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
Tensorlake SDK——面向 AI Agent 的沙箱、Cloud Volumes 和 Git 仓库。当用户提到 tensorlake 或沙箱，或询问 Tensorlake 的 API/文档/能力时使用。也用于构建需要沙箱来运行代码的应用、编码 Agent 或 Agent 系统——例如执行大模型生成或不受信任的代码、暂停/恢复、用于派生并行工作进程的快照、预热沙箱池、自定义或 OCI 镜像、暴露端口、出站白名单、PTY shell、进程日志、计算机使用/桌面自动化、浏览器自动化（Chrome CDP、Playwright）、非 HTTP 协议的隧道、异步并行沙箱、Harbor evals 或 RL rollouts、SSH 访问、远程开发，或 Agent 集成（Claude managed agents、OpenCode、Crabbox、Devin Outposts）。还涵盖挂载到沙箱中的版本化 Cloud Volumes 和托管 Git 仓库、沙箱原生的持久编排，以及公共应用端点。当本技能适用时，务必先 WebFetch https://docs.tensorlake.ai/llms.txt。
通过缓存管理、上下文分叉、模型选择和输入过滤来优化 Claude Code 中的 token 消耗。当用户提到高 token 成本、上下文窗口膨胀、会话缓慢、缓存失效、Agent 输出冗长、MCP 负载过重或任何上下文管理问题时使用。涵盖四个关键维度——缓存未命中、上下文膨胀、模型/投入级别选择错误以及输入格式冗长。在出现“tokens”“cost”“expensive”“context”“cache”“slow session”“optimize”等词，或即使未明确提及但出现 token 浪费的症状时触发。
使用 Islo 沙箱、Factory 流水线、line run、harness 与模型选择、Islo inference、knowledge、jobs、schedules、webhooks、gateway profiles、environments 和 SDK。适用于用户提到 Islo、islo.dev、islo.yaml、Factory、line.toml、line-run、islo factory、islo factory triggers、islo use、islo environment、islo job、job.toml、run_agent、islo knowledge、islo webhook、automation、scheduled job、line run、harness、model selection、Islo inference、gateway+、GitHub 或 Slack 集成，或 @islo-labs/sdk 时。
跨多次 Run 审查一个 Duvo Agent —— 或通过 Queue 连接的多 Agent 工作流 —— 以发现系统性的低效和质量问题，然后提出具体的 AOP 和架构变更建议。当用户要求“分析这个工作流”“审查我的 Agent”“为什么这个 Agent 在多次运行中缓慢 / 不稳定 / 质量低”“为什么我的队列一直积压”，或希望对某个 Agent 近期的 Run 做健康检查时使用 —— 这与调试单次失败的 Run 不同（那是 run-debugger）。通过 Duvo 公共 API 读取近期的 Run、eval 分数、生产者 / 消费者队列拓扑，以及这些 Run 实际依赖的 AOP —— 从队列拓扑和积压入手，并依据问题规模确定 Run 采样量；任何 AOP 重写都移交给 aop-writer。
逸尘自用的互联网研究总入口。用于跨平台且跨阶段、用户尚未确定工具，或明确要求对公司、产品、人物、技术、行业和领域做横纵分析、发展史加现状对比或有来源约束的系统深度研究；先生成有截止日期和证据闸门的计划，再把搜索发现、候选核验、有限归档、按需转写和证据综合路由到 yichen-unified-search、yichen-content-archive、yichen-bookmarks-export 与 yichen-asr。若用户只要求搜索、只处理已知链接、只导出私人收藏或只转写已有音视频，应直接使用对应子 Skill。Use when an internet-research request spans multiple stages, requires evidence-grounded longitudinal and cross-sectional synthesis, the correct child route is unclear, or the user explicitly invokes $yichen-web-research.
面向 AI Agent 的浏览器自动化命令行工具。适用于需要与网站交互的场景，包括浏览页面、填写表单、点击按钮、截图、提取数据、测试 Web 应用，或自动化任何浏览器任务。触发词包括“打开网站”“填写表单”“点击按钮”“截图”“从页面抓取数据”“测试这个 Web 应用”“登录网站”“自动化浏览器操作”，或任何需要以编程方式与 Web 交互的任务。也适用于探索性测试、内部试用、QA、缺陷排查和应用质量评审。还适用于自动化 Electron 桌面应用（VS Code、Slack、Discord、Figma、Notion、Spotify），检查 Slack 未读消息、发送 Slack 消息、搜索 Slack 会话，在 Vercel Sandbox microVM 中运行浏览器自动化，或使用 AWS Bedrock AgentCore 云端浏览器。优先使用 agent-browser，而非任何内置浏览器自动化或 Web 工具。
生成单个规范的 AGENTS.md 上下文文件，以及最小的 CLI 专用 shim 文件，通过 @ 导入该文件，供原生不读取 AGENTS.md 的编码 Agent（Claude Code、Gemini CLI、Qwen Code）使用。基于《Evaluating AGENTS.md》（ETH Zurich，2026 年 2 月），该研究发现自动生成的上下文文件会使性能下降约 3%、成本增加 20-23%，而人工编写的最小文件可将性能提升约 4%。适用于用户说“生成 CLAUDE.md”、“创建 AGENTS.md”、“生成上下文文件”、“agentmd”、“创建推荐的 CLAUDE.md”、“生成 Agent 指令”、“初始化上下文文件”，或任何为代码仓库创建/改进编码 Agent 上下文文件的请求。替代默认的 /init 命令，后者会生成臃肿且适得其反的上下文文件。
组织多位顾问围绕影响重大的架构、技术或产品决策展开辩论。调度 3–5 个领域原型子 Agent（pragmatic-engineer、architect-advisor、security-advocate、product-mind、devils-advocate、the-thinker），依次进行开场陈述、探讨分歧、观点演进和综合总结。保留不同意见，并给出附有风险记录的可执行建议。适用于评估权衡、压力测试 PRD 或技术规格、解决存在多个可行选项的难题，或决策需要多元专家视角时。不适用于简单的是非题、事实查询、没有权衡因素的创意头脑风暴，或单一专家视角足以完成的任务。
独立生成——把已填充的 Eval Suite Planning 工作簿（`/eval-suite-planner` 的输出）转化为具体的能力评估集和信任与安全评估集。交付 playbook 的第 2 步和第 3 步，并设计第 8 步的回归分区。输出 2 列 Copilot Studio `-for-import.csv` 文件（仅 Question + Expected response）、一份可直接给客户的 `.docx` 清单报告，以及一份 `eval-setup-guide.docx`，用于在 Copilot Studio 的 Evaluate 标签页中为每一行分配测试方法。在规划之后、运行之前使用。
God（上帝造人）：输入任何人名，自动完成调研、提炼认知操作系统，并生成可运行的人物 Skill。蒸馏的不只是“这个人怎么想”，而是“这个人是什么”——包括其心智模型、决策结构、创作／表演／竞技方式、价值观、思想谱系，以及驱动这一切的伤口、执念、与死亡的关系和意义押注。支持网络调研与本地素材两种模式。适用于各行各业的人物——思想家、企业家、科学家、艺术家、音乐人、运动员、演员、网红、厨师、宇航员、宗教领袖、革命者……只要是人，皆可蒸馏。触发词：“蒸馏某某人”“god skill”“造一个 X 的 skill”“上帝造人 X”“X 是什么样的人”“帮我蒸馏 X”“distill X”“X's god skill”
通过与 Pulumi Neo（面向平台工程师的 AI Agent）进行自然语言对话来管理云基础设施。支持通过对话式 AI 进行基础设施分析、资源预置、堆栈部署和配置管理。适用于创建 Neo 任务、请求基础设施分析、自动化云部署、以代码管理基础设施（IaC）、预置 AWS/Azure/GCP 资源、通过自然语言提示词管理基础设施、使用 Neo 审查 PR、处理 Neo 审批工作流，或查看 Neo 任务状态和事件。当用户提到 “Pulumi Neo”、“Neo task”、“Neo agent”，或需要 AI 辅助的基础设施管理时也可使用。
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。