v4-sdk-integration
面向应用层的 Uniswap v4 SDK 集成指南，用于构建兑换与流动性体验，涵盖单跳/多跳兑换、报价、池状态读取与仓位管理；Solidity hook 合约请用 uniswap-hooks，Trading API 或 v3 兑换请用 swap-integration。
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 10-21 00:11
全部 Skills
233,626 个结果
agent-elements
Agent Elements 是一个开源、兼容 shadcn 的组件注册表，用于在 React 19 + Tailwind v4 项目中构建聊天、智能体与工具调用界面。它围绕 Vercel AI SDK 设计类型，消息使用 ai 的 UIMessage[]，状态使用 ChatStatus，可直接接入 useChat()。组件通过 npx shadcn@latest add https://agent-elements.21st.dev/r/<component>.json 安装，文件落在 components/agent-elements/ 下。核心组件 AgentChat 提供完整聊天外壳，渲染 MessageList 与 InputBar，并通过 toolRenderers 处理工具调用；还提供 BashTool、EditTool、SearchTool、TodoTool、PlanTool、SubagentTool、McpTool、ThinkingTool、GenericTool 等工具卡片，以及 ModelPicker、ModeSelector、Suggestions、SendButton 等输入组件和 TextShimmer、SpiralLoader 等流式状态组件。
leanback-to-compose-tv-migration
该技能提供将 Android TV 应用从旧版 Leanback UI 工具包、Android Views 或 Support Fragments 迁移到 Jetpack Compose for TV 的架构模式与操作指令。内容围绕“10 英尺 UI”设计范式展开，涵盖观看距离、色彩对比度与 D-pad 遥控导航等特征；明确要求使用 androidx.tv 库与 androidx.tv.material3 设计系统，并给出焦点缩放动画、Coil 图片加载、显式导入、文件命名、过扫描内边距、阅读宽度约束、Media3 Compose 依赖等规范。技能还详细说明 D-pad 焦点处理与导航，包括初始焦点分配、双向焦点路由、避免焦点陷阱、Modifier.focusRestorer 行焦点记忆、文本输入与 IME 焦点链、Back 键拦截，以及 Lazy 容器与 Media3 视频播放传输控件的实现方式，并给出五阶段迁移策略。
pr-validate
PR Validate 是一个用于验证 PR 分支提交就绪度的技能，通过检查分支隔离性、上游对齐、范围收敛和质量门禁，确保变更干净、聚焦且可提交。它默认以当前分支为输入，也可指定分支名，输出通过或阻塞的判定结果及修复建议。
kling-official
Kling 官方直连 API 的 OpenMontage 技能，用于在 provider="kling_official" 时调用官方接口。覆盖视频生成（classic/turbo/omni）、图像生成与 Omni 编辑、TTS、Avatar 与 Lip Sync，说明认证方式（KLING_API_KEY、Authorization: Bearer）、默认 base URL（https://api-singapore.klingai.com）、任务轮询协议、参数约束、错误码处理与成本治理要求。
nielsen-heuristics-audit
该技能让 AI 智能体依据 Jakob Nielsen 的 10 项可用性启发式原则，对应用、网站或数字界面进行系统化的 UX/UI 可用性评估。它提供完整的审计流程：准备阶段梳理界面描述与用户流程，逐条启发式评估并记录违规位置、问题描述与严重程度（0-4 级），进行跨启发式分析以识别系统性问题，最终生成结构化报告。技能还包含针对不可信输入（截图链接、已知问题、竞品信息）的提示注入防护说明，并建议与 Don Norman 原则审计、WCAG 无障碍审计等互补评估结合使用。
fix-merge-conflicts
fix-merge-conflicts 是一个用于非交互式解决 Git 合并冲突的技能，目标是把存在未解决冲突的分支可靠地恢复到可构建状态。它会从 git status 和冲突标记中检测所有冲突文件，以最小化、正确性优先的编辑方式逐个解决冲突；在安全时优先保留双方改动，否则选择能够编译且保持公开行为稳定的版本。对于锁文件，它要求使用包管理器工具重新生成，而不是手工编辑。解决完成后会运行编译、lint 和相关测试，暂存已解决的文件，并总结关键决策。该技能强调保持改动最小且可读、不在任何文件中遗留冲突标记、避免在解决冲突期间进行大范围重构，也不在冲突解决过程中执行 push 或 tag。输出包括已解决的文件、值得注意的解决选择以及构建/测试结果。
what-did-i-get-done
该技能用于把用户指定时间段内本人提交的 Git commit 汇总成简洁的工作进展更新，时间范围可解析为具体日期，并排除合并提交和未提交改动，输出信息密度高、适合作为状态汇报的简短总结。
fastapi-microservices-serverless
该技能面向在无服务器与云原生环境中构建 FastAPI 微服务的开发者，提供一套系统化的工程实践指南。内容涵盖无状态服务设计（会话数据存入 Redis 或外部存储、幂等端点、环境变量配置、健康检查）、API 网关集成（Kong、AWS API Gateway 的路由与限流、网关级认证、API 版本管理、CORS 处理）、无服务器模式（冷启动优化、连接池使用、超时处理、水平扩展设计）、安全（OAuth2 认证、OpenTelemetry 可观测性、Pydantic 输入校验、错误处理）、性能（async/await 处理 I/O、缓存策略、数据库查询优化、Prometheus/Grafana 监控）以及监控（分布式追踪、结构化日志、告警、关键指标）。适合需要将 FastAPI 服务部署到云原生或函数计算平台的团队参考。
go-api-development
该技能提供使用 Go 标准库（1.22 及以上版本）开发 RESTful API 的指导规范，涵盖路由与 HTTP 处理、错误处理、输入校验、JSON 处理、并发、中间件、安全、日志与测试等最佳实践。它强调使用 Go 1.22 引入的新 http.ServeMux 进行路由，要求代码正确、完整、安全且高效，不留 TODO 或占位符，并优先考虑安全性、可扩展性与可维护性。适用于需要按统一规范编写 Go API 的开发场景。
llm
该技能面向大语言模型（LLM）的开发、训练、微调与部署，提供一套工程实践指南。内容涵盖 Transformer 架构理解、注意力机制与分词器选择、LoRA 与 P-tuning 等参数高效微调方法、全量微调的学习率与预热调度、DeepSpeed 与 FSDP 分布式训练、梯度累积与混合精度等显存优化手段，以及困惑度、BLEU 等评估指标和量化、剪枝、批量推理等部署优化。同时给出项目结构建议，如用 YAML 管理配置、分离数据处理与训练、实验跟踪与模型版本控制。
microservices
面向微服务开发的技能指南，覆盖 FastAPI/Python 与 Go 的生产级实践，包括无状态设计、API 网关、熔断重试、无服务器部署、可观测性、安全、Clean Architecture、错误处理、并发与测试等要点。
react-hook-form-zod
React Hook Form + Zod 是一套在 React 中构建类型安全表单的解决方案，由三个 npm 包组成：react-hook-form（高性能、低重渲染的表单库）、zod（TypeScript 优先的 schema 校验与类型推断库）和 @hookform/resolvers（将 Zod 等校验器接入 React Hook Form 的适配器）。核心思路是用一份 Zod schema 同时完成客户端与服务端校验，避免重复定义校验规则（DRY），并通过 z.infer 从 schema 自动推导 TypeScript 类型，实现端到端类型安全。资料给出的版本为 react-hook-form@7.66.1、zod@4.1.12、@hookform/resolvers@5.2.2，状态标注为生产可用。使用时通过 useForm 配合 zodResolver 初始化表单，用 register 注册原生输入或 Controller/useController 接入自定义组件，用 useFieldArray 处理动态字段，用 setError 回填服务端错误。官方示例强调必须设置 defaultValues，并且客户端校验可被绕过，服务端必须使用同一 schema 再校验一次。
shadcn
shadcn 是一个面向 shadcn/ui 组件库的社区最佳实践指南技能，原名 shadcn-ui。它汇总了 58 条规则，覆盖 10 个类别，并按影响程度划分优先级，用于指导自动化重构与代码生成。适用场景包括：在项目中安装和配置 shadcn/ui、编写新组件或组合基础组件、使用 React Hook Form 与 Zod 校验实现表单、构建数据表格或展示大数据集、自定义主题或添加深色模式支持，以及审查代码的无障碍合规性。规则按优先级分为：CLI 与项目设置、组件架构、无障碍保留（以上为关键级），样式与主题、表单模式（高级），数据展示（中高级），布局与导航、组件组合、性能优化（中级），状态管理（中低级）。每个类别使用前缀标识，如 setup-、arch-、ally-、style-、form-、data-、layout-、comp-、perf-、state-。该技能还提供单文件完整参考 AGENTS.md，以及分类定义、规则模板和元数据等参考文件。
s800-vehicle-network-security-testing
S800 是一个面向汽车网络安全的测试框架，主要供汽车安全研究人员与渗透测试人员使用，用于分析、测试和保护车载网络。它支持 CAN 总线以及 LIN、FlexRay 等其他车载通信协议，可对电子控制单元（ECU）进行安全评估、协议模糊测试、流量分析与漏洞发现。框架提供 CAN 总线分析器、协议模糊器、ECU 识别、重放攻击、中间人（MITM）拦截等核心组件，并支持自定义协议解码、异常检测与自动化安全评估。安装需 Python 3.7 以上、SocketCAN 内核模块（Linux）、CAN 硬件接口（如 USB 转 CAN 适配器、OBD-II 加密狗等）以及用于配置网络接口的 root/sudo 权限；也支持 vcan 虚拟接口在无硬件情况下测试。提供 Python API 与 CLI 命令两种使用方式。资料强调仅可在获得明确授权的车辆与系统上使用，未经授权的车载网络测试可能违法且危险。
browser-replay
browser-replay 是一个用于重新驱动已录制浏览器会话轨迹（trajectory）的技能，属于 ruvnet/ruflo 项目。它针对同一 URL 或变异变体重放录制的操作序列，并借助 browser-selectors 命名空间的嵌入相似度，在 DOM 漂移导致选择器失效时尝试恢复，而非直接失败。该技能主要用于回归测试、确定性重跑，以及作为验证路径确认 browser-record 与 browser-selectors 产出的内容确实可被重放。它是 v0.2.0 架构的关键假设：ADR-0001 验证第 4 节要求在 10 个具有不同漂移特征的网站上达到不低于 80% 的重放成功率，才能将提案从「建议」推进到「接受」。使用时先通过 rvf status 定位源会话，读取 trajectory.ndjson 轨迹文件，用 browser_open 打开浏览器，再逐步调度对应的 MCP 工具执行，记录新的重放轨迹并计算匹配率。默认容差阈值为 0.85。
canvas-design
canvas-design 是一套用于创作「设计哲学」的指令集：先以 .md 文件撰写一种美学运动（视觉哲学），再将其以视觉方式表达为 .pdf 或 .png 画布作品。流程分两步：第一步创建设计哲学，强调形式、空间、色彩、构图、图像、图形、形状与图案，文字仅作视觉点缀；第二步在画布上表达该哲学，产出约 90% 视觉设计、10% 必要文字的作品。哲学需命名（1-2 个词），用 4-6 段阐述空间与形式、色彩与材质、尺度与节奏、构图与平衡、视觉层级，并反复强调作品应显得经过精心雕琢、出自顶尖专家之手。创作画布前需从原始请求中提炼一个含蓄的、非字面的概念线索，将其作为隐藏的「概念 DNA」融入形式、色彩与构图，使熟悉该主题的人能直觉感知，其他人则欣赏到一件抽象杰作。画布输出为单页、高度视觉化、设计导向的 PDF 或 PNG，通常使用重复图案与完美形状，借鉴系统化观察的视觉语言，配以稀疏、临床式的字体与系统性参考标记，使用有限且协调的配色。文字始终极简、视觉优先，字体应成为艺术的一部分，可从 ./canvas-fonts 目录选用不同字体，也可下载所需字体。所有元素必须保持在画布边界内、留有边距、互不重叠。最终输出一个可下载的 .pdf 或 .png 文件，以及作为 .md 文件的设计哲学。若被要求多页，可创作风格一致但各具特色的更多页面，打包在同一 PDF 或多个 PNG 中。
migrating-to-workflow-sdk
这是一个用于将现有工作流编排系统迁移到 Workflow SDK 的技能。它面向需要把 Temporal、Inngest、Trigger.dev 或 AWS Step Functions 中已有编排逻辑改写到 Workflow SDK 上的场景。技能的核心做法是通过一系列默认迁移规则，把编排逻辑放入 "use workflow" 函数、把副作用与外部调用放入 "use step" 函数，并针对信号、等待事件、任务令牌等暂停机制选择合适的恢复方式（内部钩子或回调 URL）。它还会根据托管或自托管运行时、指定或框架无关的应用边界、以及是否走回调 URL 等条件，路由到不同的参考文档，并输出固定结构（迁移计划、源到目标映射、迁移后代码、应用边界、验证清单、待定问题）。此外，该技能内置了较严格的验证清单，用于检查副作用是否错误地留在工作流上下文、sleep() 是否出现在步骤内、子工作流是否直接调用 start()/getRun() 等常见错误。
building-twitter-industry-watchlist
这是一个构建 Twitter 行业观察名单的技能，用于识别某行业中信息量最高的 Twitter 账号，即那些推文能持续引发讨论、提供新信息或影响行业思考的人。该技能基于 apidojo 在 Apify 平台上的 Twitter 抓取工具运行，需要设置 APIFY_TOKEN 环境变量，可选安装 Apify MCP 服务器。输入参数包括 startUrls、twitterHandles、twitterUserIds、getFollowers、getFollowing、getRetweeters、includeUnavailableUsers、maxItems 和 customMapFunction。工作流分为搜索高互动行业推文、收集有影响力的账号、丰富与评分、按账号类型分类、交付策展观察名单五步。评分公式结合了转发、回复、粉丝量和近期行业内容发布频率，账号类型分为创始人、投资者、分析师、记者和实践者。输出为按类别分区的 Markdown 表格，包含姓名、账号、角色、粉丝数、平均点赞和信号分数等字段。
multi-search
multi-search 是一个智能多主题深度研究工具，支持任意材料输入，通过并行启动多个独立研究 Agent 进行深度检索并生成系统化研究文档。它适用于用户需要深度研究多个相关课题、进行系统性信息检索、整合多角度分析的场景。该技能会自动分析输入材料并提取研究课题清单，若无明确课题则从材料中自动提取，并要求各课题方向明确、避免重叠、聚焦单一问题。它聚焦信息检索、归纳与专业表述转化，不新增事实、不虚构信息，通用设计可适用于法律、商业、技术、学术等领域。使用方式包括基于文件、直接粘贴材料或直接指定课题，通过 /multi-search 命令触发。
balance-check
这是一个用于游戏开发的平衡性检查技能，可帮助识别公式与数据中的平衡异常值、断裂的成长曲线、退化策略（单一选择明显优于其他所有选项）以及经济系统失衡。它支持对战斗、经济、成长曲线和掉落系统等不同领域进行检查，需要读取相关数据文件与设计文档作为输入，输出包含异常值、退化策略、成长曲线分析与建议的检查报告。若缺少必要输入，则返回“未评估——无数据”而非编造结论。
llm-writing
llm-writing 是一套面向人类可读文本的写作与修订技能，来自 haowjy/creative-writing-skills。它要求在写作或修改面向读者的文字前加载，核心是刻意选词、把内容建立在读者语境之上，并在成稿前清除大语言模型默认的套话式表达。技能建议在未加载时先加载 /intent-modeling，当篇幅超出简短回答时加载 /information-hierarchy。其流程强调先明确读者起点与终点、把文章拆成承载单一想法或转折的节拍、核对素材、写出完整草稿到磁盘，再按整体结构、节拍、段落、句子、词语的层级逐层修订，并检查披露层级。同时给出应删除的内容清单，如为填充章节而写的内容、只贴标签不解释机制、只下结论不给证据、用自信措辞掩盖不确定性、滥用限定词、换词重复、用连接词代替意义、写给出题人而非读者等。
flutter-networking
Flutter Networking 是一个用于 Flutter 应用的网络代码智能体技能。它面向已有项目，围绕 HTTP/REST API 调用、WebSocket 实时通信、身份认证与令牌刷新、请求重试与超时、错误处理、缓存与性能等任务，进行检查、适配、实现或审查，并给出验证步骤。该技能要求先确认目标项目是 Flutter 或 Dart 包，再依据项目现有的网络栈（Dio、Retrofit、Chopper、生成客户端或自定义封装）、状态管理、依赖注入、认证、持久化和测试约定进行适配，而不是另外引入并行的客户端。它提供资源路由文档，包括 http-basics、authentication、error-handling、performance、websockets 等，以及可复用的 http_service.dart 模板和 repository/cache 模板。默认仅在新建简单客户端时使用 http 与 web_socket_channel。适用于 Flutter 项目的网络层实现、修复、调试、评审与重构。
how-to-use-react
面向 React 19.3 组件、加载器与服务端处理的编写、修改和评审技能，重点消除异步瀑布，并按用途区分状态存放位置（Effect Atom 与 TanStack Query）。