Skills
收录 97,501 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
将复杂且经过深思熟虑的需求转化为详细的执行计划文档,以及供全新 Agent 会话使用的自包含启动提示词,并在之后审查该会话的报告。当用户希望先制定计划再执行、希望把执行交给另一个会话,或提到 执行计划 / 计划文档 / 新会话执行 / 交接 prompt / 审查 report 时使用;也在审查计划执行报告或派遣修复轮次时使用。它会追问仍缺失的内容,应用 ponytail 品味,将部分完成视为合理,并且绝不自行执行该计划。会话内实现优先使用 steady-do,清晰且边界明确的变更优先使用 quick-do。
为 AI 软件工厂设计与运行规格驱动开发(SDD)流水线——以结构化规格为输入,由 AI Agent 生成代码,并通过质量门在各阶段强制保证正确性:SPECIFY → DECOMPOSE → IMPLEMENT → VERIFY → DELIVER。适用于构建或完善任何 AI 编码工具(Claude Code、Cursor、Hermes Agent、Devin、OpenHands、droid)都能遵循的规格驱动流水线,或需要规格质量门、阶段门裁决、NFR 编码或格式转换时。不适用于目标明确的单个小改动(先用 bmad 分类)、围绕流水线的意图契约、自治门控与失败路由的控制面协议(bmad),或尚未验证的问题(product-discovery)。
将 GitHub spec-kit、Ouroboros(ooo)与 HKUDS CLI-Anything 组合成一套规范驱动的交付栈——Write → Freeze → Run,并通过验证。用 `/speckit.*` 编写规范,将其冻结为不可变的 ooo seed,并带有机器可校验的验收标准;用 CLI-Hub 中 Agent 原生的命令行执行器武装循环(`--json` 输出作为评估证据),循环直至验证通过。路由三种模式——全栈(spec-kit → ooo → cli-anything)、仅循环(ooo)、仅文档(spec-kit)——并明确反模式(两个规范 SSOT、执行器优先的构建、无 seed 的 ralph 循环)。当用户想要从规范到已验证产物的交付、希望 spec-kit 与 ooo 协同而不冲突,或需要在经过验证的循环中驱动真实软件时使用。触发词:spec-stack、spec stack、write freeze run、spec to verified、speckit + ooo、ooo + cli-anything、spec-driven loop、verified delivery stack、seed with tools。
为任何 LLM 或 AI 助手编写高质量提示词——Claude、Claude Code、ChatGPT、Gemini、Cursor、Windsurf、Copilot,或任何编码 / 聊天 Agent。当用户要求编写、改进、优化、缩短或重写提示词时使用此技能;当用户询问"对于 [模型] 我该怎么措辞"或"对于 [任务] 什么是好的提示词"时;当用户描述想让 AI 完成某项任务但尚未将其表述为提示词时;或者当用户粘贴已有提示词并要求修改时。基于 Boris(Anthropic,Claude Code 创造者)的提示词方法论——简短准确的提示词、先规划后编码、反馈循环、持久化上下文写入文件。通用原则(简短、先规划、反馈循环、无冗余)适用于任何 LLM;Claude Code 专属锚点(CLAUDE.md、@file、斜杠命令)仅在目标为 Claude Code 时适用。如果用户意图不明确(缺少目标模型、交付物、范围,或 AI 是否有自我验证的方式),在编写提示词前先通过 AskUserQuestion 提出 1–3 个有针对性的澄清问题。
Git Context Controller (GCC) v2——由真实 git 支撑的轻量 Agent 记忆。存储哈希 + 意图 + 可选的决策说明,而非冗长的 markdown。可用时自动桥接到 aiyoucli 向量记忆。双模式:git 支撑(轻量 index.yaml)或独立(markdown 回退)。触发于 /gcc 命令或自然语言,如 'commit this progress'、'branch to try an alternative'、'merge results'、'recover context'。
面向 Python 的 Google Agent Development Kit (ADK)。能力:AI Agent 构建、多 Agent 系统、工作流 Agent(顺序/并行/循环)、工具集成(Google Search、Code Execution)、Vertex AI 部署、Agent 评估、人机协同流程。操作:构建、创建、部署、评估、编排 AI Agent。关键词:Google ADK、Agent Development Kit、AI Agent、多 Agent 系统、LlmAgent、SequentialAgent、ParallelAgent、LoopAgent、工具集成、Google Search、Code Execution、Vertex AI、Cloud Run、Agent 评估、人机协同、Agent 编排、工作流 Agent、层级协调。适用场景:构建 AI Agent、创建多 Agent 系统、实现工作流流水线、将 LLM Agent 与工具集成、部署到 Vertex AI、评估 Agent 性能、实现审批流程。
使用 LangGraph 和 SAP GenAI Hub 生成并部署一个 pro-code AI Agent,将其部署到 SAP BTP Cloud Foundry,创建一个带 A2A(Agent-to-Agent)action 的 Joule capability,并将其部署到 Joule。支持 TypeScript(Express 或 CAP)和 Python。只要用户提到以下内容就使用此技能:为 Joule 构建自定义 Agent、将 AI Agent 部署到 BTP Cloud Foundry、与 Joule 的 A2A 协议集成、pro-code Agent 可扩展性、SAP BTP 上的 LangGraph Agent、将外部 Agent 连接到 Joule、Joule 的 "bring your own agent"、创建带 A2A action 的 Joule capability、CAP Agent、MTA 部署,或在 Agent 开发语境下出现 LangGraph/A2A/Joule/BTP/Cloud Foundry/CAP 的任意组合。当用户想搭建、修改或重新部署现有 A2A Agent 项目时也触发。
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。
