telnyx-webrtc-client-react-native
基于 Telnyx Voice SDK 的 React Native 跨平台 VoIP 通话库，使用 @telnyx/react-voice-commons-sdk 在 Android 与 iOS 应用中集成实时语音通信，提供 RxJS 响应式状态、自动生命周期管理、原生通话界面与推送通知支持。
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
39,553 个结果
bmad-epic-pipeline-worktree
该技能用于按可配置流水线交付整个 Epic：自动读取冲刺状态，按序在独立 worktree 中开发未完成的用户故事，测试通过后才合并，失败则停止并保留现场。
effect-core-patterns
effect-core-patterns 是一个关于 Effect 库核心模式的技能，用于帮助构建类型安全、可组合的应用程序。它涵盖 Effect<A, E, R> 类型（三个类型参数：成功值、预期错误、所需依赖）、各类构造函数（Effect.succeed、Effect.fail、Effect.sync、Effect.try、Effect.promise、Effect.tryPromise、Effect.async），以及使用 Effect.gen 进行组合。技能还介绍了运行 Effect 的方式（runSync、runPromise、runPromiseExit）、构建管道（map、flatMap、andThen、tap）、错误与值的转换（mapError、mapBoth、orElse），并给出最佳实践与常见陷阱。适用于需要以类型安全方式处理错误、异步操作、副作用和依赖注入的 Effect 项目。
debugger
debugger 是 toonight/get-shit-done-for-antigravity 项目下的一个系统性调试技能，强调“找根因、而非消除症状”。它通过区分用户（只报告期望结果、实际结果、错误信息与出现时间）与 AI 调查者的角色，推动 AI 自行调查原因，而不是询问用户问题出在哪个文件或应如何修复。该技能包含元调试（对自己写过的代码保持怀疑、当作他人代码阅读）、基础原则（区分已确认事实与假设）、认知偏差清单（确认偏差、锚定、可得性、沉没成本及对策）、系统化调查方法、可证伪假设的形成与检验，以及橡皮鸭调试、最小复现、逆向追溯、差分调试、二分查找、注释排除等多种调试技术。它还给出验证标准与清单、三次失败后重启的规则，以及 DEBUG.md 状态文件结构和三种输出格式。
executor
GSD Executor 是 GSD（Get Shit Done）工作流中的执行子代理（gsd-executor），由 /execute 工作流调用，每个计划实例化一个。其职责是完整执行计划任务、为每个任务创建原子提交、处理执行中的偏差、在检查点处暂停并返回结构化信息，以及生成 SUMMARY.md 和更新 STATE.md。执行前先读取 .gsd/STATE.md 获取项目状态与累积决策，再解析计划的前置元数据、目标、上下文文件、任务类型与验证标准，然后按全自动、含检查点或续接三种模式执行。偏差处理规则分四级：自动修复缺陷、自动补充关键缺失功能、自动修复阻塞问题，架构性变更则必须停下请求用户决策。遇到认证错误时作为 human-action 检查点暂停，返回精确的手动步骤。任务完成后按协议逐条执行 git add、git commit 和 git log 确认提交落地，禁止空提交。适用场景为基于 GSD 计划的自动化软件开发执行。
organize-ai-context
organize-ai-context 是一个用于整理代码仓库 AI 智能体上下文的技能，帮助在新仓库或既有仓库中把项目上下文拆分为 CLAUDE.md、AGENTS.md 及 docs/ 下的多个标准文档文件，避免信息混杂，并支持定期梳理，保持上下文清晰可读。
explore-codebase
用于探索陌生代码库的技能：按名称或模式查找文件、追踪调用流与符号定义、在重构前定位全部引用。组合使用 ast-grep（sg）、ripgrep（rg）与 fd 三种命令行工具，按结构、文本或文件名需求选择。
django-extensions
django-extensions 是 Django 项目常用的扩展管理命令集合，用于项目内省、调试与开发辅助。可通过命令行查看 URL 路由、模型信息、设置、权限与模板标签，并使用增强 shell、开发服务器、SQL 差异对比、脚本执行和请求性能分析等工具。
hf-cloud-python-env-setup
为 SageMaker 或 AWS 自动化创建隔离的 Python 环境，选用兼容的 Python 版本并安装 boto3。在执行 AWS Python 代码前使用，避免用系统 Python。
huggingface-tool-builder
用于构建调用 Hugging Face API 的可复用命令行脚本与工具的技能，支持链式、管道和中间处理，可访问 API 与 hf 命令行工具，适合需要检索模型、数据集等数据并组合成自动化流程的任务。
mikro-orm-v6-to-v7
用于将 @mikro-orm 从 v6 升级到 v7 的迁移技能，覆盖原生 ESM、knex 换 kysely、装饰器拆包及运行时/类型报错修复，如 decorator SyntaxError、persistAndFlush 移除、nativeInsert 找不到等。
code-review
code-review 是一个代码审查技能，提供三种审查视角：Russ Cox（必要性与分层）、BurntSushi（不变量与成本诚实）、Mitsuhiko（标准是否恰当）。审查前需用一句话说明代码解决的问题，再选定单一视角阅读对应文件，输出按影响排序的具体发现。
write-script-python3
Windmill CLI 技能：在本地编写 Python 脚本并预览、运行、生成元数据与部署。
gpc-plugin-development
介绍如何用 @gpc-cli/plugin-sdk 构建、扩展、调试和发布 GPC 插件，涵盖插件脚手架、生命周期钩子、权限声明、测试、安装配置与常见故障排查。
rules
rules 是来自 yinhunfeixue/software_development_skills 的通用规范集合类 skill，主要汇集软件开发过程中常用的各类规范文档，供其他 skill 引用。根据现有资料，它包含代码规范、Git 工作流、Review 机制、阶段门禁、项目结构、任务跟踪、Web 规范以及 UI 设计等规范文件。该 skill 本身不提供具体功能实现，而是作为规范内容的聚合入口，通过引用方式被其他 skill 复用，帮助在开发流程中统一标准。资料未说明其安装方式、运行平台、收费情况或具体使用步骤。
matlab-code-reviewer
matlab-code-reviewer 是一个用于审查、运行、调试和验证 MATLAB 或北太天元建模代码的技能。它依据已批准的代码计划、数据契约、方法决策、兼容性约束等，对代码进行结构化检查。使用前提包括：存在 MATLAB 代码及 code/matlab/Qx/qx_code_plan.md，具备已批准的决策、方法卡、数据画像和运行摘要，并已知 MATLAB 或北太天元运行时的可用性。工作流程涵盖确定主/基线范围、在兼容运行时下检查并运行代码、评估语法、输入契约、方法一致性、可复现性和输出契约，并针对工具箱使用、jsonencode、文件 I/O、绘图导出及北太天元约束提供兼容性证据。若运行时不可用，则标记为 NOT_RUN，而非声称执行成功。审查结果保存为 code/matlab/Qx/reviews/qx_matlab_review.json，采用与 python-code-reviewer 相同的模式，并包含 language、runtime、compatibility_target 等字段。
matlab-model-code-generator
该技能用于为已获人工确认的主方法与可用基线生成并运行最小可复现的 MATLAB 或北太天元兼容代码。它读取代码计划、决策台账、方法卡、探测条件与数据画像，确认范围后，在 code/matlab/Qx/ 下生成保守的 .m 文件，优先使用基础矩阵与表格操作，避免可选工具箱。运行结果（表格、指标、图表、run_summary.json）保存到 results/Qx/experiments/roundN/，并评估输出退化与回退触发指标。适用于数学建模流程中方法已定、需要落地可复现代码并交接给代码审查者的场景。
git-commit
git-commit 是一个在 CalVer 仓库中执行 git 提交操作的技能。它只执行用户明确授权的提交、打标签、推送或提交历史整理，普通开发或准备 PR 不会自动触发提交或历史改写。提交信息需严格遵循 Conventional Commits 格式并附加 Agent-Task、Agent-Model、Agent-Decision、Agent-Limitation 等元数据字段，正文与字段值使用简体中文。版本号必须来自技能自带的 calver.py 脚本，格式为 YY.WW.MICRO，不得手动推断；脚本不可用时停止版本计算与打 tag。推送操作仅在用户明确要求时执行。
scaffold
Scaffold 是一个项目脚手架与样板代码生成技能，为常见项目类型提供具有最佳实践默认值的初始化结构。它通过决策树帮助用户选择合适的语言、框架与工具组合，覆盖后端 API、Web 应用、命令行工具、库/包以及 Monorepo 等场景。内容包含技术栈选择矩阵（如 REST API 可选 Python FastAPI、Node.js Fastify、Go Gin、Rust Axum；Web 应用可选 Next.js、Nuxt 3、Astro、SvelteKit 等）、常用脚手架命令、各类项目的目录结构模板、配置示例（.editorconfig、pyproject.toml、tsconfig.json），以及项目初始化检查清单（版本控制、CI/CD、Docker、代码质量、测试、编辑器、文档）。同时整理了常见陷阱及其预防方式，并提供 API、前端、工具链三份参考文件，可与 docker-ops、ci-cd-ops、testing-ops 等技能组合使用。
devdocs-system-design
devdocs-system-design 是一个用于创建或更新系统设计文档的技能，支持初始设计与增量设计两种模式。初始设计模式适用于用户已完成需求文档、项目尚无系统设计，或需要架构、API 设计的场景；增量设计模式适用于新功能加入、优化建议确认或技术改进后需要调整设计的场景。该技能会先读取需求文档 docs/devdocs/01-requirements.md，自动检测设计模式，通过询问技术栈偏好、目标平台、部署环境与集成需求，探索现有代码，必要时进行外部研究，并在 Plan 模式中呈现设计方案草案供用户审批，最终生成或更新 docs/devdocs/02-system-design.md 文档。增量设计遵循变更范围分类、影响分析、兼容性评估三步流程，并生成变更记录。该技能仅产出文档，不编写实现代码，遵循 MTE（可维护性、可测试性、可扩展性）原则，支持 --fast 模式跳过 Plan 模式并使用合理默认值。
ligandmpnn
LigandMPNN 是一个配体感知的蛋白质序列设计工具，属于 Adaptyv Bio 的 protein-design-skills 技能集。它适用于围绕小分子、金属离子、辅因子以及 DNA/RNA 等配体环境进行蛋白质序列设计，尤其适合酶活性位点设计和金属结合位点设计。该工具基于 PDB 文件中的 HETATM 记录识别配体，并据此生成考虑配体上下文的蛋白质序列。运行方式支持 Modal 云端（推荐）和本地安装两种，本地需 Python 3.8+、CUDA 11.0+、GPU 显存 8GB 以上。核心参数包括 --model_type（如 ligand_mpnn）、--temperature、--number_of_batches 等。输出为 FASTA 序列和包含设计序列的 PDB 文件，并附带评分信息。
client-interface-guidelines
Client Interface Guidelines 是一个面向智能体（agent）执行的命令行客户端界面设计规范技能。它把“机器可靠性优先”作为默认准则，用于创建或改进需要稳定 JSON 输出、可被智能体可靠调用的 CLI/客户端工具。该技能提供一套工作流与参考文件，涵盖智能体优先契约、必须/应当检查清单、测试矩阵模板、交付路线选择，以及帮助文档、输出与错误、参数与交互、健壮性、配置与环境、命名与分发等主题。其核心不可妥协项包括：稳定的机器可读契约与 schema 版本化、支持 --no-input 的非交互运行、带稳定错误码并映射退出码的结构化错误、严格的 stdout/stderr 分离、安全的密钥处理（不通过 flag/env 传入密钥）、可增量演进并带明确弃用路径的接口，以及默认以 JSON 作为行为契约。
ios-ettrace-performance
iOS ETTrace 性能剖析技能，用于从 iOS 模拟器应用中采集并解读带符号化的 ETTrace 性能剖析数据。适用于分析启动或运行时延迟、对比多次 Trace、定位 CPU 占用较高的调用栈。使用时需选定单一聚焦流程、明确起止点，构建待剖析的模拟器应用，将 ETTrace 临时链接进应用目标，收集 UUID 匹配的 dSYM（应用可执行文件及内嵌动态框架），采集一次启动或运行时 Trace，随后立即保存处理后的火焰图 JSON，并仅基于处理后的 JSON 进行报告，说明流程、产物、热点与注意事项。该技能可与 ios-debugger-agent 配合，用于同时需要模拟器构建、安装、启动、UI 驱动、日志或截图的场景。避免宽泛的“随便用一会儿应用”的采集方式，一次 Trace 应对应一个用户可见流程。安装方面，可通过 Homebrew 安装主机端 ETTrace 运行器，并为 iOS 模拟器架构链接 ETTrace.xcframework。未符号化的火焰图不应据此下结论。
swiftui-performance-audit
SwiftUI Performance Audit 是一个面向 SwiftUI 运行性能的代码优先审计技能。它用于诊断渲染缓慢、滚动卡顿、更新开销过大或需要性能剖析（profiling）的场景。该技能先通过代码审查定位可疑点，再在代码无法解释症状时引导用户使用 Instruments 采集运行时证据，最终输出按影响排序的问题清单、修复建议与验证步骤。