langgraph-development
LangGraph 开发技能,提供从概念到生产的 LangGraph AI 应用开发指导,涵盖 StateGraph 设计、多代理协作、RAG 系统与生产部署等场景,用于构建有状态、多参与者、长期运行的 AI 代理应用。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-18 00:15
41,688 个结果
LangGraph 开发技能,提供从概念到生产的 LangGraph AI 应用开发指导,涵盖 StateGraph 设计、多代理协作、RAG 系统与生产部署等场景,用于构建有状态、多参与者、长期运行的 AI 代理应用。
该资料条目名为 Bad-Name,来源标识为 himself65/skill-lint,其原始描述仅为“Skill with uppercase in name.”,意为名称中包含大写字母的技能。除名称与这一句简短说明外,资料未提供其他可用信息。
面向 React 的可扩展组合模式指南,用于消除布尔属性泛滥、构建灵活组件库并设计组件 API,涵盖组件架构、状态管理、实现模式与 React 19 API 四类规则。
dev-pipeline 是一个由多个隔离子代理协作的开发流水线编排技能,按“分析→调查→设计→AI 评审→任务拆分→AI 评审→实现→评审”分阶段执行,文件作为阶段间的通信媒介,主代理仅负责路由与检查点,适合跨多文件或子系统的功能、修复与重构任务。
面向 Agent 的金融数据操作入口技能,用于查询、分析、导出历史行情与远端财务等数据。通过 toolkit/marketdb 与 toolkit/fuyao 两个入口路由任务,强调以 toolkit/README.md 为能力事实源,先消歧代码再取数,并输出到文件而非对话。
Biopython 是面向计算分子生物学的 Python 工具集,支持序列操作、FASTA/GenBank/PDB 等文件解析、NCBI/PubMed 访问、BLAST、比对、系统发育与结构分析。当前版本 1.87,需 NumPy,支持 Python 3.10-3.14。
这是一个面向编程智能体的纠错分层技能。它把用户对编码智能体的每次纠正,放到 Lauren Tan(poteto)的“poteto pyramid”中能容纳该纠正的最高层,依次从代码库、静态分析、验证、书面规则到人工审查,越靠上成本越低、拦截越确定。技能包含四个任务:place(将一条纠正放到对应层并构建)、sweep(从仓库历史中找出重复错误并逐类放置)、triage(把规则文件转成机械检查与判断项)、audit(评估仓库各层现状并给出起点)。核心原则是:结构性修复优先于书面规则;检查必须在真实历史错误上失败过才算数;错误信息必须指明替代做法;先止血再清理;未经验证的自动化绝不开启。
Snap Spectacles 镜头开发的入门技能,面向从零开始构建 Lens 的用户,涵盖安装 Lens Studio、创建项目、TypeScript 脚本模型、预览与真机部署等流程,并引导跳转到交互、多人、AI、导航、移动端与设计等子技能。
这是一个针对代码执行沙箱反复失败时的回退工作流技能。当 execute_code_sandbox 连续出现两次及以上不透明错误、持续超时或环境相关错误且无法通过修改代码解决时,可改用此模式:先用 write_file 将 Python 脚本写入文件,再用 run_shell 执行该脚本,并通过 stdout/stderr 捕获输出以验证结果或诊断问题。该模式利用 write_file 在文件 I/O 上的可靠性和 run_shell 对执行环境的直接控制,绕过沙箱序列化问题,提升错误可见性。适用于沙箱反复失败、需要更稳定执行路径的场景;首次失败、简单单行代码或明确为代码 bug 时不宜使用,安全敏感操作仍需沙箱隔离。
该技能提供一套代码执行失败时的回退策略与工作区路径锚定模式,用于在主要执行方式失败时仍能可靠完成任务。核心内容包括:工作区路径锚定(任务开始时确认并打印当前工作目录,避免文件写入意外位置)、执行回退阶梯(第一级简化代码重试,第二级改用 run_shell 配合 heredoc 执行,第三级委托给 shell_agent 处理复杂多步任务)、显式路径管理(使用绝对路径或明确相对路径,避免依赖隐式工作目录)。同时提供决策树、常见失败场景与对应回退方案对照表、健壮文件生成示例、应避免的反模式以及执行后的验证清单。适用于智能体在代码沙箱执行失败、路径混乱或需要错误恢复时使用。
该技能用于调试 Python 代码在沙箱中执行失败的问题。当 execute_code_sandbox 出现未知错误、输出被截断或产生不透明错误时,可通过三阶段方法定位根因并逐步恢复:第一阶段用 run_shell 配合输出管道捕获失败前的部分执行轨迹;第二阶段将脚本拆分为可独立测试的函数或代码块,逐个隔离运行以找出失败组件;第三阶段逐个生成输出文件并立即验证,确认无误后再继续。适用于多文件输出、音视频生成管线、依赖外部库的复杂脚本等场景。
fallback-python-execution 是一种在 execute_code_sandbox 或 shell_agent 失败时使用的备用 Python 执行工作流。它不把 Python 执行委托给智能体,而是分两步内联完成:先用 write_file 把完整 Python 代码写入 .py 脚本文件,再用 run_shell 以 python <script.py> 直接运行。该方式减少智能体解释层带来的错误,直接控制执行环境,并提供清晰的错误输出便于调试。资料还给出用 pandas 和 openpyxl 生成 Excel 报表的示例,以及绝对路径、错误处理、打印进度等实践提示和常见问题排查建议。
该技能提供一种基于 Shell 的 Python 回退方案:当 execute_code_sandbox 或 read_file 返回“unknown error”时,改用 run_shell 配合 Python heredoc 执行 Python 代码,从而绕过沙箱执行问题,继续完成文件读取、数据处理与文档分析等任务。资料给出了基本语法要点、常见用例(读取文本/JSON、Excel/CSV、PDF、Word,以及数据分析)与最佳实践(错误处理、大输出截断、工作目录、多步骤合并、故障排查)。
large-file-write-heredoc 是一个面向 AI 编程智能体的写入技巧:当 write_file 与 shell_agent 因单次负载过大而报“unknown error”时,改用 run_shell 配合 Python heredoc,把大段文本经标准输入直接写入 open(),从而绕过工具的内容大小限制。它提供模板与分步流程:先尝试 write_file;失败则不要再把内联内容交给 shell_agent;改为在 Python 三引号字符串中嵌入完整内容并指定目标路径,整体作为 command 传给 run_shell。使用时需注意转义:字面反斜杠须写成双反斜杠,内容中的三引号须转义,heredoc 结束符不能单独出现在内容行(可改用 PYEOF、FILEEOF)。写完后用 wc -l 与 head -5 校验。适用于 TypeScript、Python、JSON、YAML、Markdown 等文本文件;二进制文件可改为在 Python 脚本内 base64 解码。
python-debug-execution 是一套用于调试 Python 脚本的执行模式,核心目标是让脚本运行时的错误信息完整暴露出来,并通过工作目录校验定位路径类问题。该模式要求在命令行执行脚本时把标准错误重定向到标准输出,并回显退出码,例如 python3 script.py 2>&1 ; echo Exit code: $?,从而避免只看到模糊的“命令失败”提示。同时在脚本内部、进行文件操作之前打印 os.getcwd() 和 os.listdir('.'),确认执行上下文是否符合预期。文中给出了完整调试流程:先向脚本加入诊断代码(打印工作目录、Python 版本、目录内容),再以完整错误捕获方式执行,最后分析 traceback、退出码、目录信息与缺失文件错误。还列出常见故障对照,如 FileNotFoundError 多与工作目录错误有关、ModuleNotFoundError 属依赖缺失、PermissionError 属文件访问问题、静默失败多为逻辑缺陷。适用于智能体或自动化环境运行 Python 脚本、脚本涉及文件交互、排查 CI/CD 流水线失败以及输出可能被截断或隐藏的场景。
该技能提供一套调试 Python 脚本执行失败的模式:运行脚本时重定向标准错误并输出退出码,以捕获完整 traceback;在文件操作前打印并核验当前工作目录,并检查文件是否存在、使用绝对路径等,帮助定位路径相关错误。适用于命令行运行脚本、在自动化智能体中调试执行失败、编写涉及文件读写的脚本等场景。
mcp-builder 是一份用于创建高质量 MCP(模型上下文协议)服务器的开发指南,目标是让大语言模型通过设计良好的工具与外部服务交互。它覆盖从调研规划、实现、评审测试到构建评估集的完整流程,内容包括现代 MCP 设计理念(API 覆盖与工作流工具的权衡、工具命名与可发现性、上下文管理、可操作的错误信息)、协议与 SDK 文档的查阅方式、TypeScript 与 Python 的推荐技术栈、项目搭建与核心基础设施实现、输入输出 schema 与工具注解、使用 MCP Inspector 进行测试,以及编写 10 道可验证评估题的规范。适合需要为 LLM 构建外部服务集成工具的开发者参考。
review-agent 是一个只读、以缺陷为先的代码审查技能,来自 hkuds/deepcode。它直接检查指定的代码变更(如未提交的改动或基于基线分支的差异),返回作者很可能愿意修复的全部可操作问题。该代理不修改文件、不创建提交、不推送分支、不发布审查评论,也不将审查委派给其他代理。使用时先阅读适用的 AGENTS.md 指令,查看完整 diff 及足够上下文,识别变更引入的具体回归,并核对测试与调用点以确认问题真实可操作。每个问题按优先级 P0 至 P3 标注,并给出尽可能小的文件与行号范围;若无符合条件的问题则输出 No findings,不虚构问题,最后附总体评估与测试缺口或残余风险。
一种代码执行回退工作流:当 execute_code_sandbox 连续失败时,改用 write_file 写脚本再用 run_shell 执行,以绕过沙箱序列化问题并获得更清晰的错误输出。
用于调试 Python 代码在 execute_code_sandbox 中执行失败的方法:捕获部分执行轨迹、隔离出错函数并逐步验证输出,帮助定位静默失败、输出截断或含义不明错误的原因并增量恢复。
在 execute_code_sandbox 或 shell_agent 失败时可用的备用 Python 执行模式:先用 write_file 把代码写入 .py 文件,再用 run_shell 以 python 脚本执行,用于生成表格、文档等文件。
在编写 FFmpeg 编码脚本前探测系统可用编码器,避免因编解码库缺失或版本不匹配导致失败,尤其针对 libopenh264 的版本问题。
针对 ffmpeg 编码失败的优雅降级工作流,通过探测编码器、短片测试与逐级回退(copy 模式、mpeg4、moviepy)确保视频处理完成。
面向原生 TypeScript 仪表盘的完整面板功能开发工作流技能,覆盖项目结构探查、服务端路由分发、服务层、Panel 组件与注册,帮助一次性完成跨层功能开发并保持模式一致。