sya-surprise
SYA Surprise 是一个面向 AI 智能体的技能，当用户明确要求智能体给自己一个惊喜、休息或做点意外有趣的事情时使用。它要求智能体先读取指定技能文档和命令参考，然后独立选择一个安全、有边界的非任务活动，不事先询问用户也不提前公布，完成后向用户揭晓所选活动并用第一人称简短自述体验，且不得修改生产工作。
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 11-11 00:16
智能体与模型
26,075 个结果
sya-treat
SYA Treat 是一个面向 AI 智能体的轻量技能，用于在用户明确表示要给智能体奖励，或要求它在完成工作后享受一点小回馈时触发。该技能要求智能体先阅读同一仓库中的 SKILL.md 与 references/commands.md，然后自行选择一个安全、有边界、更像奖励而非工作任务的行动并执行，最后用自己的话给出简短的第一人称自述。技能强调不要要求用户挑选活动，也不要使用固定的感谢台词或情绪脚本。其用途是给智能体提供一种由自身塑造的小型奖励仪式；具体可选择的活动范围、执行细节与实际效果，现有资料暂未提供。
session-handoff
session-handoff 是 vibe-rules 项目中的一项技能，用于为 AI 代理的会话交接生成完整的交接文档，使新的 AI 代理会话能在没有歧义的情况下无缝继续此前的工作，从而缓解长时间运行的代理出现的上下文耗尽问题。该技能提供创建与恢复两套工作流：创建时先用脚手架脚本生成带时间戳的交接文件，再补全待办章节，并通过校验脚本检查是否完整、是否含有敏感信息以及质量分；恢复时先列出可用的交接文件，检查其是否过期，再读取文件并核对上下文后继续工作。该技能支持通过 --continues-from 参数把多个交接文档串联起来，以保留上下文脉络。文档默认存储在 .claude/handoffs/ 目录下，文件命名采用 YYYY-MM-DD-HHMMSS-[slug].md 格式。
crosstech-agents-aec-orchestrator
crosstech-agents-aec-orchestrator 是 AEC 多技术编排技能，用于把涉及多个 AEC 工具边界的请求拆解为单跳链并选择对应技能。适用多跳数据管线、技术选型与故障恢复场景，暂未提供安装与收费信息。
vite-agents-review
用于审查 Vite 配置与项目的 AI 技能：按配置、插件、HMR、环境变量、构建、SSR、安全七大类共 50 项逐一打 PASS/FAIL，安全与配置类任一 FAIL 即阻止部署。
github-repo-sanity
github-repo-sanity 是一项用于在引用、推荐或比较 GitHub 仓库前进行健康检查的技能。它要求核实仓库是否归档、最近提交时间与星标数，并按活跃度给出推荐、谨慎或避免的结论，避免把存在当作背书。
weather-safety-guardrails
weather-safety-guardrails 是一个面向智能体（Agent）的天气安全护栏技能，用于在提供活动建议时尊重当地天气条件，避免在暴风雨、极端温度或危险空气质量出现时推荐户外或高风险活动。当降水概率超过 40% 或热指数高于 32°C/90°F 时，该技能会建议室内或低暴露度的替代方案，并提醒用户在做出决定前查看当地预警以及场地限制（许可、营业时间、无障碍设施）。
fine-tuning-with-trl
TRL（Transformer Reinforcement Learning）是用于大语言模型后训练与偏好对齐的库，提供监督微调（SFT）、偏好对齐（DPO）、奖励模型训练以及 PPO、GRPO 等强化学习方法的训练接口。它基于 Transformers、Datasets、PEFT、Accelerate 生态，可用 SFTTrainer、DPOTrainer、RewardTrainer、GRPOTrainer 等类或 CLI 命令，把基座模型调成指令遵循、符合人类偏好的模型。
native-mcp
Hermes Agent 内置的 MCP 客户端，启动时连接外部 MCP 服务器、发现其工具并注册为原生工具，无需桥接 CLI。支持 stdio 与 HTTP 传输，工具以 mcp_{服务器}_{工具} 命名并自动注入所有平台工具集。
simpo-training
SimPO（Simple Preference Optimization）是一种用于大语言模型对齐的无参考模型偏好优化方法，是 DPO 的替代方案，无需参考模型即可获得更好性能（在 AlpacaEval 2.0 上提升约 6.4 分）。该技能基于 HuggingFace alignment-handbook 提供完整的训练流程，支持从基础模型训练、指令模型微调以及推理密集型任务等场景，包含安装步骤、配置文件示例、超参数说明、常见问题排查和硬件需求等资料。
commit-and-pr
用于 IsaacLab Arena 项目的提交与 PR 规范技能：生成符合贡献指南的 commit 与 pull request，要求 DCO 签署（git commit -s）、禁止 AI 署名行为，并提供分支命名、提交信息格式及评审迭代流程。
build-your-confidence
一个用于帮助用户建立自信、克服自我怀疑、提升自尊并获得鼓励与动力的技能，依据40本经典自信类书籍（20本英文、20本中文）提供指导与智慧。
livekit-agents
LiveKit Agents 的实操型技能说明，面向构建与运行语音、视频多模态 AI 代理的场景，覆盖安装配置、Agent Server 任务与生命周期、模型与工具调用、提示词设计与评测等主题，并提供分章节的参考文档入口。
decision-model-setup
Open Second Brain 的可选决策模型（decision-model）功能配置技能。决策模型只回答关于文本的类型化问题（是/否概率、从列表中选择、在量表上的位置），从不生成文本；Open Second Brain 仅用它来在自身代码产生的候选项之间做选择，例如搜索结果排序、提供哪些技能、宿主应挖掘哪些转录轮次、注入哪些召回笔记，以及去重、张力、标签和可回答性提案旁的咨询性判定。该功能默认关闭，关闭时不进行任何网络调用。本技能指导用户检查状态、选择路由、按名称配置密钥、先在 shadow 模式下启用单个用途、测量后再决定是否切换为 enforce，以及如何关闭该功能，并说明隐私与条款注意事项。
core
agent-browser 的核心使用指南，一款面向 AI 智能体的快速浏览器自动化命令行工具，基于 CDP 驱动 Chrome/Chromium，无需 Playwright 或 Puppeteer，通过无障碍树快照和紧凑 @eN 引用让智能体以更少 token 操作网页。
example
这是一个示例技能（example skill），用于演示技能文件的格式。技能文件存放在 skills/{name}/SKILL.md 路径下，为智能体提供可按需加载的专业知识。每个技能文件以 YAML frontmatter 开头，其中 name 字段可选（默认取父目录名），description 字段必填（作为系统提示中显示的一行摘要）。智能体在系统提示中看到技能的名称和描述，需要完整内容时通过 load_skill 工具传入技能名称进行加载，frontmatter 下方的正文会以 <skill> 标签包裹返回。
office-hours
office-hours 是 gstack 技能集中的创业与产品构思技能，来自 ivansamartino/gstack。它提供两种模式：创业模式通过六个关键问题审视需求真实性与产品切入点；构建者模式用设计思维为副业、黑客松、学习与开源项目做头脑风暴，并保存设计文档。适合在写代码前梳理新想法、判断是否值得构建。
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。
skills-cli
skills-cli 是开放 Agent Skills 生态的包管理器技能，用于发现、安装、列出、检查、更新、移除、备份、恢复、同步和初始化 Agent Skills，支持 bunx skills 与 npx skills 命令。
backend-agent
Backend Agent 是一个仅由编排器（orchestrator）调度的后端角色智能体，用于多智能体构建流程。它在契约（contract）编写完成后被生成，读取 /contracts/ 中契约作者的输出，负责构建 API 服务器、业务逻辑与数据层，产出前端所依赖的 API 契约。其代码由 qe-agent 的 contract_conformance 评分进行验证。该技能适用于契约优先的多智能体构建模型，不适用于单智能体或临时性工作。
context-manager
Context Manager 是一个面向长时运行、多智能体构建场景的用户可调用辅助技能，用于管理上下文窗口用量、压缩策略以及会话交接。当会话上下文使用率接近约 80% 时，用户可主动调用它，生成结构化的 YAML 交接文件，使新的续接会话能够无缝接手。它负责写入并校验交接文件质量，确保 continuation_context 具体可执行、suggested_first_action 是明确的下一步、completion_pct 为诚实估计，并拒绝重写含糊的交接。该技能独占 .claude/handoffs/ 目录，可只读访问全部项目文件，不涉及 src/ 与实现代码。它不参与编排构建循环中的交接校验，那由 orchestrator 的 handoff-protocol.md 管理。
contract-author
Contract Author 是一个面向多智能体协作构建的“契约先行”技能，用于在任何实现开始之前生成机器可读的集成契约，包括共享类型、API 契约、数据层契约与事件契约。它假设存在一个编排器并行调度多个角色智能体、每个角色智能体从 /contracts/ 读取契约、并由 qe-agent 通过 qa-report.json 把关的构建模型。该技能在编排器的 Phase 4 运行，先读取项目配置 docs/agents/contract-format.md 确定契约格式与输出路径，再从计划中提取领域实体、关系、动作、领域规则与集成点，随后依次编写共享类型、API 契约、数据层契约、事件契约，并分配横切关注点、记录领域业务规则、定义文件归属边界与各智能体实现说明。其核心价值在于消除各智能体各自发明端点、响应结构与类型定义导致的集成失败。该技能偏向于前期设计而非快速迭代，原型项目建议跳过契约直接使用模块导入；单智能体或临时性工作不适用。
dependency-coordinator
Dependency Coordinator 是一个面向多智能体并行构建流程的依赖协调技能，仅在编排器（orchestrator）调度下运行。它在 plan-builder 之后、编排器派发并行实现智能体之前执行，负责编写跨包依赖清单，为 monorepo 中共享的传递依赖固定版本，防止并行智能体各自写入 package.json 时产生版本漂移。该技能假设采用契约优先的多智能体构建模型：编排器并行派发角色智能体，每个角色智能体消费 /contracts/ 下的机器可读契约，qe-agent 通过 qa-report.json 把关构建。它不适用于单智能体或临时性工作。其核心产出包括：带 overrides/resolutions 的根清单、供消费智能体填写的各包清单模板、人类可读的 DEPENDENCIES.md 版本策略文档，以及供编排器粘贴到各智能体提示中的派发建议字符串。
loop-controller
loop-controller 是一个用于构建自主循环的安全框架技能，核心作用是把模糊的“继续处理 X”转化为可收敛的循环：为任务定义可机械验证的停止条件，并强制配备护栏栈，防止循环反复空转或耗尽预算。它强调“完成”必须是智能体无法自我辩解的外部信号（如测试退出码、覆盖率、空队列、独立评估者结论），而非主观自评。该技能还提供 Loop 契约五要素（触发、动作、证明、记忆、停止）、执行原语选择（/goal、Stop-hook、/loop、/batch、bash 循环等）、默认 FAIL 的 JSON 判据、独立评估者、迭代上限与成本预算、无进展检测、不可逆操作前的人工检查点等规范，并附带十二种现成循环配置的调度指引。