failure-aware-enhancements-code-generation
面向代码生成失败诊断的技能：按失败类型（逻辑错误、规范缺失、模式缺口、复合失败）选择自我批评、RAG、多模型推理或渐进式提示等修复策略，减少无效重试。
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 11-12 00:15
智能体与模型
26,154 个结果
fraudshield-knowledge-graph-empowered
FraudShield 是一个面向 LLM 输入的知识图谱欺诈防御技能，通过构建关键词—欺诈策略加权二分图、剪枝与消歧，对文本加 XML 标签并附证据，帮助识别钓鱼、冒充、虚假招聘等欺诈内容。
from-assumptions-actions-turning
该技能让 Claude 实现 ICLR 2026 的 PCE（规划器-组合器-评估器）框架，将 LLM 推理中的隐含假设转为显式的二值假设决策树，在部分可观测的多智能体环境中按似然、目标收益与执行成本评分选动作。
humans-welcome-observe-first-look
该技能用于对 AI 智能体社交网络内容做结构化实证分析：按 9 类主题分类与 5 级毒性评分标注帖子，检测自动化刷屏、主题集中度与活动量同有害内容的相关性，适用于内容审核、多智能体输出审计与社区健康监控。
isd-agent-bench-comprehensive-benchmark-evaluating
ISD-Agent-Bench 是一个用于构建与评估基于 LLM 的教学设计（ISD）智能体的技能，采用 ADDIE 框架、Context Matrix 场景生成与多评审评估。资料显示粗粒度阶段级工具（86.49）优于细粒度子步骤工具（82.96）。
markovscale-optimal-sequential-scaling
MarkovScale 技能：把 LLM 推理管线中的重试/自我精炼循环建模为两状态马尔可夫链（正确/错误），用小规模校准集估计转移概率，计算准确率上界与最优停止轮数，避免凭经验设定重试次数。
medbeads-agent-native-immutable-data
MedBeads 技能：教 Claude 用 Merkle DAG 构建不可变、可审计的医疗数据管道，把可变的 EMR/FHIR 记录转为加密密封的 Bead，用确定性图遍历替代概率性 RAG 检索，适用于临床 AI 智能体的上下文构建与完整性校验。
perfguard-performance-aware-agent-visual
PerfGuard 是一个面向视觉内容生成（AIGC）的性能感知型多工具编排技能，基于 ICLR 2026 论文框架，通过 PASM、APU、CAPO 三种机制按实测能力评分而非静态描述来选择图像生成与编辑工具，并支持评估反馈与自适应更新。
polarmem-training-free-polarized-latent
PolarMem 是一种无需训练的多模态记忆方案，将 VLM 置信度划分为已验证存在、已验证不存在与不确定三种状态，并用带抑制边的极化图存储，检索时逻辑状态优先于语义相似度，以抑制幻觉。
predicting-improving-test-time-scaling
面向大模型推理阶段算力分配的技能，实现 Scaling-Law Guided（SLG）搜索：用广义帕累托分布（GPD）拟合奖励尾部，预测各中间状态追加算力的收益，把预算集中到最有潜力的路径，以更少算力达到接近 best-of-N 的奖励质量。
safepred-predictive-guardrail-computer-using
SafePred 是一个面向计算机使用型智能体与自动化流水线的预测式安全护栏技能，通过世界模型预测候选动作的短期与长期后果，并依据显式安全策略评分、拦截或重规划，可发现反应式拦截难以捕捉的延迟危害。
scidatacopilot-agentic-data-preparation
SciDataCopilot 是一个面向异构科研数据的智能体化数据准备技能，通过四智能体架构把 CSV、JSON、FASTA、pickle、NumPy、HDF5 等原始数据加工为可分析、可供下游模型使用的统一数据集，并支持意图解析、自修复执行与审计追踪。
semanticalli-caching-reasoning-not
为智能体流水线实现阶段分解式中间表示（IR）缓存：缓存可结构化的推理产物而非最终回答，通过三级混合检索提升命中率、降低重复调用。
sparseeval-evaluation-sparse-optimization
SparseEval 是一个通过稀疏优化挑选少量“锚点”题目来低成本评估大语言模型的技能，用约100道题即可复现完整基准的模型排名，与全量评估的 Kendall's tau 相关性高于 0.9。
thinking-makes-agents-introverted
该技能针对“内向型智能体”问题：强制推理会让智能体在交互任务中回复更短、遗漏关键信息。它采用信息揭示（InfoDis）提示，要求智能体主动总结状态、列举选项并披露约束，适用于客服、预订等多轮对话智能体的系统提示设计。
thinktank-me-multi-expert-framework-middle
ThinkTank-ME 多专家协同预测框架技能：让 Claude 设计并实现由领域专家、路由模型与聚合策略组成的多专家预测系统，适用于地缘政治、金融、医疗等复杂事件预测。
understanding-agent-scaling-llm-based
该技能用于设计多样性感知的LLM多智能体系统，基于信息论K*有效通道分析，通过模型、提示与工具异质性，用更少智能体达到或超过同质智能体群的性能，并帮助判断智能体数量与配置。
when-agents-fail-comprehensive
面向 LLM 智能体系统的结构化缺陷诊断技能，基于 1187 份真实缺陷报告归纳出 11 种缺陷类型、9 类根因与 12 种可观察现象，覆盖 Agent 核心、工具、规划与记忆四大组件，帮助定位并修复 LangChain、LangGraph、CrewAI、AutoGen、LlamaIndex 等框架中的问题。
whispers-wealth-red-teaming-googles
面向 LLM 智能体支付系统的红队测试技能，基于《Whispers of Wealth》研究，覆盖 Branded Whisper 间接注入与 Vault Whisper 直接注入两类攻击，用于审计交易完整性与凭证隔离，并提供输入清洗、结构化消息与访问控制等防御建议。
whitespaces-dont-lie-feature-driven
该技能让 Claude 通过分析空白字符、缩进一致性与文体特征，判断源代码更可能由人类还是 AI（ChatGPT、Copilot 等）生成，基于论文中特征驱动检测方法，在 60 万样本基准上达到 ROC-AUC 0.995、F1 0.971。
argument-builder
面向社会学研究的论证构建技能，帮助研究者设计理论章节（文献综述/背景）的论证架构，包括贡献策略选择、章节弧线、段落功能与关键转折句的撰写。
lit-synthesis
lit-synthesis 是社会学文献综述工作流中的分析环节，用于对论文语料进行深度阅读与综合，产出理论图谱、主题聚类和争论地图，并通过 Zotero MCP 获取全文。
handoff
Handoff 是一个把当前会话压缩成临时 Markdown 交接文档的技能，供另一个智能体或新会话接手。适用于侧任务、重构、缺陷或原型等超出当前会话范围的工作，避免新会话继承臃肿上下文。
neta-travel
Neta Travel 技能用于创建和游玩 AI 驱动的互动故事冒险（Travel Campaign）。智能体同时充当主持人与角色，围绕剧情、目标与规则推进叙事，支持创作与游玩两种模式。