pp-stac
pp-stac 是首个 Go 单文件 STAC 命令行工具，用于搜索卫星影像。支持 bbox、时间、相交、云量等过滤，提供本地 SQLite 离线缓存、场景排序、覆盖与资产解析，默认面向智能体输出 JSON。
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 11-15 00:13
编程与开发
41,136 个结果
x-twitter-scraper
Xquik X 数据平台技能：通过 REST API、MCP、SDK 获取 X（Twitter）结构化数据，支持推文搜索、用户查询、时间线读取、粉丝导出、监控与 Webhook，以及需确认的账号写操作。
git-rebase-workflow
Git Rebase 分支同步流程，用于将当前功能分支 rebase 到最新目标分支（如 master/main），保持线性提交历史。适用于功能分支落后、提交 MR/PR 前需要同步代码的场景。
ajiang-debug
ajiang-debug 是一套面向排查与修复 Bug 的技能方法，目标是把用户原来失败的任务恢复，并让结论与实际能证明的范围保持一致。其核心流程分为三步：先复现问题，再验证原因，最后做最小修复并用原来的操作流程确认结果。复现阶段要求区分可观察现象、预期行为与归因猜测，确认待修改仓库、实际工作区、版本或 commit 与启动入口，记录与问题相关的环境、有效配置、输入规模和历史状态，并尽量从用户入口复现，能安全建立修前失败的自动回归时优先建立。验证原因阶段强调不要只寻找支持第一个解释的证据，应对竞争假设设计实验，沿调用链、配置优先级、状态生命周期及数据规模定位实际差异，可用表格维护假设、可区分实验、实际结果或证据位置、状态等信息。修复阶段只修改证据支持的原因，保留不相关行为，修后重跑原入口、原关键条件及失败输入，并补充与改动相关的相邻路径检查。交付时先说明原流程是否恢复，再给出根因链、修改内容、修前与修后证据及未验证条件，并明确区分实测确认、代码路径确认、推断与未复现等情况。
ajiang-review
ajiang-review 是一款代码审查技能，聚焦于发现代码改动中会影响用户结果的真实缺陷与回归风险。它要求先确定审查范围（项目规则、原需求、验收条件，以及是工作区改动、某次提交、分支差异还是 PR），读取 diff 并追踪相关调用者、数据来源与实际使用代码，避免仅凭片段判断整条流程。审查时从用户入口验证需求是否实现、正常输入是否得到预期结果、错误/边界/取消/恢复/资源清理是否正确，并检查平台、协议、存储或配置差异。它优先报告能导致错误结果、数据丢失、行为回归或任务无法完成的问题，将风格偏好与真实 bug 分开，不凑数量。每条发现需写清文件与具体位置、触发条件与用户后果、对应调用或数据路径、复现实验或完整代码路径证据，以及是本次引入还是已有问题；对关键发现运行有区分力的验证，区分已确认、可疑与待确认，合并重复发现。仅被要求 review 时只交付发现，不直接修改代码；未提供价格、平台支持范围等具体信息。
python-uv-project-setup
一个规范 Python 项目初始化与依赖管理的技能，强调使用 uv 而非 pip、python、pytest 直接操作，适用于新建项目或脚本、添加依赖及运行命令。
syncing-main-branch
一个用于将干净的 Git 工作区切换到本地 main 分支并从其配置的上游快进同步的技能，仅在显式调用后使用，过程中保留原有分支、提交和本地文件。
test-driven-development
一个测试驱动开发（TDD）技能，规定非平凡代码变更应先写失败测试，再以最小改动通过，最后在测试通过后安全重构，并给出适用范围、例外与测试质量要求。
skill-builder
用于创建新技能、优化或审计 Claude Code 技能质量的开发指南，遵循 Claude Code 官方最佳实践，覆盖技能构建、frontmatter 配置、内容撰写与质量检查。
verify-checkout
Verify Checkout 集成技能：在商户后端、网站或应用中实现、测试、审计、调试并加固 Verify Checkout 托管充值流程，覆盖充值创建、托管结账、回跳与状态、Webhook 与对账、精确一次履约。
install-user-instructions
用于在 Claude Code、OpenAI Codex、GitHub Copilot CLI 和 Cursor 中安装、更新或审计用户级 AI 编码指令的技能，支持预览与审计，避免覆盖自定义内容。
python-best-practices
提供以类型为先的 Python 开发模式，涵盖 dataclasses、可辨识联合（Literal）、NewType、Protocol 等，用于阅读或编写 Python 代码时遵循统一规范。
python-env
面向 Python 环境的快速管理技能，使用 uv 替代 pip。uv 号称比 pip 快 10-100 倍，可用于创建虚拟环境、安装包与依赖、运行脚本。触发词包括 uv、venv、pip、pyproject、python environment、install package、dependencies。
ecommerce-amazon-product-research-api
一个面向亚马逊选品的技能包，可跨市场、关键词、竞品、趋势、评论与利润等能力路由选品任务，并按机器可读的 references/api.json 选择对应脚本执行。
add-byok-provider
add-byok-provider 是 OpenMotion 仓库内的贡献者技能，用于按照现有 openmotion_media_use Tool 与 Model Gateway 的架构，新增或维护内置的 BYOK 媒体服务商集成。它要求先查阅服务商官方 API 与模型文档，确认标识、认证、模型发现、支持模态、提交与轮询、状态与错误语义，再扩展网关身份、凭据解析、模型目录、生成适配器、编辑器配置、参考文档与用户指引，并补充确定性测试与文档，禁止读取真实密钥或编造未确认的 API 行为。
debugging
这是一个系统化调试技能框架，核心原则是“先找到根因，再进行修复”，避免凭猜测随意改动代码。它要求在使用前完整阅读错误信息和堆栈、复现问题、检查近期变更（git diff、git log）并收集日志等证据，再通过与可正常工作的相似代码对比来定位差异。框架分为调查、分析、假设、修复四个阶段，并针对深层调用栈错误提供从出错位置向后追溯、在源头修复而非只处理症状的方法。同时强调验证纪律：在宣称“已修复”之前必须重新运行测试等验证命令并粘贴真实输出，禁止使用“应该可以了”“似乎已修复”等说法。适用于测试失败、Bug 与错误、异常行为、性能问题、构建失败等场景，资料未说明具体安装方式与平台限制。
git-workflow
git-workflow 是一个面向 AI 消费的 Git 操作参考技能，强调以最少的工具调用（最多 2-4 次）完成 Git 工作流，从而节省 token。它定义了提交流程：暂存文件、检查 diff 统计、扫描密钥（api_key、token、password、secret、credential），发现密钥即停止并阻止提交；根据变更类型、文件数量与作用域决定是否拆分提交；按 type(scope): description 格式生成提交信息（类型包括 feat、fix、docs、chore、refactor、test、perf）；仅在用户要求时推送。此外还提供 PR 工作流，使用 git fetch、log、diff 以及 gh pr create 命令创建 PR。
typescript-expert
typescript-expert 是面向 AI 执行期阅读的 TypeScript 参考技能，整理常见陷阱与决策标准。内容涵盖空值合并的取舍（|| 与 ??）、严格 tsconfig 配置（strict、noUncheckedIndexedAccess、exactOptionalPropertyTypes）、类型守卫与可辨识联合、Object.keys 返回类型、enum 运行时开销、泛型默认值、satisfies 与只读数组等主题，以陷阱对照表和代码片段形式呈现，帮助在编写或审查 TypeScript 代码时快速选定更安全的写法。
typescript-expert
TypeScript 专家参考，面向 AI 执行时阅读，汇总空值合并陷阱（|| 与 ??）、严格 tsconfig 设置（noUncheckedIndexedAccess、exactOptionalPropertyTypes）、类型守卫、判别联合与常见坑点，帮助在编码时做出更安全的类型决策。
execute-spec
execute-spec 是 nicknisi/claude-plugins 中的技能，用于执行由 ideation 生成的实现规格（spec）。它调用 Scout 代理探索代码库、按反馈循环构建组件，并运行验证与审查流程；支持顺序或并行执行。
exa-search
exa-search 是基于 Exa AI 搜索 API 的技能，可进行语义搜索、指定 URL 内容提取、直接问答和结构化深度研究。需配置 Exa API 密钥（存放于 ~/.config/exa-search/config.json），通过 curl 调用 /search、/contents、/answer、/research/v1 等端点。
prototype
prototype 是一个用于快速验证设计问题的临时原型技能：根据问题类型，生成可运行的终端逻辑原型，或同一路由下多种差异明显的 UI 变体，用完即删或吸收进正式代码。
to-issues
将计划、规格或 PRD 拆分为项目问题追踪器中可独立认领的问题，采用 tracer bullet 式垂直切片，每个切片端到端贯穿所有集成层。
codeprobe-code-smells
codeprobe-code-smells 是一个代码坏味道与反模式检测子技能，属于 nishilbhave/codeprobe-claude 项目。它系统性地识别代码中的可维护性问题，按类别组织：膨胀类（长方法、大类、数据泥团、基本类型偏执）、面向对象滥用（依恋情结、不当亲密、拒绝遗赠）、变更阻碍（霰弹式修改、发散式变化）、冗余类（死代码、推测性泛化、中间人）、耦合类（时间耦合）以及可读性（魔法数字、布尔盲区、深层嵌套）。该技能支持可配置阈值，通过项目根目录的 .codeprobe-config.json 文件调整，例如长方法行数上限默认 30、大类行数上限默认 300、深层嵌套上限默认 3。所有发现项使用 SMELL- 编号前缀，并附带修复建议提示词示例。该技能会明确排除生成代码、测试文件的长 setup 方法、配置文件、数据迁移文件以及第三方代码，避免误报。它可作为独立模式直接调用，此时需先读取共享前言与参考文件，默认使用完整模式。适用于需要在代码审查或重构前识别代码质量问题、提升代码可维护性的开发场景。若作为独立技能运行，需要先加载 codeprobe 的共享约定与当前技术栈对应的参考文件。