naming-and-branding
该技能帮助用户创建易记、具暗示性且独特的品牌名称与品牌识别，以促进增长并建立长期防御力。内容整合自 Lenny 播客与通讯的 11 位嘉宾观点，涵盖命名策略、生成、评估与视觉执行。
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 10-30 00:12
全部 Skills
241,257 个结果
runpod-comfyui-models
用于修复导入的 ComfyUI 工作流中缺失或损坏的模型元数据，供 ComfyUI-RunpodDirect 使用。接受工作流 JSON 或原始 ComfyUI 输出 PNG，输出一份新的已修复 UI 工作流 JSON，包含可信的 properties.models 记录。
ml-model-training
用于训练机器学习模型的技能，覆盖 scikit-learn、PyTorch、TensorFlow，适用于分类、回归、神经网络、超参数调优及过拟合处理等场景，强调规范的数据处理与评估流程。
google-hotels
通过浏览器自动化在 Google Hotels 搜索酒店价格、评分、设施与可订状态，适合查找、比较某地或某地标附近的住宿。仅做搜索，不完成预订；不适用于民宿、机票或历史价格。
tanstack-ai
TanStack AI（@tanstack/ai）是一个类型安全、与模型提供商无关的 TypeScript AI SDK，用于在 TypeScript 应用中构建聊天与流式输出、工具调用与智能体、结构化输出、MCP、代码模式等 AI 功能。
godot-combat-system
Godot 战斗系统专家技能，提供命中盒/受击盒架构、伤害计算（DamageData 类）、生命组件、战斗状态机、连招系统、技能冷却与伤害飘字等模式。适用于动作游戏、RPG 或格斗游戏。触发关键词：Hitbox、Hurtbox、DamageData、HealthComponent、combat_state、combo_system、ability_cooldown、invincibility_frames、damage_popup。
godot-debugging-profiling
Godot 引擎的调试与性能分析技能，聚焦内存泄漏、GPU/Visual Profiler、无头 CI 质量检查、孤儿节点、线程安全日志以及自定义 Debugger 监视器等场景。该技能以「症状 → 监视器/API → 脚本」的对照表为核心，提供一套可复用的调试脚本目录，并给出大量「绝不要做」的专家规则，例如不要在发布版本保留 print、不要在 Debug 模式下做性能分析、不要在 Logger 内部调用 print 或 push_error 等。适用于需要定位 Godot 项目内存增长、帧率异常、CI 退出码不稳定、线程竞争与日志损坏等问题的开发者。
pine-debugger
Pine Script Debugger 是面向 TradingView Pine Script 的调试与排错技能，专注于在 TradingView 相对不透明的运行环境中为脚本添加调试工具并定位问题。它覆盖 Pine Script v6 的常见陷阱，包括 2025 年 3 月 for 循环边界每次迭代重新求值导致的死循环、行续接（line continuation）语法错误、bid/ask 变量在非 1T 周期返回 na、局部作用域无法使用 plot、request.security() 取值异常、历史与实时不一致、字符串长度限制、绘图对象因 bar_index 超过 5000 根而不显示、UDT（用户自定义类型）字段与绘图对象为 na 等问题。技能提供可直接复用的调试代码片段：基于 label 的值检查器、基于 table 的变量监视器、循环迭代调试器、重绘（repainting）检测器、na 值追踪器、security 函数调试器、条件输入（active）调试器，以及针对 UDT 的状态检查、数组表格检查、时间与 bar_index 坐标对比、绘图对象状态检查、UDT 创建流程日志和 xloc.bar_time 与 xloc.bar_index 校验器。它还给出常见错误信息与修复对照表、调试模式开关实现方式和排错工作流。
pine-optimizer
Pine Script Optimizer 是面向 TradingView Pine Script 的优化技能，专注提升脚本性能、用户体验与视觉呈现，涵盖 UDT 架构、计算缓存、request.security 合并、循环优化及 2025 年新特性（active 参数、线型、无限作用域等）。
figure-spec
figure-spec 是一个将结构化 JSON（FigureSpec）确定性渲染为可编辑 SVG 矢量图的技能，适合生成论文级系统架构图、工作流/流水线图、审计级联与拓扑图。相同规格始终输出相同 SVG，完全本地运行、无需 API 密钥。不适用于数据图表或自然插画。
jurisdiction-format
将专利申请文件编译为特定国家或地区递交格式的技能，支持中国CNIPA、美国USPTO和欧洲EPO三种格式，可生成权利要求书、说明书和摘要等文件。
meta-optimize
meta-optimize 是 ARIS 研究框架中的只读外层优化技能，通过分析使用日志，为 SKILL.md、评审提示词和工作流默认值提出改进建议，但不直接落地修改。
agent-memory
agent-memory 是一个跨会话持久记忆技能，用于保存、检索与整理知识，触发词包括“remember this”“save this”等。记忆以 Markdown 文件形式存于 .claude/skills/agent-memory/memories/，通过 frontmatter 的 summary 字段供快速筛查。
wiki-query
wiki-query 是 claude-obsidian 技能，用于在指定 Obsidian vault 范围内回答查询，全程只读、不改动任何 vault 文件。它按用户明确问题检索证据并区分证据与推断，适用于基于 wiki 内容的事实性问答，不负责写入。
database-monitoring
该技能面向数据库监控场景，用于监控数据库性能与健康状态，适用于搭建监控、分析指标或排查数据库问题的场合。内容涵盖全面的数据库监控实施，包括性能分析、健康检查与主动告警，并涉及指标采集、分析与故障排查策略。使用时机包括性能基线建立、实时健康监控、容量规划、查询性能分析、资源利用率追踪、告警规则配置以及事件响应与故障排查。快速开始部分提供了 PostgreSQL 的监控示例 SQL，例如查看当前连接、按数据库统计连接数与最长查询时长、查找空闲事务等；完整实现见参考指南。参考指南目录涵盖连接监控、查询性能监控、表与索引监控、Performance Schema、InnoDB 监控、PostgreSQL 监控设置以及自动化监控仪表板。最佳实践方面，建议遵循既定模式与约定、编写清晰可维护的代码、添加适当文档、部署前充分测试；不建议跳过测试或验证、忽略错误处理、硬编码配置值。该技能基于 aj-geddes/useful-ai-prompts 资源库，具体收费、价格与平台信息暂未提供。
idempotency-handling
该技能用于实现幂等键与幂等处理，确保操作在多次重试后仍产生相同结果，不会重复生效。适用于支付系统、带重试的 API 端点、Webhook 与回调、消息队列消费者、分布式事务、银行转账、订单创建、邮件发送、资源创建等场景。技能提供 Express 幂等中间件、基于数据库的幂等、Stripe 风格幂等、消息队列幂等四类参考实现方向，并给出最佳实践：对变更类请求要求幂等键、请求与响应一起存储、为幂等记录设置合适 TTL、校验请求体与已存请求一致、优雅处理并发请求、重复请求返回相同响应、清理旧幂等记录、用数据库约束保证原子性；同时明确不应把幂等用于 GET 请求、不应永久存储幂等数据、不应跳过请求体校验、不应使用非唯一的幂等键、不应并发处理同一请求、不应为重复请求改变响应。
feature-spec
feature-spec 是一个用于撰写结构化产品需求文档（PRD）的技能，来源为 anthropics/knowledge-work-plugins。它帮助产品经理明确「要构建什么、为什么构建、如何衡量成功」，覆盖问题陈述、目标与非目标、用户故事、需求分级（P0/P1/P2 或 MoSCoW）、成功指标、验收标准、开放问题与时间线考虑等模块。
lean4
Lean 4 是一个面向 Lean 4 定理证明与形式化数学的 AI 技能，适用于编辑 .lean 文件、调试 Lean 4 构建错误（类型不匹配、sorry、实例综合失败、公理警告、lake 构建错误）以及搜索 mathlib。其核心理念包括：先搜索再证明（许多数学事实已存在于 mathlib 中）、增量构建（Lean 类型检查器即测试套件，无 sorry 且仅用标准公理编译通过即为可靠证明）、尊重范围（按用户偏好填补 sorry 及其依赖）。Lean 文件采用 100 字符行宽。该技能提供多条命令，如 /lean4:draft 起草声明骨架、/lean4:formalize 交互式形式化、/lean4:prove 引导式证明、/lean4:autoprove 自主证明、/lean4:disprove 反例搜索、/lean4:review 只读审查、/lean4:refactor 重构、/lean4:golf 优化证明、/lean4:learn 交互式教学等。它优先使用基于 LSP 的检查与 mathlib 搜索工具，并提供针对 sorry 分析、公理检查与错误解析的脚本原语。
issue-tracker
用于在 GitHub 仓库与 CLHbid Delivery 组织看板上管理 issue 工作状态的技能：用 gh CLI 创建、查询、评论、关闭 issue，并通过看板 Status 字段跟踪状态、查询待办与规划视图。
autogpt-agents
AutoGPT 是一个用于构建、部署和管理持续运行 AI 智能体的自主智能体平台，提供可视化界面与开发工具包两种使用方式。它适合构建持续运行的自主智能体、创建可视化工作流智能体、部署带外部触发（Webhook、定时任务）的智能体，以及搭建复杂的多步骤自动化流水线，也支持无代码/低代码的智能体构建。平台主要能力包括：可视化智能体构建器（拖拽式节点工作流编辑器）、持续执行（智能体通过触发器持久运行）、市场（可共享和复用预构建智能体与区块）、区块系统（面向 LLM、工具、集成的模块化组件）、Forge 开发工具包（用于创建自定义智能体）以及基准测试系统（标准化智能体性能测试）。安装采用 Docker 方式，克隆仓库后进入 autogpt_platform 目录，复制环境文件并启动后端服务，前端需单独安装依赖并运行开发命令。
java-dev
Java 开发规范技能，涵盖命名约定、异常处理、Spring Boot 最佳实践、并发安全、N+1 查询防范、输入校验、分页参数、Native SQL 与日志规范等内容。参考 Google Java Style Guide 与阿里巴巴 Java 开发手册，提供 Maven/Gradle 工具链命令、代码示例与重构检查清单，帮助团队统一 Java 后端开发风格并规避常见陷阱。
create-epics
用于游戏开发工作流的技能：把 GDD 与架构文档拆解为 epic（每个架构模块一个），并标注未追溯到 ADR 的需求，随后用 /create-stories [epic-slug] 生成故事。
faasjs-best-practices
FaasJS Best Practices 是 FaasJS 生态中的默认最佳实践技能，适用于在 FaasJS 仓库中工作且尚未选择更细粒度 FaasJS 技能的场景，或任务跨越项目约定、验证关卡、安全等多项内容时。它提供一套默认工作流：识别任务领域并加载负责该领域的最窄 FaasJS 技能；在决定导入或路径前阅读本地仓库说明与相关 tsconfig.json；保持改动最小且限定在任务范围内，避免无关重构、推测性回退以及在没有同步修改配置时新增别名；在边界处验证外部输入，数据访问前检查认证、租户与权限范围，绝不记录机密信息；交付前尽可能运行 vp check --fix && vp test，若不可行则记录原因并运行最小可用的验证。同时给出各细分技能的加载指引，涵盖项目工作流、React Ant Design UI、API 与 Job、PostgreSQL、插件与运行时、工具与数据、规范等，并列出常见陷阱与验证命令。
stream-swift
Stream Swift 是一个面向 iOS 的 Stream 文档编排技能，帮助在 Swift/SwiftUI/UIKit 应用中集成、迁移和查询 Stream Chat、Video、Feeds，并覆盖 AI 助手、推送、设计还原与 Sendbird 迁移等场景。