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
在 OpenAI Codex 上安装、设置、验证、更新、固定、卸载或排查 ToolUniverse 插件。以上任何情况都应始终查阅此 Skill——不要凭记忆回答,因为确切的 marketplace 名称(mims-harvard/ToolUniverse)、"codex plugin marketplace add" 后再 "codex plugin add -m tooluniverse" 的流程、Codex 启动时的自动升级行为、uvx tooluniverse MCP 服务以及 API-key 环境变量都很容易弄错。当有人想让 ToolUniverse(或"1000+ 科学工具"/"harvard 工具")在 Codex 上运行、表示 Codex 插件或其工具/Skill 无法加载、遇到 uvx 或 MCP 服务启动错误、询问 Codex 如何更新它、想要固定或移除它,或发现它运行的是旧版工具时,都使用此 Skill——即使用户从未说出"plugin"一词。不用于 Claude Code 插件(请使用 tooluniverse-claude-code-plugin)、使用这些工具开展研究,或编写新的工具或 Skill。
在 Google Antigravity 2.0(IDE/命令行)格式与其他 Agentic AI Provider 格式(Cursor、Windsurf、Claude Code、GitHub Copilot、Roo Code)之间迁移 skills、agents 和 rules,以及反向迁移。当被要求将 Agent 自定义配置、规则或 skills 迁移/转换到 Antigravity 或从 Antigravity 迁出时使用。
对已完成工作进行对抗性验证。将任何“完成”视为一组断言,然后重新运行所声称的验证,对比实际变更的内容,检测被弱化的测试与虚假的完成声明,并给出基于证据的裁决(VERIFIED / VERIFIED WITH CAVEATS / REFUTED)。在任何 Agent 或模型声称工作完成后使用——“/fable-judge”“judge this work”“verify what it did”“did that actually work?”。还可通过“/fable-judge suite TARGET”对某个技能或模型运行 fable-method 陷阱测试套件。
通过 `metaharness learn` 运行 GEPA 学习循环(上游 ADR-235,[email protected])——针对 SWE-bench 风格的切片清单优化 harness 基因组。默认 $0 试运行;`--run` 是显式付费的选项。需要 metaharness 仓库检出(`--repo` 或 $METAHARNESS_REPO)——没有则报告 `checkout-required` 并附克隆说明。当 metaharness 缺失时优雅降级。
只要用户在使用 Pydantic AI 框架即可使用此技能——包括构建 AI Agent、用 Pydantic 模型定义结构化输出、接入工具/函数调用、配置模型提供商(OpenAI、Anthropic、Gemini 等)、通过 agent context 管理依赖、处理流式响应或调试 agent 运行。即使任务是相关的,如"如何让我的 agent 返回 JSON"、"搭建多步 agent"、"给我的 agent 添加工具"或"用 Pydantic 校验 LLM 输出",只要提到或暗示以 Pydantic AI 为目标框架,也请触发此技能。
读取合作伙伴的 Agent 代码库,按 12 维目录打分,并生成带证据引用的 markdown 及品牌化评分 HTML 报告。用于首次接触式审计:assess/review/audit our agent、where to improve、spot low-hanging fruit、an honest read of what's weak、what Ratel would notice,或 `/ratel-assessment`。除非接入实时遥测样本(任何 OTLP/OTel 后端——Ratel、Langfuse、LangSmith)作为 MCP,否则仅做静态分析;写入 <repo>/.ratel/,不修改代码;路由到后续的 Ratel 技能。
检查现有 Agent 代码库,梳理每个 Agent 的工具与技能,然后接入 Ratel,让每个 Agent 只发现并加载其预期的能力。适用于:被要求添加、接入、配置或集成 Ratel;通过 Ratel 将现有工具或 SKILL.md playbook 连接到 Agent;或将 Vercel AI SDK、Mastra、自定义 TypeScript 或 Python Agent 迁移到 Ratel。对于 AI SDK 和 Mastra,优先使用 Ratel 官方 TypeScript 适配器。会编辑代码与依赖,保持能力边界,并验证结果。不包含遥测、实验、试点、A/B 测试和上线规划。
系统维护,包含三项核心操作——完整性检查(查找/修复失效引用)、记录会话(当前转录)、记录近期(自上次更新以来的补记)。另有安全工作流。使用场景:integrity check、audit system、document session、document this session、document today、document recent、catch up docs、what's undocumented、check for secrets、security scan、privacy check,或询问过去的工作(“we just worked on”“remember when we”)。
通过 shell 中的 `tty7` 二进制文件驱动 tty7 终端工作台——列出工作区/标签页/窗格,拆分窗格,向某个窗格发送文本或按键,捕获某个窗格屏幕上的内容,在真实 PTY 中运行命令并透传其退出码,在你已有的 shell 窗格中运行命令并取回其输出和退出码,阻塞等待直到某个窗格完成或需要输入,查看正在运行哪些编码 Agent 以及某个窗格正在监听哪些端口。当出现 tty7、窗格、工作区,或 `%42`/`@7`/"另一个窗格"/"另一个 Agent" 时使用;当你想把工作交给另一个 Agent 并收集结果时("让 Claude/Codex 做 X"、"派个活"、"让另一个 Agent 处理这个"、并行运行多个 Agent 并合并它们的产出);当你需要启动某个长时间运行或交互式的东西(dev server、REPL、ssh 会话、`tail -f`、TUI)而不应阻塞你的 Bash 工具时;当某个程序需要真实终端才能表现得和用户看到的一样时;以及当你需要查看或报告这台机器上某个*其他*终端中正在运行的内容时。检查成本很低:如果设置了 `$TTY7_PANE`,你就已经在 tty7 内,这里的每条命令都无需任何设置即可使用。
在任何涉及 Oracle Database 或 PL/SQL 的对话开始时使用——它确立了如何在任何回复或行动之前选对 pythia 技能,包括澄清性提问。任何语言的普通请求都会触发,无需斜杠命令——“build/add/fix/explain/review/deploy X”、“lam/them/sua/tao/giai thich/kiem tra/trien khai X”(越南语,带或不带音调符号)。当不确定哪个 pythia 技能适用,或发现自己回答 Oracle 问题时没有开启任何技能,也使用它。
搭建并运行一个可选的 `Agent activity log` 表,记录 Agent 在长时间运行或多会话的 Airtable 工作流中做了什么、决定了什么、卡在了哪里。每当为 Agent 驱动的工作机制(周期性分诊、多步骤计划、自动化监控、Agent 化工作流)设置工作流技能(product-ops、sales-ops、marketing-ops 等)时,或用户明确要求"Agent 活动跟踪""Agent 决策审计日志""Agent 记忆""跟踪 Agent 做了什么"等时使用。该模式是可选的(提前给出提议,将其定位为对用户有益的审计能力,而非监视)。它像 `show-airtable-link` 一样组合进工作流技能——工作流技能指向本技能,而不是内联重新实现该 schema。
给定一个刚克隆的外部仓库/工具,执行 clone→explore→verify→write,在 .overstack/doyourmagic/<repo>/skills/ 下产出一组可运行的工作流技能——一个 hub 技能 /dym-<repo>(1 dòng context,仅在子工作流被调用时加载)+ N 个 SKILL.md 形式的子技能,可直接推送到主仓库(npx skills add)——外加 workflows.md(索引 + 验证表)和 flow.html(docs-site-macos,技能→产物→下一个技能的流程图)。触发词:'kéo repo mới về'、'clone tool này làm workflow'、'doyourmagic'、'onboard external tool/repo'、'generate workflow docs/skills for this repo' 或 /doyourmagic。选项:--name <prefix> · --humanize。
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。
