Skills

F

fable-memory

immamdouhaboammar / get-fable

通过在结构化的 MEMORY.md 存储中索引跨会话的用户偏好、反馈和架构约束，管理基于文件的持久记忆。用于记录用户反馈、保存项目约定、回忆跨会话的架构约束或索引持久项目记忆——即使用户没有明确说“fable-memory”（例如“remember this preference”“save to memory”“what are my project rules”“recall user feedback”）。不要用于存储在 .fable/state.json 中的临时任务状态。

F

fable-method

immamdouhaboammar / get-fable

循序渐进的问题解决循环（分类请求、定义完成标准、收集证据、作出决定、精准执行、通过观察验证、优先报告结果）。用户说“/fable-method”“use the fable method”或“approach this like Fable”时使用；也可在开始任何没有专用技能覆盖的多步骤任务时主动使用。子命令：plan（完成计划后停止）、audit（按该循环评估已完成的工作）、report（将回答改写为结果优先）。

F

fable-outcome-first

immamdouhaboammar / get-fable

撰写任何面向用户的回复时使用，包括答案、状态更新、摘要或最终报告。尤其适用于多步骤工作之后，或想要展示面面俱到、给简短答案添加标题或项目符号、先对问题分类或先表示赞赏时。

F

fable-plan

immamdouhaboammar / get-fable

将探索证据转化为范围明确、可测试的工作卡，并列出清晰的验收标准和架构不变量。适用于设计涉及多个文件的功能、规划复杂重构、分解架构迁移或组织多步骤实现任务，即使用户没有明确提到 "fable-plan"（例如 "plan this feature"、"design the architecture"、"break this task down"、"create an implementation plan"）。关键事实尚不明确时不要使用（先使用 fable-discover），简单的单一范围 Bug 修复也不适用（使用 fable-tdd 或 fable-execute）。

F

fable-prove-it

immamdouhaboammar / get-fable

在声称任何内容可用、已修复、已完成或已通过之前；在汇报尚未运行的更改状态之前；在认同他人对你工作的说法之前；以及在执行重启、删除或修改配置等状态变更命令之前使用。

F

fable-recover

immamdouhaboammar / get-fable

在继续修改代码之前，诊断反复出现的命令失败、过时的构建缓存、分支偏移或相互矛盾的证据。适用于命令反复失败、尝试修复后测试仍未通过、构建输出与源代码矛盾，或执行路径混乱时，即使用户没有明确提到 "fable-recover"（例如 "still failing"、"why did this fail again"、"stuck in a failure loop"、"diagnose this error"）。不要用于全新 TDD 流程中常规的首次测试失败（使用 fable-tdd）。

F

fable-scope-discipline

immamdouhaboammar / get-fable

在现有代码中实施任何更改时使用，尤其是在想顺手清理附近代码、添加未要求的验证或选项、修复“勉强算在范围内”的问题，或差异内容不断超出请求范围时。

F

fable-wise

immamdouhaboammar / get-fable

涵盖 Depth、Breadth、Coil 和 Mesh 的底层 Agent 设计模式与认知反射。将资深工程经验转化为反射机制，以去除冗余、保留真相、防止偏移并积累学习成果（re0、readchk、autobahn、ssotize、detool、feynman、debloat、sip、hate、macrothink、prism）。适用于重构复杂系统、清除 AI 垃圾内容、从干净的 v0 重写偏离原意的制品、将事实整合到单一来源，或根据逆向论点评估架构决策。

F

fetching-work-item

b-mendoza / agent-skills

将 Jira 工单或 GitHub issue 检索到 docs/<KEY>.md，作为只读、经过校验的 Markdown 快照，供下游工作流阶段使用。当 Jira URL、GitHub issue URL 或 owner/repo/number 坐标需要执行 Phase 1 的 fetch-work-item 步骤时使用。根据输入检测平台，并即时加载匹配的 playbook。

F

fp-plan

fiberplane / claude-code-plugins

创建计划并拆分为可跟踪的 issue。当用户要求“create a plan”、“break down feature”、“design implementation”、“structure this work”，或粘贴 Linear/GitHub/Notion URL 以导入时使用。

F

frame-change

jayden-dang / skills

在从想法到交付这一链条的最开始使用——当用户想要

G

gemini

cowork-os / cowork-os

Gemini CLI，用于一次性问答、摘要和生成。

G

generate-codeful-mcp-tool

microsoft / power-platform-skills

为 MCP codeful 工具生成自包含的 JavaScript 服务器运行时和注册元数据。用户要求创建 codeful MCP 工具、生成 MCP 工具的服务器逻辑、编写 runTool 函数、构建由 Dataverse 支持的 MCP 工具，或将 MCP 服务逻辑与 MCP App 小组件配对时使用。

G

gh-agent-session

github / gh-aw

使用 gh agent-session 命令检查和管理 Agent 会话。

当 gm walk 达到 phase=COMPLETE 且 prd_pending_count=0 时，必须进行最终交接。Agent 绝不能只以文字结束 gm 会话，而应改为调用此技能。它会搜索剩余工作；若仍有工作，则重新加载 gm；若 walk 已重复遇到相同缺口，则加载 wfgy-method。任何 gm 链到达终止状态时立即使用，绝不能替代 gm 本身

G

godot-skill-discovery

thedivergentai / game-design-agentic-skills

面向游戏 AI Agent 的多引擎长期记忆。深入支持 Godot 4.7+（99 项技能、27 个游戏类型蓝图）和 Bevy 文档优先兼容；包含经过审计的模式、角色编排（分析员·审计员·构建者）及生产级工程能力。

G

godot-skill-discovery

thedivergentai / game-dev-agentic-skills

面向游戏 AI Agent 的多引擎长期记忆。深入支持 Godot 4.7+（99 项技能、27 个游戏类型蓝图）和 Bevy 文档优先兼容；包含经过审计的模式、角色编排（分析员·审计员·构建者）及生产级工程能力。

G

graphiti

aeonbridge / ab-anthropic-claude-skills

Graphiti 与 Zep 的综合技能——面向 AI Agent 的时序知识图谱框架，具备动态上下文工程能力

G

grill-me

mxyhi / ok-skills

无情地审视计划或设计以求完善。

G

grilling

c0nant / c-skills

就一个计划、决策或想法对用户进行不留情面的追问。当用户想压力测试自己的思考，或使用任何「grill」触发语时使用。

G

grinding-until-pass

revitalb-port / skills-registry-demo

持续迭代代码修改，直到测试通过、构建成功或 lint 干净。在「修复 → 运行 → 检查 → 重复」的紧凑循环中运行。当你希望 Agent 自主攻克测试失败或构建错误时使用。

H

hosted-agents-v2-py

sickn33 / agentic-awesome-skills

使用 Azure AI Projects SDK 和 HostedAgentDefinition 构建托管 Agent。创建基于容器的 Azure AI Foundry Agent 时使用。

I

implement

c0nant / c-skills

根据规格或一组工单实现一项工作。当用户希望构建现成的规格、工单或已商定的计划，或说“实现它”时使用。

J

just-do-it

gabriel-lafrance / skills

自动将 Linear 工单转化为带类型的分支、经过审查的实现以及可见的 GitHub PR。在聊天执行上下文中携带安全与审查状态。适用于用户希望实现从工单到 PR 的执行。

K

knowledge-activation

boshu2 / agentops

启用成熟的 .agents 知识。

L

langfuse-api

langfuse / skills

与 Langfuse API 交互。当用户想要查询 trace、获取提示词、创建数据集、管理评分或通过 Langfuse REST API 执行其他任何操作时使用。

L

langsmith-evaluator

langchain-ai / skills-benchmarks

在构建 LangSmith 评估流水线时调用此技能。涵盖三个核心组件：(1) 创建 Evaluator——LLM-as-Judge、自定义代码；(2) 定义 Run 函数——如何从你的 Agent 捕获输出和执行轨迹；(3) 运行评估——在本地使用 evaluate() 或通过 LangSmith 自动运行。使用 langsmith CLI 工具。

M

manifest-generator

audiojak / manifest-generator

将自由形式的项目描述转换为 PROJECT_MANIFEST.md 和 SOFTWARE_FACTORY_MANIFEST.md，用于一条 6 个 Agent 的软件工厂流水线。与 Agent 无关：可在 Claude Code、Codex CLI、Gemini CLI 中运行。

M

mcp-dev

xiaolai / vmark

为 VMark 构建或更新 MCP 服务/客户端集成。在配置 MCP 服务、添加 MCP 工具或更新 MCP 相关文档和设置时使用。

M

mcp

samhvw8 / dot-claude

Model Context Protocol (MCP) 服务开发与工具管理。语言：Python、TypeScript。能力：构建 MCP 服务、集成外部 API、发现/执行 MCP 工具、管理多服务配置、设计以 Agent 为中心的工具。动作：创建、构建、集成、发现、执行、配置 MCP 服务/工具。关键词：MCP、Model Context Protocol、MCP server、MCP tool、stdio transport、SSE transport、tool discovery、resource provider、prompt template、external API integration、Gemini CLI MCP、Claude MCP、agent tools、tool execution、server config。使用场景：构建 MCP 服务、将外部 API 集成为 MCP 工具、发现可用的 MCP 工具、执行 MCP 能力、配置多服务环境、为 AI Agent 设计工具。

M

mcp-tester

ckorhonen / claude-skills

在当前 Claude Code 会话中测试和评估 MCP 服务工具。当审计 MCP 配置、验证工具质量、端到端测试 MCP 服务、生成测试用例、检查工具描述与 schema、分析工具效率与冗余，或调试 MCP 集成问题时使用。涵盖工具发现、质量分析、使用 AAA 模式生成测试、执行、评分，以及跨工具冗余分析。

M

mcporter

cowork-os / cowork-os

使用 mcporter CLI 直接列出、配置、认证并调用 MCP 服务/工具（HTTP 或 stdio），包括临时服务、配置编辑以及 CLI/类型生成。

M

melech-verify

adird / agent-shell-hamelech

就已讨论过的论断、结论或方案，向调用方提供真正独立的第二意见。适用于 "verify"、"re-verify"、"prove it"、"second opinion" 或 "is that actually true"。

M

memory-system

vudovn / ag-kit

跨会话的持久记忆管理。让 Agent 通过结构化的 MEMORY.md 索引和主题文件，在不同会话中记住用户偏好、项目约定和过往决策。

M

multica-creating-agents

multica-ai / multica

在通过 `multica agent` 命令行或 POST /api/agents 创建、查看或调试 Multica Agent 定义时使用。不适用于向已存在的 Agent 分配 issue，也不适用于运行时任务提示词。

N

nemoclaw-maintainer-evening

nvidia / skills

适用于 NVIDIA 产品的 Agent Skills——安装到 Claude Code、Codex 和其他编码 Agent 中，即可端到端运行 Physical AI、机器人、仿真、CUDA 和 RAG 工作流。

N

nemoclaw-maintainer-morning

nvidia / skills

适用于 NVIDIA 产品的 Agent Skills——安装到 Claude Code、Codex 和其他编码 Agent 中，即可端到端运行 Physical AI、机器人、仿真、CUDA 和 RAG 工作流。

N

nemoclaw-skills-guide

nvidia / skills

适用于 NVIDIA 产品的 Agent Skills——安装到 Claude Code、Codex 和其他编码 Agent 中，即可端到端运行 Physical AI、机器人、仿真、CUDA 和 RAG 工作流。

O

octopus-research

nyldn / claude-octopus

跨多个来源进行全面研究，适用于需要广泛综合分析的复杂主题

O

openclaw-admin

alphaonedev / openclaw-graph

OpenClaw 网关管理：启动/停止/重启/更新、配置补丁、压缩调优、Agent 管理

实现 OpenSpec 变更中的任务。当用户希望开始实现、继续实现或逐项完成任务时使用。

在实验性工作流中归档已完成的变更。当用户希望在实现完成后最终确定并归档某个变更时使用。

进入探索模式——作为思考伙伴，帮助探索想法、调查问题和澄清需求。当用户希望在变更之前或变更期间深入思考某事时使用。

O

openspec-explore

pbh-btn / peerbanhelper

进入探索模式——作为思考伙伴，帮助探索想法、调查问题和澄清需求。当用户希望在变更之前或变更期间深入思考某事时使用。

一步提出新变更并生成所有产物。当用户想快速描述要构建的内容，并获得包含设计、规格和可供实现的任务的完整提案时使用。

O

opik-online-eval

comet-ml / opik-skills

在生产流量中实时启用评审器：在项目中创建 Opik 在线评估规则（LLM-as-judge 或 Python 指标），配置采样、过滤器、变量映射和成本上限，然后确认新 trace 正在评分。通过 SDK 的 REST 客户端工作；连接时通过 MCP 读取规则和评分名称。返回规则、其生成的评分名称以及查看方式。适用于“为生产 trace 评分”、“监控生产环境中的幻觉”、“让这个评审器上线”、“设置在线评估规则”或“质量下降时提醒我”。不适用于离线实验（使用 evaluate 或 compare）或查找现有问题（使用 diagnose）。

O

opik-optimize

comet-ml / opik-skills

使用 Opik Agent Optimizer 改进提示词：解析提示词、数据集和指标，选择算法，运行有界优化，在留出数据上检查收益，并将最佳结果保存为新提示词版本，同时附上优化运行链接。通过 opik-optimizer 包运行；连接时通过 MCP 读取提示词和数据集。适用于“优化这个提示词”、“改进我的系统提示”、“让 Agent 回答得更好”、“针对我的数据集调整提示词”或“运行提示词优化器”。不适用于单次质量测量（使用 evaluate）、在测试套件上比较前后效果（使用 compare）或无数据手动编辑提示词。

O

optimizing-descriptions

mizchi / skills

元技能：按照 agentskills.io 的 optimizing-descriptions 框架审计并重写 SKILL.md 的 `description` 字段，并结合 mizchi 的双轨触发策略（Meta = 仅显式调用，Project = 强推自动触发）。仅在用户明确要求“优化技能描述”“审计描述”或“按 agentskills 重写描述”时调用。不要在每次编辑 SKILL.md 后自动调用；描述调优是一次有意的批量操作，而非每次编辑的反射动作。

P

paleo

mocasus / paleo

当用户说 "paleo mode"、"save tokens"、"be brief"、"terse"、"compress output" 或 "paleo" 时使用。将 Agent 切换为简洁回复，减少约 50-70% 的输出 token（在 6 项任务样本中中位数约 54%——见 BENCHMARK.md），同时保持代码、命令、错误和技术术语逐字节不变。关闭："stop paleo" / "normal mode"。

P

parallel-ci-triage

revitalb-port / skills-registry-demo

当 GitHub Actions 失败时，获取失败作业的日志，并将每个失败作业分配给单独的子 Agent，让它们并行修复各自的问题。适用于作业相互独立的多作业 CI 故障。

P

parallel-code-review

revitalb-port / skills-registry-demo

运行四个并行的只读子 Agent，各自从不同视角审查同一个 diff——安全、性能、正确性和可读性——然后将发现合并为一份报告。在合并大型或有风险的 PR 之前使用。

P

plan-reviewer

gaoscode / planweave

审查一个被分配的 PlanWeave 审查关卡并给出通过或 needs_changes 结果。在协调者分配了特定审查 ref、实现证据和审查结果期望时使用。

P

planning-jira-tasks

b-mendoza / agent-skills

Jira 规划工作流的第 2 阶段。读取 Jira 工单快照，派发 plan/prioritize/validate 流水线，并为每个已规划的 Jira 子任务写入带有分支名的 docs/<TICKET_KEY>-tasks.md。

P

pm-planning

avelikiy / great_cto

pm agent 的分解方法论 —— 将已批准的 ARCH 文档转化为带有明确依赖关系、时间盒和验收标准的 Beads 任务列表。流水线只能编排它看得见的工作；此技能定义了“可见的工作”是什么样子。

P

precision-mastery

mgd34msu / goodvibes-plugin

在开始任何任务之前务必加载。最大化所有文件操作、搜索和命令执行的 token 效率。涵盖提取模式（content、outline、symbols、ast、lines）、详细程度调整、多文件批处理以及 discover 工具编排。确保 Agent 把 token 花在结果上，而不是开销上。

P

project-init

a-green-hand-jack / ml-research-skills

初始化机器学习研究项目的控制根目录。用于论文/代码/幻灯片仓库、共享内存、GitHub Project 对齐、Agent 指引、worktree 策略和生命周期交接。

P

project-session-management

jackspace / claudeskillz

使用 Session Handoff Protocol 为多会话项目管理会话状态和上下文交接。创建并维护 SESSION.md，以在上下文清空之间跟踪阶段进度、git 检查点和后续操作。与 project-planning 技能集成，将 IMPLEMENTATION_PHASES.md 转换为可跟踪的会话状态。适用于规划后启动新项目、上下文清空后恢复工作或管理复杂的多阶段实现。关键词：会话管理、SESSION.md、session handoff protocol、上下文交接、多会话项目、阶段跟踪、git 检查点、会话状态跟踪、恢复工作、上下文清空、阶段进度跟踪、实现阶段、验证阶段、调试阶段、后续操作跟踪、工作连续性、会话恢复、上下文管理、分阶段实现跟踪

P

project-session-management

ovachiever / droid-tings

使用 SESSION.md 配合 git 检查点与具体的后续行动，跟踪跨工作会话的进度。将 IMPLEMENTATION_PHASES.md 转换为可跟踪的会话状态，包含阶段状态、进度标记和恢复点。使用时机：规划阶段后启动项目、上下文清空后恢复工作、管理多阶段实现，或排查上下文丢失、进度跟踪缺失、后续步骤不明确的问题。

P

prompt-compression

ofershap / prompt-compression

将文档、提示词和上下文压缩为最少 token，用于 AGENTS.md 和 CLAUDE.md。在保持 Agent 准确性的同时实现 80%+ 的 token 缩减。

P

prompt-injection-defense

omer-metin / skills-for-antigravity

针对提示词注入攻击的防御技术，涵盖直接注入、间接注入和越狱——当提及“prompt injection、jailbreak prevention、input sanitization、llm security、injection attack、security、prompt-injection、llm、owasp、jailbreak、ai-safety”时使用。