teleport-discovery
配置与排查 Teleport 自动发现：通过 Terraform 为 AWS EC2、AWS EKS 和 Azure VM 建立云集成并启用 Teleport Discovery Service，让资源自动发现并纳管。
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
通用与其它
53,582 个结果
risk-register
一个用于企业级销售推进的风险登记技能，帮助记录风险、负责人、缓解措施与升级触发条件，适用于多高风险依赖项目、高管汇报、阶段交接等场景。
arena
Arena 是一种并行候选生成与择优整合的工作流技能：对同一任务同时生成 N 个候选方案，逐一通读、按量规评分选出最强作为基底，再手工把其余候选中的最佳思路移植进去，最后验证整合结果。适用于需要多方向尝试、方案对比与择优融合的任务。
blast-radius
blast-radius 是一个用于在变更发布前评估其影响范围的技能：找出改动可能在别处破坏什么，并用运行真实代码的方式证明某项安全事实，而不是只列调用者或给出听起来合理的分析。
boring-new-app
Boring Factory 端到端新建应用仓库的运维技能：从 hachej/boring-app 模板创建私有仓库，配置密钥与设置、邀请专家、验证 CI，并交接到专家。适用于已使用 Boring Factory 的维护者。
create-verification-skill
用于生成项目本地验证技能的工具：通过访谈代码库，产出 .cursor/skills/verify-<app>/SKILL.md 与功能地图，让智能体像用户一样驱动真实应用并采集证据。支持任意语言、框架与平台。
how
how 是 boring-stack 中的一项技能，用于回答“X 是如何工作的”这类问题，在改动代码前做代码走读，以及处理放置、归属与分层问题（如“这段代码该放哪里”“哪一层负责什么”）。它产出面向资深工程师的架构级解释，帮助建立可用的心智模型。
principle-build-the-lever
该原则主张：当工作并非琐碎小事时，应优先构建能自动完成或验证该工作的工具（如 codemod、脚本、生成器等），而不是纯手工完成。这样做有两个收益：一是吞吐量，脚本能以相同方式重复执行且可免费重跑；二是可信度，工具本身是一份审查者可阅读、可重跑以核验工作的产物，把"相信我"变成"运行这个"。做法上，先手工完成第一个单元以摸清配方，再构建工具，并在该单元上重跑并与手工版本做 diff 验证；工具需保证可安全重跑。适用于编辑、迁移、分析、检查等任何非平凡工作。平衡点在于以"是否琐碎"而非"是否重复"为门槛，即使是单次任务，若工具能让工作可核验也应构建，且按 Laziness Protocol 只写最小可用脚本，而非框架。该原则强调结果为一份文件：若声称应用了它，diff 中应存在 codemod、脚本、生成器或委派技能；工作若超出当前会话则应提交该工具。
principle-guard-the-context-window
一条用于管理 AI 会话上下文窗口的原则技能：当上下文快被占满时，把大输出、长文件、重复读取等批量内容交给子智能体处理，主线程只保留摘要，从而控制令牌消耗、避免推理质量下降。
principle-prove-it-works
“Prove It Works”是一个用于任务完成前的验证原则技能，属于 hachej/boring-stack 技能集。它的核心主张是：任务完成并准备宣告结束前，必须直接核对真实产物，而不是依赖间接信号。技能明确建议直接运行功能、读取实际值、检查实际 diff，而非依赖代理指标、自我报告或“能编译通过”。资料指出，未经验证的工作正确性未知，通过文件修改时间、输出新鲜度、智能体自述、缓存截图等间接方式看似更省事，但基于错误推断行动的代价远高于直接核对源头。该技能给出若干要点：直接检查进程存活，而非通过派生状态间接判断；读取真实值，而非缓存或派生的表示；验证失败时先怀疑观测方法再怀疑系统；尽可能把检查脚本化——最强的证明是可重复运行同一比较的确定性脚本，而不是一次性的肉眼观察，脚本应被写出、运行并保留输出作为可复查的产物。技能还建议把产物保留给人类可见；只有在大型或复杂工作（如大型移植或迁移）中，才需要提交产物以便后续审计。该技能适合在编码、数据处理、运维等需要对结果做最终确认的场景中使用。关于具体安装命令、收费、价格、支持平台等信息，资料中暂未提供。
show-me-your-work
为长时间或无人值守的工作保留可审查的决策记录：用 TSV 日志每行记录一个决策（内容、原因、证据、结果）。默认本地保存，不提交到 git。
commit
一个用于把未暂存改动按逻辑关注点拆分为原子提交的 Git 技能，遵循仓库既有提交风格。适用于用户要求 commit、创建提交或提交改动时。不负责推送。
logic-locate
Logic-Lens 的故障定位技能：针对已确认的失败（堆栈跟踪、断言失败、具体错误值），通过先向后、再向前的半形式化追踪定位根因，并输出带 Fault Confidence 的聚焦报告。
restricted-bigquery-dbt-environment
用于本地开发时避免误写生产 BigQuery 的 dbt 环境技能：临时在模型 config 中加入 schema='test'，编译验证后运行，提交前必须移除。
study-summary
从当前对话中保存学习笔记的技能：Classic 模式生成简洁复习要点，Mastery 模式保留规则、易错点与 seed 代码等详细训练记录，并将进度写入记忆。
tavily-hikari-search
tavily-hikari-search 是一个通过 Tavily Hikari 执行网络搜索的技能，使用 tvly-hikari CLI 获取搜索结果。它适合需要联网检索、并希望由 Hikari 网关统一鉴权和记录审计日志的任务。
build-by-story
面向 tasks.md 已批准故事单元计划的技能，按故事单元派生评审单元，在每个单元内运行共享连续调度器，单元完成后必须等待人工解锁，再从单元台账恢复，最后做整分支评审。
ascii-art-diagram-creator
该技能用于在 Visual Content 领域自动协助创建 ASCII 艺术图（ascii art diagram creator）。当请求中提及相关关键词或询问其模式与最佳实践时自动激活，提供分步指导、生成配置与代码并做校验。
kaggle-environment
用于 Kaggle 托管运行环境的技能：处理文件路径、加速器、联网、依赖漂移、输出位置、可复现性与资源限制，帮助区分本地开发假设与 Kaggle 执行假设。
fatigue-detector
用于诊断 Meta 广告是否真的疲劳的技能：按“频次>4.0 且 CTR 较自身基线下降30%以上”的双条件规则判断，区分真疲劳与竞价、季节、追踪等误判，并给出刷新创意或淘汰角度的建议。需 Meta Ads MCP 只读权限。
jev-skill-select
jev-skill-select 是 Hermes 的 Jev 技能选择插件，用于在已安装的众多技能中判断当前请求是否适用某个技能，并让技能加载更便宜、更准确。它按批次对技能目录排序，再精读前五名，可返回技能建议或明确表示无需技能。
janitor-fix
janitor-fix 是一个用于自动修复技能（skill）常见问题的工具，默认先进行安全预览（dry-run），需加 --apply 才写入；配合 --prune 可查找并移除失效符号链接、空目录和孤立技能，不修改插件/市场技能。
hospitality-procurement
面向酒店、餐饮等酒店业采购场景的专家技能，帮助优化采购策略、供应商关系与成本管理，覆盖支出分析、供应商绩效评分、GPO 集团采购评估等，并给出可运行的 Python 分析代码。
readme-standards
README Standards（v2025.1）是一套 README.md 模板与规范，适用于生成或改进 README 文件、检查 README 合规性，以及参考 README 最佳实践。提供 Minimal、Standard（推荐）、Detailed 三种模板风格及合规检查清单。