Skills
收录 97,725 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。
Agent 工作流
Используй для ЖИЗНИ вимарши и работы с ПОЛЕМ вопрошания — не постановка (это writing), а жизненный цикл: якорение, разрешение, закрытие, принятие как есть, вытеснение, кристаллизация, привязка к превращению. Триггеры: «разбери вимарши», «поле вопрошания», «закрой/оставь вимаршу», «разреши вопрошание», «триаж вимарш», work the field of inquiry, resolve the question, много висящих вимарш в orient, закрытие сессии. Не проход по всему графу (assembly). Нужны тулы iskron_*.
Используй для задач интеграции и целостности превращения. Триггеры: «интеграция», «интегрировать X с Y», «спецификация интеграции», integrate, integration spec — режим 0: сначала граф; «область интеграции изменения», integration scope, cold review — режим 1: холон + steward + узлы изменения; «проверь бяньхуа на целостность», «что затронет превращение», «кого заденет», integrity check — волновой фронт; «подкреплено ли графом», «не театр ли», claim audit — обратный аудит прозы. Distinct from assembly и design. Нужны iskron_*.
通过 `AskUserQuestion` 选定的三种入口之一从用户处获取下一个 ML 实验提案:(a) Agent 必须阅读并综合的科学文章 URL,(b) 资源链接或路径(GitHub issue / 规范文件 / 参考仓库),或 (c) 用户直接输入的纯文本。在每个分支中,Agent 阅读来源、综合其对要实现内容的理解,并在返回 Proposal 块*之前*与用户确认。将确认后的 Proposal 交回 `iterate-ml-experiment`,由后者写入 `journal/NN_short_name.md` 并寻求用户的设计说明批准。停在“Proposal returned, user-confirmed”;绝不写设计说明,绝不撰写验收标准。触发条件:`iterate-ml-experiment` 正在挑选取材策略且用户从菜单中选择了 `user`;用户主动提出具体想法(“I want to try X”);用户粘贴或链接一篇科学文章、GitHub issue、规范文件或参考仓库并要求我们阅读。跳过条件:用户想挖掘上一份报告(使用 `iterate-from-skore`);用户要求符号查找或流水线机制(使用 `python-api` 技能);工作是对单份报告的评估机制(转交 `evaluate-ml-pipeline`)。使用方法:以一次 `AskUserQuestion` 开场询问入口——article-link / resource-link / free-text。在每个分支中:用合适的工具(`WebFetch`、`gh issue view`、`Read`)收集来源材料,把你的理解综合成三个塑形问题,并在返回 Proposal 之前**通过纯文本与用户确认**(一两句话:“you'd like to implement X by changing src/<pkg>/<file>.py — right?”)。不要写任何设计说明。不要撰写验收标准。
使用此 skill 从 AI Agent(Claude Code、Cursor、任意 MCP 客户端)驱动 Compose HotSwan,让 Agent 可以编辑 Kotlin 文件、触发热重载、截取设备截图、对照设计意图评估结果,并在无人工介入的情况下持续迭代。涵盖七个 HotSwan MCP 工具(hotswan_get_status、hotswan_reload、hotswan_take_screenshot、hotswan_start_snapshot、hotswan_stop_snapshot、hotswan_select_variant、hotswan_build_and_install)、标准的编辑-重载-截图循环、基于快照的回滚,以及何时应在 schema 变更时回退到完整安装。适用于开发者说“让 AI 调整这个界面直到与 mock 一致”,询问“AI 能看到改了什么吗?”或“AI 能给设备截图吗?”,搭建需要 MCP 工具访问权限的 Claude Code 或 Cursor 工作流,或希望实现 AI 驱动的 UI 迭代时。
从目录或社区中查找、安装并配置 OpenCode 插件。当用户询问插件、请求新能力或提到扩展 OpenCode 功能时主动使用。示例:- 用户:"有 Tailwind CSS 的插件吗?" → 列出目录,读取 tailwind 插件详情,如可用则安装 - 用户:"如何添加自定义斜杠命令?" → 建议使用 command-creator 技能,或引导完成 opencode.json 配置 - 用户:"有哪些可用于数据库工作的插件?" → 列出目录,筛选数据库相关插件 - 用户:"安装 playwright 插件" → 读取插件文件,添加到 opencode.json,验证安装
将一个已批准的 spec 并行拆分为 5 个以上相互独立的行为 curd,输出可评审的 PR,并让整条流水线一次性扇出运行。适用于用户持有此类 spec 时——例如 "/cheese-factory .cheese/specs/<slug>.md"、"send through the factory"、"parallelize this spec"、"many curds"、"fan out the implementation"、"cheese-factory this" 等说法。以内联方式运行,并按阶段生成完全对等的通用子 Agent(decomposer、每个 curd 的 worker、wiring、合并后评审、PR planner),最终通过 `/pr-stack` 产出 1–N 个可评审 PR。即使用户提到 `/fromagerie` 也使用本 skill——`/cheese-factory` 是可移植、与 harness 无关的同类工具。支持 `--hard` 传播与 `--resume <slug>` 以继续崩溃的流水线。请勿用于单一连贯的 spec(`/cook`、`/ultracook`)、模糊的规划(`/mold`)、仅评审的工作(`/age`),或 curd 少于 5 个的 spec(`/ultracook`)。
来自 ui.inference.sh 的 React/Next.js 工具生命周期 UI 组件。展示工具调用:待处理、进行中、需要批准、结果。能力:工具状态、进度指示器、批准流程、结果展示。适用场景:展示 Agent 工具调用、人在环路中的批准、工具输出。触发词:tool ui、tool calls、tool status、tool approval、tool results、agent tools、mcp tools ui、function calling ui、tool lifecycle、tool pending
使用网络搜索和大模型构建 RAG(检索增强生成)流水线。工具:Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、通过 OpenRouter 调用 Gemini。能力:研究、事实核查、有依据的回答、知识检索。用途:AI Agent、研究助手、事实核查工具、知识库。触发词:rag、retrieval augmented generation、grounded ai、search and answer、research agent、fact checking、knowledge retrieval、ai research、search + llm、web grounded、perplexity alternative、ai with sources、citation、research pipeline。
接收并验证 Anthropic Claude Managed Agents(CMA)webhook。适用于搭建 Claude Managed Agents webhook 处理器、调试签名验证,或处理 session.status_idled、session.status_terminated、session.thread_created、vault.created、vault_credential.refresh_failed 等 Agent 会话与 vault 事件。
为 CHAT 部分启用证据链规则 evidence-chain(R19)——强制所有推理链终止于可观察证据(observed/tool-record/graph-edge/web/parametric/absence),与 fable5(通用推理纪律,不约束引用)不同。当用户说 'graph-mode'、'bật graph mode'、'evidence mode',或调用 /graph-mode 时使用。token 消耗大(强制每条回答更多引用/打开文件),因此不会每会话自动注入——仅在手动调用时开启。一旦启用,将在本次会话剩余时间内保持激活(用 'tắt graph mode' / 'graph-mode off' / 'normal mode' 关闭)。
将 Python LangChain Deep Agents 应用迁移到 Pydantic AI 和 Pydantic AI Harness。当源代码使用上游 `deepagents` 包,或能明确复现其 middleware、backends、skills、memory、subagents 或 sandbox 契约时使用。普通 LangChain、LangGraph 或 LCEL 迁移请使用 `migrating-langchain-to-pydantic-ai`;从零开始使用 Harness 请使用 `pydantic-ai-harness`。
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
