cloudflare-management
通过 MCP 管理 Cloudflare 的 Zones、DNS、Workers、KV、R2 与缓存清理的技能，适合在对话中直接操作 Cloudflare 基础设施。
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 11-03 00:11
部署与运维
12,979 个结果
docker-management
通过 MCP 管理 Docker 容器、镜像与服务的技能，适用于列出、启动、停止或调试容器，支持查看日志、在容器内执行命令以及检查资源占用情况。
s3-management
通过 MCP 管理 AWS S3 存储桶与对象的技能，支持浏览、上传、下载及生成临时分享链接。适用于需要在对话中列出桶、按前缀浏览对象、读取或写入文本内容、删除对象以及创建预签名 URL 的场景。
viberaven-production-readiness
VibeRaven 是面向 AI 生成应用的 Agent Context 与 Production Gate 技能，用于在部署到 Vercel/Supabase/Stripe 前检查认证、数据库、支付、监控、错误处理、限流与环境变量等生产就绪缺口，并给出修复与验证流程。
vercel-deploy
Vercel Deploy 是一个用于将应用和网站部署到 Vercel 的技能，无需认证即可使用。它会将项目打包为 tarball（排除 node_modules 和 .git），从 package.json 自动检测框架，上传到部署服务，并返回预览 URL（可访问的线上站点）和认领 URL（用于将部署转移到用户的 Vercel 账户）。适用于用户提出“部署我的应用”“把这个部署到生产环境”等部署请求的场景。
cloud-run
用于在 Google Cloud Run 上部署与管理容器化应用的技能，涵盖服务部署、修订版本管理、流量分配和日志查看，需配合 gcloud、Docker 或 Cloud Build 使用。
exa-monitor
定时使用 Exa 搜索监控配置主题的技能：每 4 小时通过 mcp__Exa__web_search_exa 搜索 EXA_MONITOR_TOPICS 中的主题，对 URL 去重，将新结果摘要写入命名记忆并汇总到 exa-digest.md，可接入晨间简报。
forum-monitor
用于监测 Reddit、Hacker News、ProductHunt 等公开论坛，发现高频用户痛点、功能需求与未满足需求，并将非结构化讨论整理为带证据、按机会分排序的报告，可接入自动化应用生成流程。
project-stage-detection
project-stage-detection 是一个用于检测软件项目成熟度阶段（new/early/mid/mature）的技能，通过分析文件结构、配置、文档与测试覆盖，将项目路由到合适的初始化或入职工作流。
okteto
Okteto 是一种基于 Kubernetes 的云端开发环境工具。本技能为 AI Agent 提供在 Okteto 环境中工作的知识、工作流模式与调试策略。技能内容涵盖两种操作模式：协作模式（开发者与 AI 一起工作）和自主模式（AI 独立完成从环境部署、代码修改、构建重部署、测试验证到结果汇报的完整生命周期）。技能规定了五条核心操作规则，包括先读取 okteto.yaml、绝不自行运行 okteto up、通过 okteto build 与 okteto deploy 构建部署、一个 worktree 对应一个命名空间、未经授权不得销毁环境，并提供了 Okteto CLI 命令速查表、worktree 隔离方法以及清理与拆解规则。
olakunlevpn-local-source-of-truth
一项工程规范类技能：强调本地开发工作区是唯一代码来源，服务器只负责运行与验证，不用于编写永久性修改。适用于部署、线上修 bug、热修复或判断永久改动应写在哪里时自动触发。
cmd-productionize
cmd-productionize 是 olshansk/personal-agent-skills 中的一条智能体命令规则，用于把开发代码系统化地改造为可部署的生产级应用，支持多框架与多部署目标，强调质量优先、全面分析与主动提问。
apphouse-new-app
AppHouse 新应用引导技能：把 iOS 应用想法或已有仓库整理成 AppHouse 标准项目，生成 apphouse.project.yml 清单并走完发布检查表，涵盖身份、Firebase、RevenueCat、后端、网站、分析与发布准备。
docker-debugger
Docker Debugger 是一个用于排查 Docker 容器问题、修复 Dockerfile 错误、优化镜像以及诊断 docker-compose 的技能。它提供了一套系统化的调试流程：先识别问题类型（构建、运行时、网络或性能），再通过诊断命令收集信息，分析日志与错误，最后应用修复方案。技能内容涵盖常用诊断命令（如 docker ps、docker logs、docker inspect、docker stats、docker top、docker exec、docker system df、docker history），以及常见问题的解决方案，包括容器立即退出、构建失败、网络问题和卷权限问题。此外还整理了 Dockerfile 最佳实践（使用具体标签、设置工作目录、分层复制、非 root 用户、HEALTHCHECK 等）和 docker-compose 调试方法（无缓存重建、查看日志、重启单个服务）。适用于开发者在遇到容器启动异常、镜像构建报错、容器间通信故障或性能瓶颈时快速定位并解决问题。
fleet
Fleet 是一个将多台 Linux 代理机器收敛为私有共享编码节点、并在节点间均衡有限代理任务的技能。资料说明其分支为 Bootstrap、Reconcile 与 Balance，强调独立认证配置、共享文件、技能目录、tailnet 访问与最小化计划任务。
worktree-cleanup
worktree-cleanup 是一个清理 Git 工作树、陈旧分支与构建产物的技能，目标是在不丢失独有工作的前提下减少磁盘占用。默认只清理当前会话仓库，仅在明确要求时才扩展到本地根目录或远程工作区。
hapi-runner-setup
该技能用于在 Linux 上把已有的 HAPI 安装注册或修复为 systemd 用户服务，涵盖私有 Codex 提供商凭据配置，以及在 runner 环境中的验证。适用于已有 HAPI 安装且 systemd 用户管理器可用的 Linux 环境。安装 HAPI、更换提供商或设置开机启动属于独立选项，仅执行用户请求的配置，并保留无关配置与活动会话。
create-pr-azdo
用于在 Azure DevOps 中规范化创建拉取请求的技能，要求在非 main 分支、工作区干净的前提下推送分支，并遵循仓库的线性历史合并偏好；若合并选项不一致需先询问 Maintainer。
card-wifi-setup
card-wifi-setup 是 AI Desk Card 的 Wi-Fi 配网技能，引导用户把 SSID 与密码写入设备 NVS，让设备连上家庭 Wi-Fi 并通过 mDNS 被 daemon 发现，从而切换到 Wi-Fi 传输。
manufacturing-app-recipe
该技能用于在 Intel 硬件上通过 Docker Compose 搭建可直接运行的制造分析栈，覆盖 vision、ts、multimodal、vllm、agentic 五种部署形态。vision 模式提供轻量单视觉流水线，仅用于演示或概念验证；ts 模式提供仅传感器异常的完整可部署应用；multimodal 模式将摄像头与传感器流按时间戳关联，输出融合判定；vllm 模式在融合栈上增加 LLM/VLM 自然语言解释；agentic 模式进一步加入智能体编排微服务。适用于焊接、CNC、PCB、预测性维护、可再生能源、旋转机械、HVAC 等制造质量检测与监测场景，依赖 Intel 硬件与工业边缘参考架构。
openedge-cli
openedge-cli 是用于在边缘系统上安装和管理 Open Edge Platform（OEP）组件的自包含 Shell 脚本安装器。它可安装由模块（modules）组成的组件以及命名的组件组（profiles），并支持启动、停止和移除这些组件。安装器会根据操作系统提供不同版本：Ubuntu/Debian 使用 openedge-cli，Fedora 使用 openedge-cli-fedora，其他系统需检查是否有匹配的变体。用户可先运行 list 子命令查看可用模块与 profile，再按需安装；安装时会自动拉取依赖。它适合需要在边缘设备上部署 OEP 的场景，但只应通过该安装器管理 OEP 组件，不应手工安装其已接管的软件包、pip wheel 或容器。
pai-export-policy
pai-export-policy 是一个用于导出并校验 Physical AI Studio 已训练策略的工具，面向 Runtime 部署。它基于 physicalai-train 的 ExportBackend（支持 onnx、openvino、torch、executorch）与 policy.export API，并提供 physicalai export 命令行等价入口。核心流程为：先确定策略类、.ckpt 路径、目标后端和 Runtime 加载行为，再通过 Python API 或 CLI 执行导出，随后在代表性输入上对比 Torch 策略路径做数值一致性校验，并按 Runtime manifest schema 检查产物结构与元数据，最后确认 Runtime 能否自动检测或显式加载该后端。工具强调 Studio 负责导出、Runtime 负责加载，导出需遵循各后端约束，遇到策略不支持的组合应说明限制而非改动 Studio 源码。
ship
ship 是 open-horizon-labs/repo-native-alignment 仓库内的技能，用于执行该仓库专属的 RNA 发布流水线，覆盖从实现完成到评审、验证、CI 与合并的全过程。当草稿 PR 准备就绪时使用。
swamp
Swamp 是一款面向开发者 Git 项目的磁盘占用调查 CLI，用于回答「什么在增长、属于哪个项目或 worktree、占用来自构建产物、依赖还是 Docker 对象，以及移除的代价」。它只提供有界证据与报告，不判断「可安全删除」。