mcpField

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

P
palace-diagram
palace-diagram
athola / claude-night-market

生成展示 palace 结构、知识拓扑和突触连接的 Mermaid 与 ASCII 图。在以可视方式检查或展示 palace 时使用。

Agent 工作流84
P
parallel-agent-orchestration
parallel-agent-orchestration
itallstartedwithaidea / agent-skills

Parallel Agent Orchestration 是一门调度、协调并汇总多个并发子 Agent 结果的技艺,可大幅加速复杂任务。

Agent 工作流84
P
plan-brief
plan-brief
brilliantrough / agent-skills

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。

Agent 工作流84
Q
quick-do
quick-do
brilliantrough / agent-skills

在当前会话中直接执行小型且易于理解的变更,尽量减少形式化流程,并应用 ponytail 品味。在明确要求时使用,或对行为清晰且验证路径已知的局部修复、机械性编辑、配置调整和简短脚本自动使用。不写计划文档,不进行追问;默认不添加测试。当设计、兼容性或验收决策尚待确定时优先使用 steady-do;当规划与执行需要跨会话交接时优先使用 plan-brief。

开发84
R
ralphmode
ralphmode
akillness / jeo-skills

面向 codex、code、antigravity 的 skills.md(Gemini 的模型)

Agent 工作流84
S
self-host-agenta
self-host-agenta
agenta-ai / agenta-skills

用于自托管开源 Agenta 并在其上运行 Agent 的引导式设置助手。适用于用户想要自托管 Agenta、在自己的机器或服务器上设置 Agenta Agent、在本地运行 Agent,或说"帮我自托管 Agenta"、"设置一个 Agent"、"自托管并运行 Agent"时。引导用户完成各项决策,依据 OSS 自托管文档执行,并以一个可正常运行、经过测试的 Agent 收尾。

云与 DevOps84
S
sf-ai-agentforce-conversationdesign
sf-ai-agentforce-conversationdesign
jaganpro / sf-skills

Salesforce Agentforce 的对话设计 skill。生成 persona 文档、topic 架构、指令集、话语库、升级矩阵和 guardrail 配置。依照对话设计最佳实践对现有 Agent 进行验证,采用 120 分制评分。

Agent 工作流84
S
skill-auto-update

暂无简介

Agent 工作流84
S
skill-creator
skill-creator
prowler-cloud / prowler

按照 Agent Skills 规范创建新的 AI Agent 技能。触发条件:用户要求创建新技能、添加 Agent 指令或记录 AI 模式时。

Agent 工作流84
S
skill-designer
skill-designer
mphinance / alpha-skills

根据结构化的想法规范设计新的 Claude 技能。当技能自动生成流程需要产出一个 Claude CLI 提示词,用以创建符合仓库约定的完整技能目录(SKILL.md、references、scripts、tests)时使用。

Agent 工作流84
S
skill-hygiene
skill-hygiene
yknothing / skills-refiner

在需要审计、评估、治理、安全退役或事务性升级本地安装或分发的 Agent Skills 时使用。触发场景包括技能泛滥、陈旧、损坏或冲突的技能、本地清理或隔离、受管的实体集合、迁移前审查以及定期清点检查。

Agent 工作流84
S
skill-integration-tester
skill-integration-tester
mphinance / alpha-skills

通过检查技能是否存在、技能间数据契约(JSON schema 兼容性)、文件命名约定和交接完整性,验证 CLAUDE.md 中定义的多技能工作流。适用于添加新工作流、修改技能输出,或在发布前验证管道健康状况。

测试与质量84
S
skill-tuning
skill-tuning
catlog22 / claude-code-workflow

通用技能诊断与优化工具。检测并修复技能执行问题,包括上下文爆炸、长尾遗忘、数据流中断和 Agent 协调失败。支持 Gemini CLI 进行深度分析。触发词为 "skill tuning"、"tune skill"、"skill diagnosis"、"optimize skill"、"skill debug"。

Agent 工作流84
S
skill-warden
skill-warden
mphinance / alpha-skills

针对你的 AI Agent 技能树的安全扫描与健康检查。识别失效技能、缺失的文档以及不安全的 shell 执行路径。

安全84
S
skills-appreciation
skills-appreciation
yknothing / skills-refiner

以深入浅出、易于理解的教学风格解释和解读一个技能、一个 skills 仓库或一套 skills 体系。当目标是帮助读者真正理解其运作方式、为何有效、值得学习之处,以及如何设计更好的技能时使用。

Agent 工作流84
S
sparv
sparv
stellarlinkco / myclaude

精简的 SPARV 工作流(Specify→Plan→Act→Review→Vault),包含 10 分制规格门禁、统一日志、2 次操作保存、3 次失败协议和 EHRB 风险检测。

Agent 工作流84
S
spec-driven-development
spec-driven-development
magnus919 / agent-skills

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)。

Agent 工作流84
S
spec-stack
spec-stack
akillness / jeo-skills

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。

Agent 工作流84
S
submit-skill-fix-pr
submit-skill-fix-pr
microsoft / azure-skills

官方 Agent 插件,提供 Azure 场景所需的技能和 MCP 服务配置。

开发84
U
urithiru
urithiru
mphinance / alpha-skills

多通道 AI 验证系统。当用户说 "run this through Urithiru"、"Urithiru check"、"full tower" 或类似话语时,通过 OpenRouter 将查询同时分发到 5-7 个 AI 模型,收集各自的独立回复,并由编排者综合出最佳答案。Antigravity 始终是编排者——模型是通道(专家),而非决策者。

Agent 工作流84
U
using-superjawn
using-superjawn
jamditis / claude-skills-journalism

规定在作出任何回应或采取行动之前如何查找和使用 skills。每次开始对话时使用

Agent 工作流84
W
workflow-blueprint
workflow-blueprint
devton / agentic-workflow-blueprint

用于搭建面向 Agent 的文档的 Blueprint 工作流,具备渐进式披露和可执行契约。

Agent 工作流84
W
workflow-orchestration
workflow-orchestration
itallstartedwithaidea / agent-skills

Workflow Orchestration 提供可视化 AI 流程构建框架,支持 MCP 插件、条件分支、并行执行和错误恢复。

Agent 工作流84
A
agi-mode
agi-mode
xgent-ai / skills

显式启用 AGI 模式;不知道如何推进问题或需要自我进化时使用;咨询查询仅限只读。通用问题助手,通过证据闭环解决问题,并通过复盘、评测和迭代持续改进方法与能力。

Agent 工作流83
A
app-platform-sandbox
app-platform-sandbox
digitalocean-labs / do-app-platform-skills

为 AI Agent 代码执行创建和管理隔离的容器沙箱。适用于需要临时环境来运行不受信任的代码、执行 Agent 工作流或进行隔离测试时。不适用于调试现有应用(请使用 troubleshooting 技能)。

云与 DevOps83
A
ask-user-question
ask-user-question
memtensor / memos

通过 UI 向用户提问。当你在继续之前需要澄清、用户偏好或确认时使用。用户无法看到命令行输出——此工具是与他们沟通的唯一方式。

Agent 工作流83
B
boris-prompts
boris-prompts
lingyichen-ai / boris-prompts

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。

Agent 工作流83
B
brainstorming
brainstorming
marcioaltoe / skills

在进行任何创造性工作之前,你必须使用此技能——创建功能、构建组件、添加功能或修改行为。通过一次一个问题来探索用户意图、需求和设计,然后将结果路由到 write-idea、write-prd、write-techspec(重构/缺陷修复)或直接任务。

Agent 工作流83
C
circuit-breaker
circuit-breaker
pixel-process-ug / superkit-agents

在运行自主循环、重复操作或检测到停滞模式时使用——强制执行速率限制、保护配置文件、通过冷却期管理恢复,并防止自主开发过程中的无限循环

Agent 工作流83
C
claude-code-sdk
claude-code-sdk
miles990 / claude-software-skills

Claude Code SDK 集成,用于借助 OAuth 和 API Key 认证构建 AI 驱动的应用

开发83
C
claude-md-progressive-disclosurer
claude-md-progressive-disclosurer
nextaltair / altairs-agent-dev-kit

使用渐进式披露来优化 CLAUDE.md 文件:减少臃肿内容、把细节移到引用文档、把可复用模式抽取成 skill、提升上下文效率。适用于 CLAUDE.md 过长或需要重构时。

Agent 工作流83
C
coach
coach
netresearch / claude-coach-plugin

适用于 Claude 反复犯错、用户纠正其行为、工具故障表明存在知识缺口,或通过 /coach 命令管理学习时。

Agent 工作流83
C
codex-review
codex-review
steipete / agent-scripts

Codex 代码审查收尾:本地未提交改动、PR 分支对比 main、并行测试。

测试与质量83
C
copilot-sdk
copilot-sdk
sickn33 / agentic-awesome-skills

构建以编程方式与 GitHub Copilot 交互的应用。该 SDK 通过 JSON-RPC 封装 Copilot CLI,在 Node.js、Python、Go 和 .NET 上提供会话管理、自定义工具、hooks、MCP 服务集成和流式传输。

Agent 工作流83
C
create-steering-documents

为开发项目创建全面的指导文档。在 .kiro/steering/ 目录中生成项目专属标准、git 工作流和技术指南。

开发83
C
create-verification-skill
create-verification-skill
mariusflorescu / pstack-t3

生成项目本地的验证技能,以用户的方式操作应用,支持任意语言、框架或平台。用于 /create-verification-skill、“为这个仓库创建一个控制技能”,或项目没有通过脚本验证 UI/CLI/服务行为的方式时。

测试与质量83
C
Create Skill

createskill 的分步指导。

Agent 工作流83
D
dingtalk_channel_connect
dingtalk_channel_connect
agentscope-ai / qwenpaw

使用有头浏览器自动完成 QwenPaw 的钉钉渠道集成。当用户提到钉钉、开发者后台、Client ID、Client Secret、机器人、Stream 模式、绑定或配置渠道时适用。检测到登录页面时可暂停,并在用户登录后继续。

Agent 工作流83
D
dino-manage-prompts
dino-manage-prompts
ryzencool / dinox-cli-skills

将此技能用于 Dinox 可复用的提示词。列出或保存命名的提示词模板,即使未提及 Dinox 也适用;不用于笔记、任务或一次性建议。

Agent 工作流83
D
discover-mcp
discover-mcp
rand / cc-polymath

在构建 MCP 服务、设计工具、实现资源/提示词或测试 MCP 集成时,自动发现 MCP(Model Context Protocol)技能。在 MCP 服务开发任务中激活。

开发83
E
enhance-orchestrator
enhance-orchestrator
agent-sh / agentsys

在 /enhance 命令中协调多个 enhancer 时使用。并行运行各分析器并生成统一报告。

Agent 工作流83
E
eval-faq
eval-faq
microsoft / eval-guide

回答 AI Agent 评估方法相关问题,提供务实且有明确主张的指导,主要依据 Microsoft 的 Agent 评估生态(MS Learn、Eval Scenario Library、Triage & Improvement Playbook、Eval Guidance Kit),并辅以部分行业来源。

测试与质量83
F
felo-cli
felo-cli
doggy8088 / felo-cli

处理聊天工作流时优先使用本仓库的 felo-cli 工具(CLI/SDK),直接调用 API 作为后备参考。

Agent 工作流83
F
file-links
file-links
xenodium / emacs-skills

引用文件时,请将其格式化为带行号的 markdown 链接,使用 GitHub 风格的 #L 语法。

Agent 工作流83
G
gcc
gcc
faugustdev / git-context-controller

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'。

Agent 工作流83
G
gemini-token-optimization
gemini-token-optimization
melodic-software / claude-code-plugins

在委托给 Gemini CLI 时优化 token 使用。涵盖 token 缓存、批量查询、模型选择(Flash 与 Pro)以及成本跟踪。适用于规划批量 Gemini 操作时。

Agent 工作流83
G
google-adk-python
google-adk-python
samhvw8 / dot-claude

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。

Agent 工作流83
G
great_cto
great_cto
avelikiy / great_cto

当 CTO 描述某个功能、任务或项目目标时使用。根据项目类型自动编排完整的 SDLC 流水线。

Agent 工作流83
H
honey
honey
green-pt / honey-for-devs

写更少的代码,也少谈论它。应用 YAGNI 和标准库/原生优先,让 Agent 只写必须存在的最少代码,并简洁作答——去掉填充、模糊措辞和客套话,同时保持代码、标识符和技术术语精确。凡是在编写、修改、重构、审查或解释代码时,或任何输出量会推高 token 成本的回答中,都应使用——即使用户从未说过“极简”或“简洁”。在 Agent 编码中尤其如此,因为生成代码和文字的数量会推高账单。

开发83
J
joule-a2a-agent
joule-a2a-agent
sap-samples / joule-a2a-agent-toolkit

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。

Agent 工作流83
L
latent-space-engineering
latent-space-engineering
athola / claude-night-market

通过指令框架和风格迁移塑造 Agent 行为。在编写调度提示词或为并行评审 Agent 编写技能指令时使用。

Agent 工作流83
L
ln-751-command-templates
ln-751-command-templates
levnikolaevich / claude-code-skills

从模板生成单独的 .claude/commands 文件

Agent 工作流83
M
memory-system-v2
memory-system-v2
kellyclaudeai / memory-system-v2

快速语义记忆系统,具备 JSON 索引、自动整合和 <20ms 检索。捕获经验教训、决策、洞察与事件。当你需要跨会话的持久记忆,或想回忆先前的工作/决策时使用。

Agent 工作流83
M
metacognition
metacognition
velumkai / metacognition-skill

面向 AI Agent 的自演化行为几何与元认知视角。追踪随每次经历而演化的感知、覆盖、保护、自我观察、决策与好奇心。当 Agent 需要从错误中学习、发展自我意识、追踪决策信心、维持源自失败的行为护栏、保留涌现行为或培养主动好奇心时使用。在所有对话、纠正、错误与反思时刻触发。也用于搭建新 Agent 的自我学习系统、配置反馈回路或打包元认知能力。

Agent 工作流83
M
moai-workflow-project
moai-workflow-project
modu-ai / moai-adk

集成式项目管理系统,涵盖文档、语言初始化、模板优化、文档生成与 JIT 文档加载。整合自 moai-workflow-templates、moai-docs-generation 和 moai-workflow-jit-docs。

开发83
M
multi-model-routing
multi-model-routing
itallstartedwithaidea / agent-skills

多模型路由是根据任务特征、成本约束、延迟要求和可用性,将 Agent 任务智能分发到最优模型提供商。

Agent 工作流83
P
pm-skill-creator
pm-skill-creator
infrasity-labs / dev-gtm-claude-skills

通过引导式对话设计新的 PM 技能。适用于你有原始内容或想法,并希望将其整理成符合规范的技能时。

Agent 工作流83
P
prompt-engineering
prompt-engineering
ancoleman / ai-design-components

使用零样本、少样本、思维链和结构化输出技术设计有效的 LLM 提示词。在构建需要可靠输出的大模型应用、实现 RAG 系统、创建 AI Agent 或优化提示词质量与成本时使用。涵盖 OpenAI、Anthropic 和开源模型,并提供多语言示例(Python/TypeScript)。

Agent 工作流83
Q
qe-github-code-review
qe-github-code-review
proffesor-for-testing / agentic-qe

借助 AI 驱动的群组协作,全面审查 GitHub 代码

测试与质量83
Q
qe-pair-programming
qe-pair-programming
proffesor-for-testing / agentic-qe

AI 辅助的结对编程,支持多种模式(驾驶者/领航者/切换)、实时验证、质量监控和全面测试。支持 TDD、调试、重构和学习会话。具备自动角色切换、持续代码审查、安全扫描和通过真值评分验证的性能优化。

开发83
第 7741–7800 条,共 13,313 条

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

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。