Skills
收录 96,981 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
仅在用户显式调用 /agents-md-sync(在 Codex 中为 $agents-md-sync)时使用。切勿自动调用。该 skill 会解析整个仓库,生成并更新按层级划分的 AGENTS.md 知识库(根目录以及通过评分选出的子目录)。每次执行都会检测现有 AGENTS.md 与代码库之间的偏差并使其保持最新,同时维护供 Claude Code 使用的 CLAUDE.md 桥接。首次创建时,通过访谈补充无法从代码中推导出的规范信息(目的、开发阶段、运维约束)。当需要整备、初始化、更新 AGENTS.md,或构建相当于 init-deep 的知识库时使用。关于指示文件中应写入内容的设计原则,请参考 agent-native-project-design。
当用户提出或暗示以往的工作可能有所帮助时,主动使用 AgentLoop Recall,通过内置的 SearchContext CLI 检索此前的 Alibaba Cloud AgentLoop 经验。在工作之前或工作期间,当请求涉及查看、搜索、回忆、检索、查找、审阅、咨询、参考或比较以往经验、历史排障案例、过去的修复、类似事件、经验教训、旧运行手册、以前的补救措施或成功工作流时触发。对于中文请求同样触发,例如:先查历史经验、回忆类似案例、召回过往排障记录、看看之前有没有处理过类似问题、参考以前怎么处理、找找之前的踩坑记录、翻一下历史排障、有没有类似经验、先看看过去的案例。
此技能提供使用 Anthropic Claude Agent SDK 的全面知识。在构建自主 AI Agent、创建多步推理工作流、编排专用子 Agent、集成自定义工具和 MCP 服务,或用 Claude Code 的能力实现可用于生产的 Agent 系统时使用。适用于构建编码 Agent、SRE 系统、安全审计器、事件响应器、代码审查机器人,或任何需要以编程方式与 Claude Code CLI 交互、使用持久会话、工具编排和细粒度权限控制的自主系统。关键词:claude agent sdk、@anthropic-ai/claude-agent-sdk、query()、createSdkMcpServer、AgentDefinition、tool()、claude subagents、mcp servers、autonomous agents、agentic loops、session management、permissionMode、canUseTool、multi-agent orchestration、settingSources、CLI not found、context length exceeded
.NET 测试基础技能总览与引导中心。当使用者询问「如何写 .NET 测试」、「.NET 测试入门」、「需要哪些测试工具」、「测试最佳实践」、「从零开始学测试」等一般性测试需求时触发。会根据具体需求推荐适合的子技能组合,涵盖测试基础、测试数据、断言、模拟、特殊场景等 19 个基础技能。 Make sure to use this skill whenever the user asks about .NET testing in general, wants to know which testing tool to use, or needs guidance on getting started with testing, even if they don't explicitly ask for an overview. Keywords: dotnet testing, .NET 測試, 測試入門, 如何寫測試, 測試最佳實踐, unit test, 單元測試, xunit, 3A pattern, FIRST 原則, assertion, 斷言, mock, stub, NSubstitute, test data, AutoFixture, Bogus, validator, FluentValidation, TimeProvider, IFileSystem, code coverage, ITestOutputHelper, test naming
端到端编排研究论文——从原始想法到文献支撑、实验设计、实现、结果、写作、投稿、反驳和制品发布。当用户希望推进整篇论文而非某个阶段时使用:"help me write this paper from scratch"、"where am I in the paper process"、"what should I do next on this project"、"take this from idea to submission"、"I have results, get me to a draft"、"manage my paper workflow",或移交一个项目并询问通往某会议/期刊的路径时。写作阶段本身也使用它——"draft the introduction"、"outline this paper"、"how should I structure this"、"turn this spine into a draft"、"my first paper"——该阶段由它作为带阶段门控的阶段组(stage 10)负责,而不再委派。除此之外它是一个 ROUTER,用阶段门控来串联现有的单点 skill;它自身不进行构思或实验。对于单个狭窄章节,直接调用该章节的 skill(例如 abstract-and-intro-writer、method-section-writer、results-writeup)。博士申请材料请使用 flow-phd-application。演讲/演示请使用 presentation 相关 skill。
目标驱动的长时间工作流:让 Agent 自主运行数小时,朝可验证的目标推进。分为五个阶段——① 深入访谈并确定输出契约(启动前锁定方案)② 分层验收标准 + 设计 /goal 条件(可衡量的最终状态、明确的检查、约束、轮数/时间上限)③ 子 Agent 分工与上下文管理(缓解上下文腐化)④ 启动长时间运行(/goal、claude -p 非交互模式,或手动循环备用方案)⑤ 完成报告与人工验收。基于 Claude Code 的原生 /goal harness 构建,并为不支持 /goal 的环境提供通用备用方案。触发词——「goal 长跑」「goal run」「goal-driven」「目标驱动长跑」「一个 goal 下去跑」「长跑目标」「无人值守跑任务」「goal-run」/ goal run、goal-driven、long-run goal、autonomous run、run until done。
使用 Guidance (Microsoft Research) 在生成时约束 LLM 输出,支持正则表达式、select() 选项、上下文无关文法、token 修复和 @guidance 函数,并支持 Anthropic、OpenAI、Transformers 和 llama.cpp 后端。需要生成文本符合正则表达式或日期、电子邮件、ID 等固定格式时使用。需要模型保证生成有效的 JSON、XML 或代码时使用。构建多步生成工作流或使用 Python 控制流的 ReAct 风格 Agent 时使用。使用 select() 将文本分类到固定类别时使用。在本地运行模型并需要文法约束时使用。不适用于带自动重试的 Pydantic 验证;该场景请使用 Instructor。
当用户要求 "improve a skill"、"make this skill better"、"add features to a skill"、"this skill is missing something"、"upgrade my skill"、"what's missing from this skill"、"the skill doesn't do X"、"make this more useful",或希望提升 skill 有效性而非结构正确性时,应使用此 skill。不用于结构修复——请使用 repair-skill。不用于 agents。
将 Infrahub 技能会话中的阻碍转化为一条经审查的 GitHub issue,反馈 Infrahub 技能指南的问题。Infrahub 技能可能会无声失效:规则缺失或不清晰不会导致崩溃,却会造成额外往返和用户反复提醒。此技能会收集阻碍证据、检查跟踪器中是否已有报告、判断问题在技能还是底层产品,并起草拟议规则变更。它不会自行提交任何内容:会将脱敏草稿交给 infrahub-reporting-issues,由其展示给用户,并在提交前获得明确批准。触发条件:接受阻碍反馈邀请;用户说“报告技能阻碍”;询问某个 Infrahub 技能为何持续失败或需要反复重试;或希望报告 Infrahub 技能指南中的缺漏。不触发条件:报告 Infrahub 本身或其他 opsmill/infrahub-* 产品的漏洞(改用 infrahub-reporting-issues);或处理没有出错的普通 Infrahub 工作。
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。
