Skills
收录 97,222 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
用 `BaseMiddleware` 拦截 AG2 Agent 循环——包裹整个回合（`on_turn`）、每次 LLM 调用（`on_llm_call`）、每次工具执行（`on_tool_execution`）或每次人工输入请求（`on_human_input`）。用于重试、日志记录、历史裁剪、请求变更、工具审计、护栏或限流。内置：`LoggingMiddleware`、`RetryMiddleware`、`HistoryLimiter`、`TokenLimiter`、`TelemetryMiddleware`（见 `ag2-telemetry`）。按工具的钩子另见 `ag2-add-custom-tool` 的 tool-middleware 部分。
开启 AG2 网络的 `discussion` 频道——N 方（2+）轮询发言，每位参与者按固定顺序发言，循环直到显式关闭或 TTL。当用户希望有固定阵容的头脑风暴、小组讨论或轮询评审时使用。涵盖 `agent_client.open(type="discussion", target=[...], knobs={"ordering": ORDERING_ROUND_ROBIN})`、`expected_next_speaker` 轮转、`hc.can_send(...)` 探测模式（默认处理器在未轮到自己时跳过 LLM 调用）、`DiscussionState`、`turn_within` 期望默认值（120 秒时 `warn`／600 秒时 `hide`）、N 位参与者的视图窗口尺寸，以及与该适配器配合的四种关闭模式。请在 `ag2-network-quickstart` 之后加载。若需条件交接或声明式编排，请改看 `ag2-network-workflow`。
使用基于人格科学（对齐—准确度权衡）的 7 组件格式、词汇路由，以及 MAST 失败分类法 + Forge 观察清单，创建结构化的 Agent 定义。产出带有真实职位名称的 Agent、专家领域词汇载荷（15-30 个术语）、明确的交付物、决策边界、命令式 SOP 和具名反模式观察清单。当用户想创建 Agent、定义角色、构建人格，或需要针对特定领域的专用 AI 助手时使用此 skill。当 Mission Planner 为团队角色委派 Agent 创建时也会触发。适用于任何领域——软件、营销、安全、运营、设计、写作、研究等。不要用于创建 skill（请用 Skill Creator）或团队组建（请用 Mission Planner）。
通过 Agile Iteration Method 规划并交付结合仓库上下文的 AI 辅助软件工作，采用意图探索、由 PO 负责的 Epic、由 TDO 负责的 User Story、跨 Epic 交付规划、明确的关卡、审查、验证和由用户负责的验收。适用于结合仓库上下文讨论产品方向，创建和完善 Epic 与 User Story，规划交付选项、实施工作、审查交付、配置项目专家、校准仓库并共享本地经验、整合本地 AIM 项目间的知识、控制 AIM 模式和成本配置、打开和控制本地 AIM UI，以及继续 AIM 运行
为项目构建分层式 LLM 友好文档体系。已有项目：扫描项目结构→架构分类→生成 CLAUDE.md 主索引→基础模块文档→业务模块 API/数据模型/坑点文档→配置文档→git 变更日志（含风险评估 + 回滚指南）→交叉验证。新项目：解析 PRD→按脚手架规范设计架构→需求拆解为开发任务→融合代码规范生成 CLAUDE.md 开发指南→模块级 API 设计 + 数据模型 + 开发清单。当用户需要为项目创建 AI 编程文档、建立项目索引、梳理代码、新建项目规划、或提到 llm.txt/CLAUDE.md 时使用。
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。