abductive-monte-carlo
一个基于 MCMC 的溯因假设采样技能：给定观测，用 Metropolis-Hastings 在假设空间中采样，按 P(E|H)·P(H)（似然×先验）加权，借助 Gay.jl 彩色粒子作为假设标识，输出排序后的排名假设。
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
26,220 个结果
abductive-oracle
一个形式化溯因推理预言机技能：从候选假设空间中选出最能解释观测数据的最简假设，并提供 MCMC、Gemini 行为推理、传播器网络三种子预言机，无法给出一致解释时返回 Hypothesis.nothing 而不猜测。
acp-commons
acp-commons 是面向 Agent Client Protocol（ACP）客户端、智能体与 OCapN/CapTP 角色的一份导航型技能资料，用于挑选编码智能体界面或将 ACP 会话桥接到 CapTP。
affective-taxis
affective-taxis 是一个面向 AI 对齐研究的技能，将情感效价建模为内感受能量景观的方向导数，通过 GF(3) 守恒律验证对齐。适用于构建对齐感知的强化学习智能体、验证奖励轨迹守恒、训练 Langevin 策略等场景。
agent development
该技能面向 Claude Code 插件的智能体（Agent）开发，指导用户创建、添加和编写子智能体，并设计 agent 的 frontmatter。它说明了 agent 文件的 Markdown 与 YAML 结构，包括 name、description、model、color、tools 等字段的规范；重点讲解如何通过 description 中的触发条件和 2 至 4 个示例来设置触发，以及如何编写结构化系统提示词。还涵盖标识符校验、工具权限最小化、智能体命名空间、触发与提示词测试，以及 validate-agent.sh 等辅助脚本。适用于需要为插件构建自主多步骤任务智能体的开发者。
agent-memory
agent-memory 是一个通过仓库根目录的 AGENTS.md 文件持久保存和检索代码库专属知识的技能。它适合记录构建、检查、测试等常用命令、代码风格、工作流与最佳实践，并在后续任务中自动加载这些信息。
agent-sdk-builder
基于 OpenHands Software Agent SDK 的引导式智能体构建工作流：通过逐题访谈收集需求，研究 SDK 文档与示例，生成技术方案与流程图，并在用户确认后产出可运行的 Python 实现。
agentdb advanced features
AgentDB 高级功能是一份面向分布式 AI 记忆系统的技能文档，讲解 AgentDB（通过 agentic-flow 提供的向量数据库组件）的高级用法，包括 QUIC 同步（跨节点亚毫秒级复制）、多数据库管理与分片、自定义距离度量、向量与元数据结合的混合检索、MMR 多样化检索、上下文合成以及生产部署模式。文档以 JavaScript/TypeScript API 与 npx agentdb CLI 示例说明配置与调用方式，并给出环境变量、运维与排错建议。适合已掌握向量检索基础、需要构建多节点协同记忆库的开发者参考；属于高阶内容，不含收费信息。
agentdb learning plugins
AgentDB Learning Plugins 是 AgentDB 插件系统提供的强化学习技能，内置 9 种强化学习算法，支持创建、训练和部署可从经验中改进的自主学习插件。涵盖 Decision Transformer（离线 RL）、Q-Learning、SARSA、Actor-Critic，以及主动学习、对抗训练、课程学习、联邦学习和多任务学习。通过 WASM 加速神经推理，训练速度可提升 10-100 倍。提供 CLI 和 API 两种使用方式，适合游戏、机器人控制、导航、安全决策等场景。
agentdb memory patterns
AgentDB Memory Patterns 是针对 AI 智能体的持久化记忆实现技能，基于 AgentDB 的持久化存储与 ReasoningBank 集成，让智能体能够记住对话、从交互中学习，并在跨会话时保持上下文。资料给出了命令行初始化、启动 MCP 服务、创建学习插件等快速开始步骤，以及通过 API 适配器存入交互记忆、检索上下文的使用示例；还涵盖会话记忆、长期记忆、模式学习等基础模式，以及分层记忆、记忆整合等高级模式，并列出查询、导入导出、统计等命令行操作，以及 ReasoningBank 迁移、学习插件和推理模块等内容。资料称其性能相比传统方案快 150 倍至 12500 倍，并与 ReasoningBank API 100% 向后兼容。使用前提为 Node.js 18+、AgentDB v1.0.7+，并需要理解智能体架构。
exo-distributed
exo-distributed 是一个围绕 exo 的分布式 LLM 推理技能，用于在多台 Apple Silicon 设备（如 Mac Studio）之间组建 GPU 集群，实现零配置的模型分布式推理。设备可通过 mDNS/UDP 广播自动发现彼此，借助 Thunderbolt 5 上的 RDMA 进行低延迟直连内存访问，并使用 MLX 后端（mlx.distributed）获得原生 Apple Silicon 加速。它支持流水线与张量并行两种分片策略，可将模型按层或按注意力头/MLP 张量拆分到多台设备，并对外暴露兼容 OpenAI 的 REST API。该技能适用于在本地多机环境中运行超单机显存的大模型，也适合需要隐私与低延迟的团队集群推理场景。
implementing-azure-defender-for-cloud
介绍在 Azure 订阅中启用 Microsoft Defender for Cloud 的流程，覆盖云安全态势管理、虚拟机、容器、SQL、存储与 Key Vault 等工作负载防护，含命令行操作、合规评估、告警自动化与 JIT 访问配置。
mlx-apple-silicon
MLX Apple Silicon 技能：在 Apple Silicon 上用 MLX/mlx_lm 运行大语言模型，支持统一内存、4 位量化、流式生成与提示缓存，面向 M 系列芯片优化。
self-under-siege
面向智能体的身份保持技能，通过 RepEng 控制向量、马尔可夫毯防御与 GF(3) 三元守恒，在提示注入、越狱、人格劫持、目标漂移等对抗条件下维护核心身份、目标层级与自我模型。
skill-specification
面向跨平台智能体的 Agent Skills 正式规范，确保技能在 Claude Code、Codex CLI、Cursor、Amp、Letta 及未来智能体间具备演化鲁棒性。提供 SKILL.md 模式、字段约束、目录结构、校验命令与常见错误修复。
xlsx
用于创建、编辑和分析 Excel 电子表格的技能，支持公式、格式、数据分析与可视化，基于 pandas 和 openpyxl 实现读写、修改和格式化等操作。
talking-head-analyzer
talking-head-analyzer 是一个用于拆解真人口播博主开头 15–20 秒表现的工具：它分析博主的肢体动作、表情、机位和开头结构，产出一个可复用的风格 Skill，包含手势词汇表、节拍规则、禁止动作和开头结构模板，并收录进 awesome-talking-head-skills 仓库。适用于用户提出“拆解这个博主的动作”“把这个博主做成 Skill”“分析他的开场手势”“新增一位口播博主”等需求时。
agent-router
agent-router 是 pmndrs/glyph 中的技能，用于通过固定版本的 ai-cli-mcp@2.22.0 服务器路由可恢复的外部模型任务，适合对抗式评审、实现评审、调研和一次性委派工作。
skills-index-snippets
skills-index-snippets 是一个用于创建和维护 AGENTS.md / CLAUDE.md 技能索引片段的技能。它的目标是通过在 AGENTS.md / CLAUDE.md 中提供一个小的路由片段（router snippet），把任务路由到正确的 ai-skills 技能，从而消除编码助手“是否要调用某个技能”的判断环节，使技能使用在各项目间保持一致。该技能适用于以下场景：在仓库中新增、删除或重命名技能；更新 .claude-plugin/plugin.json；为下游仓库（如 OpenCode、Claude Code 等）制作可复制粘贴的片段；以及希望建立一个紧凑、常驻的索以来提升技能利用率。资料中还给出可读版和压缩版（Vercel 风格）两种片段模板，以及通过脚本重新生成 README 索引块的标记与命令；同时强调片段应作为路由器保持精简，而非文档。
create-system-prompt
用于在 pnp/copilot-prompts 仓库中创建新的智能体指令（系统提示词）示例的技能，指导生成 samples/agent-instructions/ 下的 readme.md 与 assets/sample.json，并强调原样保留用户提供的系统提示词。
auto-perf-optimize
一个用于驱动 VS Code（Code OSS）场景、采集内存与性能工件并验证场景是否真正发生的技能，可对接堆快照分析技能做对象级排查，内置聊天内存冒烟脚本。
chat-customizations-editor
Positron 中用于管理 AI 定制项的 Chat Customizations Editor 开发文档，覆盖跨工作区、用户、扩展与插件存储的界面，支持 Local、Copilot CLI、Claude 等 harness 过滤。
working-with-scouts
PostHog Signals 侦察员（scouts）工作指南：侦察员是按固定周期运行、监控某个 PostHog 项目并把发现写入 Signals 收件箱的定时智能体。本技能讲解如何委派监控任务、处理报告、用笔记与驳回理由反馈校准侦察员，以及如何审计其改动。
managing-llm-prompts
该技能用于在 PostHog 中创建、版本化、发布并接入 LLM 提示词（prompt）。PostHog 将提示词以不可变版本存储，应用在运行时拉取，因此修改提示词无需重新部署。技能覆盖从代码中迁移硬编码提示词、新建提示词、修改已有提示词、用标签（label）控制发布、在 Python 或 Node 代码中接入 SDK 拉取，以及验证拉取是否真正生效的完整流程。适用于需要在不发版的情况下调整模型提示词、统一管理提示词版本与发布的场景。