agent-usage
用于在对话中查询 AI 编程智能体的用量、成本与 token 消耗，支持 Claude Code、Codex CLI、OpenClaw、OpenCode、kiro、Pi 和 Hermes Agent，可回答花费、token、模型对比、会话历史与用量趋势等问题。
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 11-05 00:16
编程与开发
39,551 个结果
cli-forge-scaffold
cli-forge 技能族的脚手架阶段：依据已批准的 cli-plan.yml 与内置模板，生成全新的 Rust CLI Skill 项目基线，并完成构建、Clippy、格式与测试校验，产出 scaffold-receipt.yml。
diagnosing-bugs
面向疑难缺陷与性能回退的诊断循环技能，适用于用户要求“诊断/调试”或报告程序损坏、抛错、失败、变慢的场景。核心是先构建可复现的反馈回路，再依次复现、最小化、假设、插桩、修复与回归测试。
codebase-design
codebase-design 是一套用于设计“深模块”的共享词汇与原则，强调以小接口承载大量行为，并把接口放在干净的接缝处，使调用方获得杠杆、维护者获得局部性、测试通过同一接口进行。它提供 Module、Interface、Implementation、Depth、Seam、Adapter、Leverage、Locality 等术语的明确定义，并给出深模块与浅模块的对比、删除测试、接口即测试面、一个适配器只是假设接缝等原则，以及可测试性设计建议（依赖注入、返回结果而非副作用、缩小接口面积）。适用于设计或改进模块接口、寻找深化机会、决定接缝位置等场景。
domain-modeling
领域建模技能用于在设计与开发过程中主动构建和打磨项目的领域模型。它会挑战与现有术语冲突的用词，澄清模糊或含义过载的说法，提出精确的规范术语，并通过具体场景压力测试概念边界，还会将用户描述与代码实际行为交叉核对。该技能将已确立的词汇、关系与决策记录到配置的产物中：词汇表文件（默认 GLOSSARY.md）和架构决策记录（ADR）。多上下文仓库可通过 GLOSSARY-MAP.md 指向各上下文的词汇表位置。产物按需惰性创建，词汇表只记录术语定义而不包含实现细节，ADR 仅在决策难以逆转、缺少背景会令人费解且属于真实权衡结果时提供。该技能适用于讨论代码库术语、编写或编辑词汇表文件与遗留上下文文件、记录或更新架构决策等场景，不适用于仅阅读词汇表以获取词汇的简单行为。
implement
Implement 是一个用于按规格说明或工单（tickets）落地实现工作的技能。它要求先读取并确认规格或工单的身份、已接受的范围与测试接缝，遇到含糊引用时主动询问；通过 /domain-modeling 解析项目共享产物，通过 /principles 获取实现约束，再以 /tdd 方式实现垂直切片，复用既有接缝与仓库检查，定期运行类型检查与单个测试文件。必要时用 /swarm 做有界委派，隔离写入者并由一个协调者维护规范文档。完成后需核对领域变更、检查完整 diff、运行完整测试套件与相关检查，并调用 /review-loop 做最终评审，处理可执行发现。经授权后提交到当前分支，按需准备草稿 PR 并调用 /pr 生成描述，保持跟踪器关闭与项目实际完成边界一致。
implement-spec
implement-spec 是 christofferbergj/agent-skills 中的一项智能体技能，用于把 /to-spec 与 /to-tickets 产出的规格和工单落实为代码。它把工单当作依赖图，在单一集成分支上协调多位写入者并行实现，由协调者负责合并、维护项目文档与追踪器更新，并在完成后进行整体验证与评审。
improve-codebase-architecture
该技能用于扫描代码库，发现“深化”机会——即把浅模块重构为深模块，以提升可测试性与 AI 可导航性。它会先探索代码库、结合项目领域模型与架构词汇，找出架构摩擦点，然后生成一份自包含的 HTML 可视化报告，为每个候选重构给出文件、问题、方案、收益、前后对比图和推荐强度，并附上首选建议。用户选定某个候选后，进入“拷问”环节，通过决策树梳理约束、依赖、深化模块的形态、接缝背后的内容以及哪些测试可保留。过程中会按需调用领域建模、代码库设计、原则、群体协作等子技能，并仅在授权时持久化模型变更。
setup-pre-commit
setup-pre-commit 是一个安装型技能，用于为代码仓库配置提交时的检查流程。它会先查看项目使用的包管理器、运行时版本、已有的钩子、格式化工具、linter 以及统一的检查命令，然后在符合项目条件的情况下复用仓库现有的格式化和钩子管理工具；只有在缺失且适合时才引入 Husky 与 lint-staged，并通过项目自身的包管理器安装开发依赖，保留已有的 prepare 脚本与钩子。随后，它会将针对暂存文件的检查与项目现有的类型检查和测试命令接入钩子，并避免与既有工具链重复。最后，它会验证语法，并在无害隔离或已获授权的改动上实际运行钩子；保留初始暂存状态，对缺失的检查如实报告，不虚构脚本；获得授权时只提交范围内的结果。适用于添加 pre-commit 钩子、配置 Husky 等提交前检查场景。
to-spec
把当前对话内容直接整理成需求规格，并发布到项目 issue 跟踪器，无需再访谈用户。该技能强调基于已有对话与代码库理解进行综合，按模板组织结构化规格文档，并依据未解决的设计或验收阻塞情况决定是否标记为 ready-for-agent。
bulk-engineering
面向 DCS/PLC 自动化工程的批量生成方法集合，介绍从仪表、电机、阀门清单到控制逻辑、HMI 画面与 I/O 配置的模板化代码生成流程，涵盖 ABB Freelance、西门子 TIA Portal、Emerson DeltaV 的实现方式及 Python 技术栈。
file-upload
服务端文件上传处理技能，覆盖 Multer（Node.js/Express）、FastAPI UploadFile（Python）与 Spring MultipartFile（Java）三种实现，涉及文件校验、流式/异步写入、大小限制、UUID 命名与生产环境检查清单。
http-clients
面向前端与 Node.js 的 HTTP 客户端技能，覆盖 Axios、Fetch API、ky、ofetch，讲解拦截器、错误处理、重试逻辑与认证令牌等常见模式。
python-profiling
面向 Python 的性能剖析技能，使用 cProfile、tracemalloc、line_profiler 等工具定位 CPU 瓶颈与内存问题，并给出常见性能反模式与优化建议。
resilience-patterns
应用弹性模式技能，涵盖重试与指数退避、熔断器、超时、舱壁隔离、降级回退与健康检查，并提供 Polly（.NET）、resilience4j（Java）等实现示例与生产检查清单。
codedrobe-adapter-dev
CodeDrobe Core 适配器开发技能，用于为 Chromium/Electron AI 桌面应用新增、检查、修复或验证适配器，强调基于真实安装应用验证选择器，并遵循架构、契约、DOM 检查与测试规范。
codely-openspec-spec-create-from-code
该技能从已有代码中反推并生成 OpenSpec 规格（spec），为团队采用 OpenSpec 之前就已上线的行为建立缺失的基线。这样后续变更可以通过 MODIFY 或 REMOVE 修改既有需求，而不是只能以 ADDED 方式叠加。技能会检查 CLI 与目录前提、界定能力范围、收集代码证据、分类候选行为、按格式编写 spec，并用严格模式校验。适用于为存量功能补规格、为即将进行的变更梳理受影响行为，或排查哪些功能尚无 spec。
jsdoc-best-practices
针对 TypeScript 项目的 JSDoc 文档标准技能，强调文档应解释“为什么”而非复述“是什么”，并通过 ESLint 规则强制函数、接口与类型别名的注释要求。
build-x402-server
用于为 HTTP 路由接入 x402 协议收费的编码技能：让接口返回 402 Payment Required，并把 USDC 结算到 CDP 管理的钱包。覆盖 TypeScript（Express、Hono、Next.js）与 Python（FastAPI、Flask），含安装、路由定价、验证与排错步骤。
ce-setup
用于在各类项目中安装并配置 Commerce Engine TypeScript SDK 的技能，可自动检测框架、选择 public 与 session 客户端、配置令牌存储与环境变量，并在使用 Hosted Checkout 时完成双向令牌同步。
cli-build
cli-build 是一套用于设计和构建 CLI 的技能，目标是让 AI 智能体能够安全操作、人类能够监督。它强调机器可读输出、非交互场景不阻塞、写操作留痕，并按风险分级配置安全机制。
restaurant-menu-benchmarking
基于 Crawlora API 的餐厅菜单对标技能，用于比较指定门店、菜品、套餐与不同渠道的价格和菜单覆盖范围，输出带证据与未匹配项的基准表，而非下单结果。
adaptyv
Adaptyv Bio Foundry 云端实验室的 API 与 Python SDK 使用技能，用于蛋白质实验的设计、提交与结果获取。用户通过 API 或界面提交氨基酸序列，自动化实验室运行结合、热稳定性、表达、荧光等检测，约 21 天返回结果。
benchling-integration
面向生命科学研发平台 Benchling 的集成技能，通过 Python SDK 和 REST API 访问注册库（DNA、蛋白质）、库存、电子实验记录（ELN）与工作流，并支持构建 Benchling Apps、查询数据仓库和事件驱动集成。