steve-jobs
这是以史蒂夫·乔布斯思维方式为核心的“认知操作系统”技能，用于在思考产品、创新与决策时调用其人格特征、心智模型、决策启发式、表达风格及价值观，帮助使用者以极致、专注、用户体验驱动的视角审视问题。
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 11-13 00:15
智能体与模型
26,211 个结果
verify-agent-server
用于通过真实 API 验证 Agent Server 的技能：以 agent 消费方视角驱动 REST、WebSocket、SDK 与 TypeScript 客户端，记录可复现证据，覆盖变更验证、缺陷复现、地图维护与每日巡检。
imclaw
IMClaw 是一个让 AI Agent 接入 IMClaw Hub、实现与其他 Agent 实时通信的技能（Skill），主要面向 OpenClaw 环境。它通过常驻的 bridge_simple.py 进程经 WebSocket 连接 Hub 消息中心，收到消息后调用 OpenClaw 的 hooks/wake 接口唤醒主 Session 处理，从而支持 Agent 之间私聊、群聊管理、群聊消息订阅以及聊天机器人与协作 Agent 的构建。技能包含完整的前置检查、Token 配置、依赖安装、Gateway 配置应用（含优雅重启）、状态查询、启停与消息路由命令行工具 reply.py，可发送文字及图片、视频、音频、文件等多媒体消息，并提供 REST API 用于消息收发、群操作、联系人与好友管理。
openrouter-agent-builder
openrouter-agent-builder 是一个用于搭建模块化 AI 智能体的技能，基于 OpenRouter SDK，提供可扩展的 hooks 与可选的 Ink 终端界面，智能体核心可独立运行。
ov-gguf-add-architecture
OpenVINO GGUF 前端的架构注册技能：用于在新 GGUF 模型中启用新模型架构/家族，或检查某 GGUF 模型是否已被支持。
chief-of-staff
这是一个“幕僚长”（Chief of Staff）技能，用于在单次会话中协调多个子智能体、调度任务，持续推进一个长期目标。它要求同时兼顾战术与战略：既完成眼前任务，也改进智能体运行环境，让后续任务更容易成功。核心机制包括：所有工作交由子智能体执行以保护主上下文；通过背景智能体保持与用户对话；子智能体之间以研究笔记、提交记录、wiki 页面等上下文指针稀疏沟通；维护一个跨会话存活的 markdown 互链 wiki 作为记忆，记录带日期的历史事实并引用提交，而非描述“当前状态”。该技能还提供 wiki 的摄取、查询、巡检三种维护操作，并引用同级技能执行回顾（retro）、写规格（to-spec）、拆工单（to-tickets）与按规格实现（implement-spec）。它强调改善环境，例如约束性强的 API、强制正确性的 lint 规则、编码标准文件、日志与测试数据库访问、浏览器访问，并遵守“无绕过”原则。适用于需要长期、多步骤、可积累知识的复杂目标推进场景。
claude-handoff
claude-handoff 是一个用于 Claude 技能体系的技能，作用是在当前对话无法继续或需要转交时，把正在进行的工作移交给一个全新启动的后台智能体，让它立即接手。它会先为当前对话撰写一份交接摘要，保存到用户操作系统的临时目录，然后以该摘要文件内容作为提示词启动后台智能体，命令形式为 claude --bg --name "<描述性名称>" -- "$(cat <摘要文件>)"。通过传入文件而非直接内联文本，可避免 shell 执行摘要中的反引号或展开其中的 $ 符号。新智能体从当前工作目录启动并立即返回，用户可通过 claude agents 管理它。摘要中要求包含“建议技能”小节，指明下一个智能体应调用哪些技能；同时要求不重复其他制品（规格、计划、ADR、issue、提交、diff）中已记录的内容，改为按路径或 URL 引用，并脱敏 API 密钥、密码、个人身份信息等敏感数据，因为摘要会成为智能体的提示词。若用户传入参数，则将其视为下一阶段工作重点的描述，据此定制摘要内容。
grill-me
grill-me 是一个用于打磨计划或设计的技能，通过持续追问的访谈方式，帮助用户把方案想得更清楚。根据现有资料，它的使用方式是调用 Skill 工具并传入“grilling”。除这一调用入口外，资料没有提供更多关于功能细节、交互流程、适用平台或限制的说明。本条目仅整理已有事实，未展示的收费、价格、效果等信息暂未提供。
handoff
handoff 是一个用于 AI 智能体之间交接工作的技能，能够把当前对话压缩整理成一份交接文档，供新的智能体接续工作。文档写入操作系统临时目录（优先 $TMPDIR，否则 /tmp；Windows 为 %TEMP%），而非当前工作区；文档中包含“建议技能”部分，指明下一个智能体应调用哪些技能，并避免重复已被规格、计划、ADR、issue、提交或 diff 等产物记录的内容，改为按路径或 URL 引用；同时要求对 API 密钥、密码、个人身份信息等敏感内容进行脱敏。若用户传入参数，则将其视为下一阶段工作重点，据此调整文档内容。
wayfinder
Wayfinder 是一个面向大型工作的规划技能：当任务大到超出单个智能体会话的容量、通往目的地的路径尚不清晰时，它把工作绘制成问题追踪器上一张由决策票据组成的共享地图，并逐张解决这些票据，直到路线清晰。它强调“规划而非执行”，每张票据解决一个决策而非交付成果，支持研究、原型、对话和任务四种票据类型。
writing-for-agents
用于编写智能体所消费文档的参考指南，适用于创建或编辑技能文档、修改 AGENTS.md 或 CLAUDE.md 等场景。核心观点是：不同包装的文档，其写作方法相同——通过一致的手段让智能体每次运行都遵循相同过程，而非产出相同输出。内容涵盖上下文指针的写法与触发机制、上下文负载与认知负载两种成本、信息层级（文件内步骤、文件内参考、披露式参考）、渐进式披露与就近放置、步骤的完成标准（清晰性与要求强度）、拆分文档的时机、引导词的使用与否定式表述的失败模式，以及剪枝与单一事实来源等原则。
speckit-agent-context-update
一个 Spec Kit 扩展脚本，用于刷新编码智能体上下文文件（如 CLAUDE.md、AGENTS.md）中受管理的 Spec Kit 区块，使其指向最新的计划路径（specs/<feature>/plan.md）。支持单文件或多文件配置，并校验路径必须为项目相对路径。
speckit-opsmill-auto
speckit-opsmill-auto 是 Infrahub 仓库中的编排型技能，用于端到端自动执行 speckit 工作流，依次调用 speckit-opsmill-prep 与 speckit-opsmill-implement，在不停下来询问用户的情况下自主完成规格、计划、评审、任务、实现与复核，并在提取前停止。
speckit-opsmill-summary
speckit-opsmill-summary 是一个 Claude Code 会话流程级总结技能，用于生成执行摘要、时间线和成果，并写入当前活动功能目录，支持用 --since 限定总结窗口。
speckit-review-run
speckit-review-run 是 Infrahub 项目中的综合代码审查技能，通过编排代码、注释、测试、错误、类型和简化等专用智能体，对拉取请求进行多维度审查，并汇总关键问题、重要问题、建议与优点，给出可执行的处理计划。
media-tools
media-tools 是 Opus 视频工具技能包中的媒体生成与查询技能，用于调用单个 Opus 媒体工具或模型，完成语音、音乐、音效、图像/关键帧、转写、素材导入以及任务状态查询或恢复。该技能要求先阅读共享工作流规则，并从已安装的技能目录解析插件根目录，校验配置文件与插件清单，环境变量可选。使用时需先用 whoami 确认身份与所属组织，把新建生成或存储工作绑定到明确的后端项目；只能用实时 schema 和可用模型元数据，不得虚构模型或字段。生成前需准备与媒介匹配的复核材料，涉及付费时按共享审批规则说明请求输出与付费请求数；保存每个 requestKey 及精确参数，仅在相同重试时复用。异步任务用状态工具轮询，单次观察窗口不超过 45 秒，超时后继续轮询而不重复提交。注意：新建视频片段请求不属于本技能，应归入 video-director。
aqua-cli
ADS AQUA 命令行界面（ads aqua）的完整 CLI 参考，基于 Python Fire，覆盖模型注册、部署创建、微调与评估等 AI Quick Actions 操作，需 OCI 环境与相应认证。
aqua-evaluation
在 OCI AI Quick Actions（AQUA）上评估 LLM 模型质量的技能，支持 BERTScore、ROUGE、Perplexity 和 Text Readability 指标，覆盖数据集准备、Python SDK 与 CLI 用法。
aqua-model-lifecycle
用于在 OCI 数据科学 AI Quick Actions（AQUA）中通过 ADS SDK 注册、列出、查看和管理 LLM 模型的技能，支持从 HuggingFace 或对象存储导入，并提供 Python SDK 与 CLI 用法。
llm-tuning-patterns
面向大语言模型微调的可复用代码模式集，涵盖QLoRA+SFTTrainer指令微调、LoRA秩与目标模块选择、指令数据集准备与标签屏蔽、DPO偏好对齐、适配器合并导出及lm-eval评测，并列出常见反模式。
model-evaluation-patterns
模型评估模式技能：提供分类指标、置信区间、校准分析、分片评估、公平性指标及 LLM 生成评估（BERTScore、RAGAS）的可复用代码模式，用于在 MLOps 流程中系统化评估模型质量与风险。
prompt-engineering-patterns
提示工程模式集合，提供思维链与少样本示例、Pydantic 与 instructor 结构化输出、ReAct 工具调用智能体、DSPy 自动优化以及提示注入防护等可运行代码示例，并列出缺少评测数据、系统提示写入用户输入、硬编码提示、滥用 temperature=0 等反模式。
rag-architecture
RAG 架构参考库，覆盖从文档摄取、分块、嵌入、存储、检索、生成到评估的全部七层，并包含分块决策树、BM25+密集向量混合检索与 RRF 融合、重排序、引用式生成提示、RAGAS 评估指标、常见错误目录与实现模式。
team-dispatch
Team Dispatch 是 mddesign 插件中的子代理调度技能，把计划阶段整理为 PhaseSpec v1 契约，经 Agent 工具派发给专职子代理，子代理自行读取文件并返回结构化结果，同时通过 HITL 检查点控制风险。