dootsabha
दूतसभा 是一个多智能体委员会编排器，可让多个 AI 编程 CLI（Claude、Codex、Antigravity、Grok）针对同一提示分别作答、互相评审并综合出结果，输出 JSON 与退出码便于脚本分支处理。
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 11-09 00:13
编程与开发
40,274 个结果
injective-ai-cost-optimization
面向智能体交易机器人的 AI API 成本优化技能，基于 Injective DEX 生产数据，讲解 Anthropic token 成本追踪、网络搜索成本控制、CoinGecko/Massive.com 数据源与共享缓存、按用户成本上限及 x402/订阅定价。
planet-bulk-download
面向 PlanetScope 影像大规模下载的实战参考，基于 Planet Python SDK v2，覆盖 search/activate/extract 三阶段流水线、COG /vsicurl/ 读取、并发调优与重试策略，适用于数百至十万级 AOI 的批量拉取。
transformers
Hugging Face Transformers 是用于文本、视觉、音频和多模态的模型定义框架，提供统一 API 加载预训练模型、推理与微调。本技能介绍 Pipeline API、Auto 类、模型加载、推理模式、Trainer 微调、量化与性能优化等用法。
plan
一款面向全栈 Web 开发的实现规划技能，把功能请求拆解为可按顺序执行的任务，每个任务的代码改动少于 50 行。适用于规划新功能、重构等场景。
creating-rules
用于在 Claude Code 中创建模块化规则文件的技能，可在 .claude/rules/ 下生成带 YAML frontmatter 的 Markdown 规则，支持全局或按路径限定作用范围，适用于编写项目规范、编码标准与安全要求。
040-planning-plan-mode
用于在 Cursor Plan 模式下为 Java 实现创建结构化设计计划的交互式技能，涵盖计划模式工作流、YAML frontmatter、必需章节、London 风格 TDD 与执行纪律。
git-history-recon
git-history-recon 是一个分析 Git 仓库历史的技能，用于在代码审查之前生成代码库风险画像。它先探测仓库规模（提交数与贡献者数），再并行运行 7 条 Git 分析流水线，分别覆盖代码热点、缺陷聚集文件（Bug Magnets）、巴士系数、活跃与总贡献者、团队动量、救火提交频率以及近期新增文件，最后通过交叉引用找出同时出现在热点与缺陷聚集列表中的高风险文件，并标注其主要负责人。最终输出结构化产物 walkthrough/recon-report.md，供下游代码审查类智能体直接读取，用以优先关注高风险文件，无需自行搭建 Git 分析流程。报告包含固定表头信息（生成时间、仓库、规模分级、分析窗口、关键词、排除项、注意事项与警告）以及 8 个必需章节，无数据的章节会明确写明“No data”。支持通过可选的目标目录参数限定分析范围，并对浅克隆、窗口内无提交等情况给出警告或回退策略。
plannotator-review
plannotator-review 是 jellydn/my-ai-tools 中的一项技能，用于通过 Plannotator UI 对当前代码改动开启交互式代码审查。
guidewire-common-errors
该技能用于诊断并修复 Guidewire InsuranceSuite 中常见的错误，覆盖 Cloud API、Gosu 开发与集成场景。它提供 HTTP 状态码参考（如 400、401、403、404、409、422、429、500、503）及其含义、常见原因和处理方式，并列出常见校验错误码（required、invalid_format、invalid_value、range_exceeded、duplicate、reference_not_found）及示例。使用前需具备 Guidewire Cloud Console 日志访问权限、了解 HTTP 状态码并熟悉 Gosu 异常处理。处理步骤包括：先根据状态码和响应体判断错误类别（认证、校验、并发、限流），再套用对应修复模式（如令牌自动刷新、补充 API 角色、基于校验和的 GET-then-PATCH 重试、按字段解析校验明细），随后处理 Gosu 专有异常（空安全操作符、bundle 修改、AtMostOneRow、提交时捕获 ValidationException），并以熔断、指数退避重试、死锁检测等方式处理集成错误。
guidewire-cost-tuning
Guidewire Cloud 成本优化技能，覆盖许可证管理、资源分配、API 使用优化与云基础设施合理配置，需访问 Guidewire Cloud Console 账单与用量指标。
guidewire-multi-env-setup
用于配置 Guidewire InsuranceSuite 多环境（开发、QA、UAT、生产）的技能，涵盖环境隔离、配置管理、密钥管理与环境晋级流程，基于 Git 配置和 CI/CD 流水线实现。
speech
JetBrains 技能库中的语音生成技能，通过 OpenAI Audio API 将文本转为旁白、产品演示配音、IVR 提示音和无障碍朗读等语音，默认使用 gpt-4o-mini-tts-2025-12-15 模型与内置音色，并优先调用随附 CLI 以保证可复现。
vertex-ai-api-dev
指导在 Google Cloud Vertex AI 上使用 Gen AI SDK 调用 Gemini API 的技能，面向企业级场景，涵盖文本生成、多模态理解、函数调用、结构化输出、上下文缓存、嵌入、实时 API 与批量预测等能力。
create-pr
create-pr 是一个用于为当前工作创建、更新或描述 GitHub 拉取请求（GitHub PR）或 GitLab 合并请求（GitLab MR）的 AI 技能。它先探测远端主机类型（GitHub 或 GitLab），再读取对应的参考文件获取主机命令。该技能从仓库的智能体文档、PR 模板、近期 PR 与分支提交历史中逐项探测仓库自身约定，包括目标分支、标题格式、描述模板、工单关联、标签、指派人、草稿状态与署名方式。随后收集基于远端目标分支的差异与提交信息，判断是否需要截图等证据，起草标题与正文，并按仓库约定在线内确认。经用户批准后才创建或更新 PR，最后验证草稿状态与目标分支并报告 PR 链接。
submit-changes
这是一个用于在 GitHub 上草拟、创建或更新 Pull Request，或在 GitLab 上处理 Merge Request 的 AI 技能。它会遵循仓库自身的惯例（如目标分支、标题格式、模板、工单链接等），自动检测并应用代码库中的约定，从智能体文档、仓库模板、近期 PR 等来源获取信息。该技能支持描述现有 PR、更新当前分支的 PR 或新建 PR，并在创建前进行分支检查、生成变更证据（如截图或测试对比），最后在用户确认后执行主机操作并验证结果。整个过程注重安全，不会自动推送或强制推送，所有重要操作均需用户确认。
spring-boot-best-practices
Spring Boot 3 + Java 21 + MyBatis Plus 项目的编码规范与架构纪律技能，含 47 条规则分 8 类，按违反后果排序，覆盖分层依赖、国密 SM2/SM3/SM4、实体与主键策略、多方言数据库迁移、R/RList/RPage 响应包装、DTO 边界、鉴权选型与命名约定。
implement-spec
implement-spec 是一个用于在代码中落实规格说明（spec）及其关联工单（tickets）的技能。它基于已经生成的 spec 和 tickets，通过协调多个实现子代理（implementer subagents）在独立的工作树（worktree）和分支上并行开发，最终将所有工单实现合并到单个集成分支上，并按照问题跟踪器（issue tracker）的关闭方式完成每个工单。该技能强调利用工单之间的阻塞关系形成任务图，以最大并发度推进开发，并通过上下文指针（指向 spec、工单、研究笔记和先前提交）进行稀疏沟通，避免信息重复。它支持创建草稿 PR、使用 TDD 技能构建工单、通过代码审查技能检查集成分支，并在完成后清理工作树。使用前需要已配置问题跟踪器，否则需运行 /setup-matt-pocock-skills。该技能适用于有明确规格和工单分解的复杂开发任务，要求用户具备相应的多代理环境和 Git 工作流支持。
pr
这是一个用于撰写拉取请求（PR）正文的模板技能，适用于需要编写 PR 描述的场景。模板要求 PR 正文包含三个核心部分：Summary（摘要，可用图示、差异草图或树状结构呈现最小但清晰的视图）、Evidence（证据，展示改动前后的截图、输出或测试结果）、Merge Danger（合并风险，说明单向或双向门以及爆炸半径）。摘要部分支持多种可视化表达方式，包括伪代码展示逻辑、调用树展示运行时控制流、组件树展示 UI 结构、文件树展示职责划分、Mermaid 序列图展示交互，以及 diff 展示具体变更。模板强调跳过前言、保持简洁、使用用户领域的语言，并以截图和执行结果作为主要证据形式。
retro
retro 是一个对编码会话进行回顾的技能，用于向编码智能体的环境提出改进建议，以优化未来运行。它会读取会话日志，分析导航、自动化检查、编码标准、全局 AGENTS.md、工具经济性、无效指令和信息访问等类别中的改进候选，并按严重程度呈现给用户。该技能强调区分实现与审查阶段，建议审查智能体负责编码标准，并优先构建确定性检查而非编写规则。适用于希望从编码会话中总结经验、改进智能体工作环境的开发者。
designing-tidy-r-functions
这是一套面向人类使用者的 R 函数设计指南，核心目标是降低使用者的认知负担、提升可预测性与可组合性。内容涵盖函数命名（祈使语气的动词、前缀优先于后缀、命名长度与调用频率成反比）、参数设计（重要参数在前、主数据作为首个参数以便管道操作、必填参数不设默认值、`...` 放在必填与可选参数之间、复杂默认值用 NULL 并在函数体内计算、字符串选项用 `arg_match()` 枚举、统一常用参数名如 new_data、na_rm、weights、x、y、data）、输出模式（类型稳定性、模型预测返回 tibble 且行数与顺序一致、列名标准化为 .pred、.pred_class、.pred_lower、副作用函数不可见地返回首参数）以及副作用隔离与可撤销、用策略对象替代布尔标志、避免全局选项隐式依赖、模型对象最小化存储数据并不保存 call 对象、使用 S3 构造器与验证器、矩阵子集始终使用 drop = FALSE，并附设计检查清单与延伸资源。
next-browser
next-browser 是基于 @vercel/next-browser CLI 的 Next.js/React 页面调试工具，通过 shell 命令获取浏览器态信息，支持页面打开导航、截图、React 组件树与 props/hooks、PPR shell、Cache Components、错误日志与网络请求分析，也可用于渲染性能分析与 instant navigation 调试。
citation-system
用于设计引用格式、信息溯源与来源标注系统的技能，适用于文档问答、RAG、代码引用、浏览器辅助等需让用户追溯信息来源的场景。不适用于纯创作输出、无需溯源的常识问答，也不用于注入防御。
coding-agent
面向编程任务的智能体技能，通过 Codex、Claude Code 等智能体 CLI 完成代码审查、PR 审查、重构与功能实现，支持会话恢复、计划模式与多阶段工作流。