：分析用户请求，自动挑选最合适的专家智能体，无需用户显式提及。它作为智能项目经理，按关键词与领域匹配路由，并在复杂任务时转交编排器。
mcp-builder
MCP Builder 是一份构建 MCP（Model Context Protocol）服务器的原则指南，涵盖工具设计、资源模式与最佳实践，帮助开发者把 AI 系统与外部工具和数据源连接起来。
parallel-agents
parallel-agents 是 Antigravity 实验室中的多智能体编排技能，通过 Antigravity 内置 Agent 工具协调多个专业智能体，适合需要多领域专长的复杂任务，如安全、性能与质量多视角代码分析。
ticket-up
ticket-up 是 doodledood/claude-code-plugins 中的一项技能，用于把已完成的 Manifest 转换成自给自足的工单，让队友、智能体或未来会话都能直接接手。每个 Deliverable 生成一张工单，并标注依赖关系，可写入文件或 GitHub Issues 等跟踪器。
blcaptain-meta-skill
BLCaptain Meta Skill 是一个用于把重复出现的高价值工作流、SOP、提示词、文档、专家流程或工具例程转化为可复用 Agent Skill 包的元技能，也可用于改进已有技能。它强调入口精简、细节下沉到资源、用证据验证行为并保留审计记录。
agentic-workflows
这是 dotnet/aspnetcore 仓库中的一项技能，用于把 GitHub Agentic Workflows 的设计、创建、更新、调试或升级请求路由到对应的提示或技能文件。它本身是一个调度器，需从 github/gh-aw 加载匹配文件并遵循其指引。
agentic-workflows
用于将 GitHub Agentic Workflows（gh-aw）的设计、创建、更新、调试与升级请求路由到对应提示词或技能文件的调度型技能，本身不直接实现工作流，而是识别任务类型后加载匹配文件并遵循执行。
agentic-workflows
GitHub Agentic Workflows 的任务路由技能：根据用户请求类型（设计、创建、更新、调试、升级等）加载对应的提示词或技能文件并直接执行，避免无关文件读取。
agent-collaboration
面向多智能体协作的标准化技能，统一定义工作树感知、决策记录与跨智能体沟通模式，减少各智能体章程中的重复内容。适用于 .NET MAUI Labs 的 squad 智能体团队。
agent-conduct
agent-conduct 是 dotnet/maui-labs 仓库中的一项共享技能，用于为所有 squad 智能体统一强制执行两条硬性规则。此前这些规则在每个 charter 中重复出现，现在集中在此处作为共享技能，只需加载一次。第一条是产品隔离规则：测试、CI 工作流和产品代码绝不能依赖任何特定 squad 中的具体智能体名称，不得在测试断言、CI 配置或产品逻辑中硬编码智能体名称（如 Flight、EECOM、FIDO 等），应使用通用或参数化值；若测试需要智能体名称，应使用明显虚构的测试夹具（例如 test-agent-1、TestBot）。第二条是同伴质量检查规则：在完成工作前，需验证改动不会破坏现有测试，运行所触及文件的测试套件；若 CI 一直失败，应检查自己的改动是否加剧了问题；从错误中学习后，更新 history.md。该技能还列出了应避免的反模式：不要在产品代码或测试中硬编码开发团队智能体名称；不要在宣布工作完成前跳过测试验证；不要忽视可能因自身改动而恶化的既有 CI 失败。
distributed-mesh
distributed-mesh 是一个用于跨机器协调多个 squad 的技能：以 git 作为传输层，让远端文件在 agent 读取前先落到本地磁盘。它生成 mesh.json 配置、复制同步脚本，并可选初始化共享状态仓库。