benchmark-and-mms-planner
用于仿真代码的验证与确认规划技能：在信任仿真结果前，帮助选择制造解（MMS）、标准基准算例、网格/时间细化协议、不确定性检查与通过/失败判据。需 Python 3.10+，无外部依赖，支持 Linux、macOS、Windows。
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 11-16 00:04
全部 Skills
253,734 个结果
adopt-project
adopt-project 是 Altitude 学习法中的一个技能，用于把已有项目（常由 AI 生成）纳入学习流程：通过诚实分诊、理解盘点与向前计划，把现有代码库变成学习者的课程，产出 project.md、file-map.md、knowledge-graph.md 和 plan.md 四个文件。
next-lesson
Altitude 学习项目中的“下一课”技能：按计划执行一个任务，边做边教，让初学者理解所构建的每一部分。支持本地免费模式与服务器规划模式，需在项目文件夹内运行。
start-project
start-project 是面向编程初学者的项目启动引导型 AI 技能，隶属于 Altitude 技能集。它不在本技能中编写应用代码，而是充当一位耐心的资深工程师，通过一对一的聊天访谈了解学习者的日常工作、重复性事务、业余爱好、编程与终端经验以及每周可投入时间，再据此提出 2–3 个规模合适的项目点子，帮助用户确定 MVP 范围，并梳理出从零到部署所需的核心组件“主干”。该技能强调每次只问一个问题、用平实语言解释技术名词、以预测或应用类问题检验理解。在使用方式上，不同宿主有不同调用写法：Cursor 桌面端与终端使用共享技能名 /begin、/connect、/status、/next-lesson，Claude Code 保留 /altitude:<skill>，Codex 使用 $<skill>，GitHub Copilot CLI 与 VS Code Copilot 聊天则在技能选择器中按名称选取。完整 Altitude 插件提供课程钩子，单独复制技能文件仅能获得独立的免费方法。限制方面：若目录中已存在 learning/project.md，会询问继续还是重新开始；若目录已含真实代码库（多于一个 learning/ 文件夹），会指向 /adopt-project；本技能不写应用代码，不涉及具体实现细节。
metadata-check
metadata-check 是一个用于审查短小高价值字符串的技能，例如页面标题、meta 描述、结构化数据描述、FAQ 回答、GitHub 仓库标语、个人简介和社交卡片文案，逐项检查前置关键词、具体性、填充词等并给出改写。
python-config-manager
用于 Python 应用的环境变量配置生成与校验工具，基于 Pydantic 或 Dynaconf，帮助确保运行时设置安全且有效。适用于新项目初始化、CI 流水线和旧代码重构。
refactoring-suggester
refactoring-suggester 是一个用于识别代码坏味道并给出分步重构配方（recipe）的技能，可帮助改善遗留代码的可维护性，或用于教学演示如何把可运行代码改写为“干净”代码。本工具聚焦可维护性，而非性能优化。
technical-debt-visualizer
根据代码复杂度、测试缺失和 TODO/FIXME 密度生成仓库热力图与指标报告，帮助识别复杂且频繁变更的“高利息”技术债，用于重构优先级排序。
Getting Started with Research Superpowers
Research Superpowers 为 Claude Code 提供系统化文献检索与综述工作流，聚焦论文查找、筛选与数据提取，集成 PubMed、Semantic Scholar、Unpaywall 与 ChEMBL，支持大规模并行筛选和引用网络遍历。
karpathy-llm-wiki
karpathy-llm-wiki 是一个用于构建和维护 LLM 驱动的个人知识库或 wiki 的技能。其核心理念是“你负责探索，LLM 负责维护”：用户阅读世界、捕获原始信号，LLM 负责编译、交叉链接、去重、检查并暴露矛盾，最终输出到 Obsidian 仓库。该技能提供 5 个核心提示词（Ingest、Compile Wiki Entry、Weekly Ingest、Lint/Contradiction Check、Query），以及反污染的记忆/上下文卫生规则、兼容 Obsidian 的文件夹结构、每周节奏和验证清单。它属于“研究到发布”工作流的第 2 步，上游为 karpathy-autoresearch，下游为 karpathy-output-evolution。
karpathy-system-prompt-learning
系统提示学习范式：把系统提示当作教材来写，通过显式编码策略让 LLM 行为更可预测、更易教学。包含三层框架（背景知识、示范示例、策略规则）、策略编码模板、提示版本管理与验证清单。
agent-slack
agent-slack 是一个 Slack 自动化命令行工具，可读取、发送、搜索消息，浏览频道与线程，管理频道、下载附件、查询用户并运行工作流。
letta-fleet-management
lettactl 是 Letta AI 智能体集群的声明式管理 CLI，采用 kubectl 风格。可通过 fleet.yaml 定义并批量创建、更新智能体，管理共享记忆块、工具、文件夹与 MCP 服务器，支持金丝雀发布、多租户标签、批量消息、导入导出、记忆健康报告与智能体校准。
cds-view-entities
面向 ABAP Cloud 的 CDS 视图实体开发指南，涵盖数据建模、注解、关联与组合、访问控制、表达式与聚合等，并给出 Clean Core 层级与包装视图建议。
threejs-procedural-geometry
面向 Three.js WebGPU/TSL 的程序化几何体生成技能，将几何生成视为编译器：先选表示、冻结语义与误差界、精确计算容量，再输出拓扑与渲染属性并验证。适用于索引网格写入、等高线地形/台地、轮廓或分支扫掠等任务。
linkfox-amazon-opportunity-report
按关键词生成亚马逊美国站商业洞察报告的技能，覆盖市场潜力、产品特征、用户评论、客户画像、搜索趋势与定价分析六大维度，输出Markdown报告，用于选品与市场进入决策。
linkfox-echotik-product-search
用于搜索和分析 TikTok Shop 商品数据的技能，覆盖 16 个站点，可按销量、GMV、价格、评分、佣金比例、达人带货数量等条件筛选并排序，帮助卖家与营销人员选品和评估商品表现。
linkfox-fastmoss-top-selling
通过FastMoss数据查询TikTok全球电商市场热销商品排行榜的技能，支持按日/周/月时间粒度、类目和排序字段分析，覆盖美国、英国等9个TikTok Shop市场，适合跨境卖家的选品与趋势分析。
linkfox-keepa-product-history
用于查询亚马逊单个 ASIN 的历史时序数据，涵盖 Buy Box 价格、多种价格类型、BSR、评分、卖家数量和月销量，支持多个亚马逊站点与最长 365 天窗口。
linkfox-sellersprite-competitor
基于卖家精灵数据的亚马逊竞品查询与分析技能，覆盖12个站点，可按ASIN、关键词、卖家、品牌或类目查询商品，返回月销量、营收、BSR、定价、评分与增长趋势等指标，支持实时与历史月度快照。
turtle-signal
基于原版海龟交易法的量化信号扫描与仓位计算工具，通过 longbridge CLI 获取 A股/港股/美股/新加坡股行情，自动计算 ATR（N 值）、System 1/System 2 突破信号、止损价、加仓点与 Unit 仓位大小。
lookml-explore
用于创建或修改 LookML Explore 的技能，涵盖 Explore 定义、join、访问授权与基础配置，并给出命名规范、必填参数、聚合表性能优化与 extends 继承等实践指引。
lookml-model
用于创建或修改 LookML 模型文件（.model.lkml）的技能，涵盖定义数据库连接、include 引入范围以及模型级缓存配置等。
plan-feature
用于为单个会话装不下的功能做规划的技能：先通过提问让用户敲定所有未决事项，并锁进一个 markdown 计划文件，再按垂直切片拆分为阶段。