missing-rate-limiting-anti-pattern
针对缺少速率限制这一安全反模式（CWE-770）的说明，用于生成或审查 API 端点、认证系统与面向公众的服务，防止暴力破解、数据抓取和拒绝服务。
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 11-14 00:15
编程与开发
40,941 个结果
claude-code-review
在 Codex 等非 Claude Code 环境里，通过 claude CLI 显式调用 Claude Code 内置的 /code-review，对本地代码改动做独立只读审查，再逐条验证并修复已确认问题。
bonsai-syntax-elements
Bonsai 中访问 IFC 元素的语法参考：在 Blender 对象与 IFC 实体之间双向映射，查询类型、GlobalId、Step ID，并导航空间容器、类型、属性集与材质关系。适用于 Bonsai v0.8.4、Blender 4.2.0+、Python 3.11。
ifcos-impl-relationships
用于通过 IfcOpenShell 管理 IFC 构件关系的技能：处理空间包含、聚合、类型指派、属性集关联、材料关联与开洞等关系，并用 API 方式创建和查询关系实体。
instruction-cleanup
用于批量重构臃肿的指令文件（如 CLAUDE.md、AGENTS.md、Cursor rules），压缩始终加载的上下文以恢复智能体表现。按审计、规划、实施三阶段进行，先测量再重构，并做指针与关键词校验。
clean-architecture
面向明确要求 Clean Architecture 设计、实现或评审的场景，按领域、用例、接口适配器、基础设施四层检查依赖方向，并给出分层发现、依赖违规与文件放置建议。
ddd-cross-aggregate-constraints
用于在修改当前聚合前需要检查其他聚合状态的场景，帮助区分真正的不变量与策略，识别 Saga 适用边界，并给出跨聚合约束的一致性模型选择与失败重试行为。
ddd-domain-building-blocks
用于选择和应用 DDD 领域构建块的技能：值对象、实体、聚合、领域服务、仓储、工厂和领域事件，帮助用最小构建块表达领域规则且不泄漏基础设施细节。
ddd-domain-model-first
一种以领域模型和测试为先的 DDD 实现流程：先用统一语言写领域测试，再实现值对象、实体、聚合与领域服务，随后加入内存仓储与用例，最后才接入基础设施适配器。
ddd-repository-design
该技能用于在领域驱动设计（DDD）中设计或评审仓储（Repository）。它把仓储视为对聚合根的集合式访问，而非通用 DAO 层，并分离命令仓储与查询服务。
ddd-repository-placement
用于在分层、整洁架构或 DDD 项目中判断仓储接口与实现应放在何处，强调聚合不应向外获取数据，并提供放置规则、工作流与输出建议。
error-handling
用于设计和审查领域逻辑、应用服务与基础设施中的错误处理方案。按可恢复性与调用方职责选择类型化错误、异常或致命处理，并给出错误分类、API 调整与测试建议。
first-class-collection
一级集合（First Class Collection）技能：当需要把集合包装成领域专用类，以集中管理集合规则、不变量与行为时使用；适用于列表逻辑分散、集合操作重复等场景。
kiro-steering
kiro-steering 用于把 .kiro/steering/ 目录维护为持久化的项目知识库，支持首次从代码库生成核心 steering 文件，以及在后续维护中同步代码与 steering、检测代码漂移，并保留用户自定义内容。
kiro-steering-custom
为 Kiro 项目创建自定义 steering 文档的技能，用于记录 API 标准、测试、安全、数据库等特定领域的项目记忆，遵循与核心 steering 相同的粒度原则。
kiro-validate-gap
kiro-validate-gap 是一个用于分析需求与现有代码库之间实现差距的技能，帮助在实现前评估缺失能力、集成难点与可行方案，并将分析结果写入 .kiro/specs/$1/research.md 供设计阶段参考。
refactoring-packages
用于重构现有代码库包或模块结构的技能，可检测循环依赖、过大模块、职责错位与依赖问题，通过小步可验证的移动在保持行为不变的前提下改善依赖形态。
tell-dont-ask
一个用于代码审查与重构的规则型技能，指导把对对象状态的查询与决策移回拥有数据的对象内部，用意图明确的方法替代 getter/setter 分支，适用于消除 Feature Envy 与贫血模型。
claude-permissions-audit
用于审查并整理 Claude Code 的权限设置，覆盖全局 settings.json、项目 settings.local.json 及 dotfiles 副本，帮助识别冗余、错位、粒度不一致与过期条目，让全局设置成为唯一真源、项目本地文件保持精简，并分离读写操作。
skill-seekers
Skill Seekers 是一个命令行工具，可将文档网站、GitHub 仓库和 PDF 自动转换为 Claude AI 技能。支持抓取、AI 增强与打包为 zip，便于上传到 Claude 使用。
portless-local
Portless 是一个本地开发工具，用稳定的命名 .localhost URL 替代端口号，让人类和 AI 智能体都能用确定的主机名访问本地服务，避免端口冲突、记忆端口和配置硬编码问题。
fluidsim
FluidSim 是面向高性能计算流体力学（CFD）的 Python 面向对象框架，基于伪谱法与 FFT 求解周期域方程，提供 2D/3D Navier-Stokes、分层流与浅水等求解器，支持 MPI 并行与交互式分析。
unifi
用于通过本地 UniFi OS 网关 API（在 Cloud Gateway Max 上测试）只读查询和监控 UniFi 网络，包括设备、在线客户端、网络健康、DPI 流量与告警。
finding-unknowns
Finding Unknowns 是一套包含 11 个元认知技能（meta-cognitive skills）的代理技能合集，目标是让编程智能体在代价变高之前先暴露“未知的未知”。这些技能教智能体发现自身不知道的内容、审计上下文、设计更易用的接口，并以最大化可审查性的方式组织实现。它适合在进入不熟悉的代码区域或领域、规划复杂多步实现、刚结束长会话需要核对改动、用户要求“审计上下文/找出盲点”、以及设计 MCP 服务器或面向智能体的工具时使用。技能包括盲点扫描、逐题访谈、参考代码挖掘、实现计划、实现笔记、评审打包、变更测验、头脑风暴原型、上下文审计、智能体接口设计、渐进披露等。可通过 Hermes 配置外部技能目录安装，并用 hermes skills list 验证。