Skills

M

microsoft-agent-framework

github / awesome-copilot

使用通用指南以及针对 .NET 和 Python 的语言专用参考资料，创建、更新、重构、解释或审查 Microsoft Agent Framework 解决方案。

C

context-canary

juliusbrussee / skills

安装逐轮金丝雀信号（例如每次回复都以用户姓名和轮次计数开头），让静默发生的上下文退化一出现就可见，并在金丝雀触发时运行恢复流程。用户提到“canary”“context canary”或“canary check”，要求检测上下文腐化/压缩/漂移，说“你不再叫我的名字了”或“你丢失上下文了吗”，询问“你的上下文退化到什么程度”，或希望为长时间 Agent 会话设置预警系统时使用。

C

ccf-skill-forger

mikubaka88 / ccfa-skills

维护和审计 Codex/CCFA 技能、触发器、参考资料、脚本、文档/SVG 图表、安装依赖项和发布验证。用于技能维护、GPT 模型适配和系列路由清理。不要执行研究写作或审查。

D

documenting-decisions

pandoscope / skills

将人的注意力引导至 Agent 生成代码中的重要决策。在规划、实现和修复期间生效。定义何时以及如何在代码注释中放置 DECISION 标记。用户要求审查 diff/PR 时也适用。

T

task-workflow

customware-ai / skills

任务的规范工作流。处理任务时，须从头到尾阅读并严格遵循。

B

building-pydantic-ai-agents

cline / skills

使用 Pydantic AI 构建 AI Agent——工具、能力（包括按需加载）、结构化输出、流式输出、测试以及多 Agent 模式。当用户提到 Pydantic AI、导入 pydantic_ai，或要求构建 AI Agent、添加工具/能力、延迟加载能力、流式输出输出、从 YAML 定义 Agent，或测试 Agent 行为时使用。

N

n8n-extending-mcp-official

n8n-io / skills

当你想将 n8n 工作流公开为编码 Agent 可调用的工具时使用。适用于两种情况：（1）封装 MCP 原生未公开的 n8n API 能力：删除文件夹、创建/重命名项目、重命名/删除标签、实例元数据、创建凭据。（2）将通用工作流公开为 Agent 工具：调用第三方 API、运行业务逻辑，或执行任何你希望 Agent 调用的任务。触发词包括“expose as MCP tool”“build a tool for my agent”“I need to know X”（其中 X 不是 MCP 工具）、“delete folder”“rename tag”，或任何能力缺口。

N

n8n-multi-instance

czlonkowski / n8n-skills

当 n8n-mcp 账户指向多个 n8n 实例时使用——例如，`n8n_instances` 工具可用；用户提及多个 n8n 实例或环境（生产与预发布、多个团队或客户）；多个 Agent 或聊天在同一账户上并行工作；工作流、数据表、凭据或执行调用返回意外的 NOT_FOUND，或读取到不认识的数据；或者调用因 `INSTANCE_AMBIGUOUS` 或 `INSTANCE_NOT_FOUND` 被拒绝。涵盖在每次调用中通过 `instance` 参数指定目标实例、使用 `switch` 设置默认实例、高风险操作前验证目标（尤其是凭据写入），以及从路由错误和安全失败中恢复。在操作特定实例前、多实例账户上创建/更新/删除任何凭据前，或调用命中错误/空数据或实例错误时，务必先查阅此技能。

S

short-drama

zenstory-ai / drama-skills

基于文件系统初始化和继续短剧或漫剧项目，提供 creator-first 五文档路由、本地 Dashboard、制作形态与 Look Development 决策。用户提出“创建/继续短剧项目”“看进度/下一步”“做 Look Development”“打开 dashboard/短剧创作台”“导出制作资料”，或任务跨多个创作阶段时使用；明确的写作、资产、提示词、分镜、剪辑或审查请求由对应子 skill 直接处理。

K

knowledge-graph

giuseppe-trisciuoglio / developer-kit

管理用于规范的持久化 Knowledge Graph，提供读取、查询、更新和验证能力，用于缓存代码库分析。适用于：spec-to-tasks 需要缓存/复用代码库分析；task-implementation 需要验证任务依赖项或契约；spec-quality 需要同步 provides；或任何命令需要查询现有模式/组件/API。通过缓存 Agent 的发现结果，减少重复探索代码库。

N

nemo-rl-auto-research

nvidia / skills

用于定向假设检验和开放式探索的自主 NeMo-RL 研究 Agent 工作流。指导 Agent 完成整个实验生命周期：了解配方和环境、配置 RL 或 NeMo-gym 运行、启动可复现的基线和迭代、分析结果、保留人工监督，并使用 git 和 TSV 日志作为研究记录。请勿用于：修复错误、代码审查、文档编写、重构、依赖项更新或单文件更改。

将 Agent 钱包、身份和付费工具整合于一体。注册 Agent，通过 Stripe 或 USDC 充值，然后使用余额进行网页搜索、AI 图像生成、AI 视频生成、AI 音乐创作、X/Twitter 搜索、邮件收发、SMS 和语音通话、联系人管理，并调用 100 多种 LLM 模型。为需要消费、发送消息、拨打电话或调用付费 API 的自主 Agent 提供资金和身份层。

I

integrate-todo-list

cognitedata / builder-skills

用于已获批准的应用内 useAtlasChat UI 的 TodoWrite 面板。新增 AI 功能请使用 integrate-fusion-agent。触发词：TodoWrite、todo 面板——仅限已存在 useAtlasChat 的情况。

O

opencli-operate

jackwener / opencli

让 AI Agent 能够访问网站。使用已有登录会话的 Chrome 进行导航、点击、输入、提取和等待。无需 LLM API 密钥。

I

integrate-atlas-chat

cognitedata / builder-skills

例外路径。Atlas/chat/agent 使用 integrate-fusion-agent。仅当用户明确要求在应用内使用 useAtlasChat，且 connectToHostApp 无法提供 EOS 侧边栏时使用（独立应用始终拒绝）。触发条件：useAtlasChat、应用内 Atlas 聊天、嵌入式聊天、vendored atlas-agent。不适用于一般的“添加聊天”需求。

I

implement-issue

fandhe-ai / agent-cli-skills

读取 GitHub Issue，在 `_/local-plans/<issue-number>-<slug>.md` 中制定详细计划，并在**获得用户批准后**实现代码。实现后依次进行安全审查（OWASP Top 10）、运行测试，并使用 Conventional Commits 提交。适用于收到 Issue 编号或 URL 的实现请求，例如“实现 Issue #N”“开始处理这个 Issue”。

A

aws-secrets-manager

aws / agent-toolkit-for-aws

为 AWS Secrets Manager、机密管理、凭证、API 密钥、令牌和密码提供安全防护。防止 AI Agent 直接获取机密值，并介绍使用 asm-exec 进行运行时动态引用，确保明文不会进入大模型上下文窗口。

S

setup-python-tools

cognitedata / builder-skills

适用于已获批准的应用内 useAtlasChat UI 的 Pyodide Python 工具。EOS 侧边栏 Python 工具通过 agent CDF 配置运行——不要集成 Pyodide。触发条件：Pyodide、pythonRuntime、usePyodideRuntime、runPythonCode。

C

create-client-tool

cognitedata / builder-skills

为已获批准的应用内 useAtlasChat UI 搭建 AtlasTool 框架。对于 EOS 侧边栏工具，请改用 integrate-fusion-agent（createAgentAction）。触发词：AtlasTool、useAtlasChat 工具、应用内 atlas 客户端工具

C

core-dynamic-skills

actionbook / rust-skills

用于动态 Rust crate skill 管理的内部命令支持。仅在通过 /sync-crate-skills、/clean-crate-skills 或 /update-crate-skill 明确调用时使用。

A

amazon-workspaces-agent-access

aws / agent-toolkit-for-aws

通过托管的 Agent Access MCP server，将 AI Agent 连接到 Amazon WorkSpaces Applications（AppStream 2.0）上的远程 Windows 桌面应用，并指导可靠的桌面自动化。涵盖将 Agent 连接到 MCP 端点（SigV4、流式 URL 和 Active Directory SAML/Domain Join）、BLOCKING 与 POLLING 连接模式、计算机操作工具（截图、点击、输入、按键、滚动）、截图预算与操作批处理规范、MCP 工具转发（forwarded___ tools）、会话生命周期与删除时过期，以及连接错误排查。构建或调试通过 WorkSpaces Applications / AppStream 操作远程 Windows 桌面或 GUI 应用的 Agent 时使用，包括“dcv session not ready”“client_disconnected”、400 signing-region、POLLING/connection_status、SAML assertion 或转发工具相关问题。不适用于 Amazon WorkSpaces Personal/Core 虚拟桌面，也不适用于与 Agent 访问无关的一般 AppStream 机群管理。

C

core-actionbook

actionbook / rust-skills

用于 Rust 文档研究工作流中 actionbook MCP 选择器的内部支持技能。仅在其他 rust-skills 工作流明确要求使用 actionbook 支持的选择器时使用。

C

core-fix-skill-docs

actionbook / rust-skills

用于检查和修复生成的 Rust 技能文档引用的内部维护支持。仅在通过 /fix-skill-docs 明确调用时使用。

F

fusion-issue-task-planning

equinor / fusion-skills

规划用户故事问题，并将其拆解为有序、可追踪的任务问题草稿，明确发布关卡。

I

implement-issue-tree

fandhe-ai / agent-cli-skills

在父议题下，按依赖顺序使用 worktree 并行自动实现所有后代子议题，随后在 push 前审查、创建 PR、监控 CI，直至达到可合并状态。适用于“并行实现议题树”“集中实现所有子议题”“并行实现整个树”或“自动开发议题层级”等请求。按每个议题分别规划（Plan：会话继承模型）和实现（Implement：sonnet）。仅在审查通过后才 push、创建 PR 并启动一次 CI。使用 args.externalChecks 以 {"app", "context"} 组合明确声明外部检查。使用 [] 确认“无”，避免不必要的等待；未指定时停止自动合并；仅含 slug 的旧格式会对自动合并采取 fail-closed。通过 autoMerge: true 并明确指定 externalChecks（包括所有 App 的可信 context 声明）选择启用自动 squash merge。前提是 merge-exec 自行获取并重新验证，且实际检查服务端 branch protection。默认 autoMerge 为 false，执行会在可合并状态停止，由人工合并。也可委托给服务端 workflow 示例（参见 upstream 的 docs/implement-issue-tree/auto-merge-sample.yml）和 branch protection。通过并行度（parallel）和依赖项（dependsOn）控制执行顺序。若要严格按 Phase 串行化，使用 phaseGate: true（选择启用）：按 sub-issues 列表顺序串行处理根议题的直接子项（Phase 父项），并等待前一 Phase 的所有后代均已 merged/closed 后，才开始下一 Phase。默认 phaseGate 为 false，仅采用当前的后序优先级。若要预先了解可启动和将被阻塞的议题数量，使用 dryRun: true（仅返回估算，不写入任何内容）。单个议题的实现参见 implement-issue；PR 审查参见 implement-review-pr。

O

open-computer-use

ifuryst / open-computer-use

关于使用 Open Computer Use 的跨平台指南。Open Computer Use 是适用于 macOS、Linux 和 Windows 的开源 Computer Use MCP 服务和 CLI。Agent 需要通过其原生 CLI、stdio MCP 服务或直接调用 Computer Use 工具来安装、验证、排错、配置或操作 Open Computer Use 时使用。

N

nemotron-policy-generator

nvidia / skills

为 NVIDIA Nemotron 内容安全护栏生成 BYO 自定义安全策略，适用于 Nemotron-Content-Safety-Reasoning-4B（文本）和多模态 Nemotron-3-Content-Safety。生成 Markdown 策略、JSON 分类体系和可直接使用的推理提示词。将粗略词语或现有策略映射到 V2 类别，并添加自定义类别或主题跟随规则。

L

loop-factory

juliusbrussee / skills

运行规范驱动的 Agent 循环：编码任务以 Markdown 规范的形式存储，在 inbox → active → archive 之间流转，由 Claude Code 或 Codex 实现，并通过评审关卡后才算完成。适用于用户提到“loop factory”“spec-driven loop”或“agent factory”、希望 Agent 工作可重复且可审查，或仓库中存在 factory/specs/inbox 或 factory/specs/active 目录的情况。也涵盖在项目中安装和搭建 loop-factory CLI。

O

od-contribute

nexu-io / open-design

为 OpenDesign（nexu-io/open-design）提供一键贡献流程，即使不会编程也能参与。选择四张卡片之一（发布你用 OD 制作的 Skill 或 Design System；翻译文档；修正错字／撰写博客；报告 Bug），Agent 会为你验证并创建 PR（或 issue）。触发词：contribute to open design、ship my OD skill、ship my OD design system、translate OD docs、report an OD bug、od-contribute。

T

tools

launchdarkly / ai-tooling

通过工具（函数调用）赋予 Agent 能力。帮助你确定 Agent 需要执行的操作、创建工具定义，并将其附加到不同的配置变体。

D

design-first-ui-prompting

mengto / skills

需要以设计优先、规范驱动且易于浏览的 UI 生成提示词时使用。涵盖提示词结构、约束、变体、排版/间距规则，以及实现一致 UI 输出的迭代工作流。

C

configs-create

launchdarkly / ai-tooling

在 LaunchDarkly 中创建和配置配置项。帮助你选择 Agent 模式或 completion 模式、创建配置项、添加带模型和提示词的变体，并验证设置。

P

planetscale-schema-recommendations-agent-loop

planetscale / skills

安全地筛选 PlanetScale 架构建议，并将其转化为经过审查的分支、迁移、问题或拉取请求，而不对生产环境应用更改。

P

planetscale-safe-orchestrator

planetscale / skills

执行完整的 PlanetScale 安全最佳实践评估的主技能，包括清点、引擎审查、Insights、Traffic Control、webhook、架构建议、代码库检测和 Agent 运行模式，然后生成统一的建议报告。未经明确批准，绝不应用更改。用户要求执行完整评估、所有技能或 PlanetScale 最佳实践审查时使用。

C

configs-targeting

launchdarkly / ai-tooling

配置配置定向规则，以控制向不同用户提供哪些变体。支持按百分比逐步发布、基于属性的规则、细分定向和受保护的逐步发布。

A

adopt-spec

zernie / vigiles

为现有的手写 CLAUDE.md 引入类型化的 .spec.ts——从已有文件开始，不做破坏性修改

C

configs-variations

launchdarkly / ai-tooling

通过创建和管理变体来试验 configs。通过系统性实验，帮助你测试不同的模型、提示词和参数，找到最佳方案

5

5-build

challengepost / learn-ai-basics

将已批准的计划转换为按顺序执行的构建步骤，然后以学习模式或快速模式逐步构建应用——每一步都验证并提交。在规划类技能之后使用；构建会话被中断后再次使用。

C

ce-sessions

everyinc / compound-engineering-plugin

搜索并询问 Claude Code、Codex 和 Cursor 中的编码 Agent 会话历史。适用于询问之前处理过什么、尝试过什么、如何在不同会话中调查某个问题、最近发生了什么，或任何有关过去 Agent 会话的问题。用户提及之前的会话、尝试或调查时也适用，即使没有明确说“会话”。

日语生产力指导模式。在用户明确提出要求、反复失败、表现被动、验证不足或对质量不满时，推动结构化故障排查，并基于证据确认任务是否完成。

2

2-scope

challengepost / learn-ai-basics

找出或打磨项目创意，并撰写范围文档。这是第一次也是最重要的规划对话——通过一场聚焦的“翻转式互动”访谈把创意从学习者脑中挖掘出来，再将其精简为一个连贯的概念验证。在 1-start 之后运行。

1

1-start

challengepost / learn-ai-basics

开始 Build With AI: Basics，这是 Devpost 的学习型黑客松。检查你是否位于一个全新的项目文件夹中，介绍翻转式交互，了解你的想法和背景信息，并写入后续每个技能都会读取的学习者档案。请首先运行此技能。

C

configs-update

launchdarkly / ai-tooling

更新、归档和删除 LaunchDarkly configs 及其变体。需要修改 config 属性、更改模型参数、更新指令或消息、归档未使用的 configs，或永久删除它们时使用

O

online-evals

launchdarkly / ai-tooling

为不同配置变体关联评审器，自动进行 LLM-as-a-judge 评估。创建自定义评审器、配置采样率并监控质量分数。

C

ce-update

everyinc / compound-engineering-plugin

检查 compound-engineering 插件是否为最新版本；如果不是，则建议运行更新命令。用户说“update compound engineering”“check compound engineering version”“ce update”“is compound engineering up to date”“update ce plugin”，或报告可能由 compound-engineering 插件版本过旧导致的问题时使用。此 skill 仅适用于 Claude Code，因为它依赖插件运行环境的缓存布局。

L

langgraph-decision-models

langchain-ai / langchain-skills

当使用决策模型（TypeSafe Jev、SemIf）而非 LLM 路由 LangGraph Agent，或审查现有 Agent 中仅生成路由决策的 LLM 调用时，调用此技能。涵盖 langchain-typesafe Noul/Choice/Score、正确读取答案、阈值设计和 LangSmith Gateway 接线。

P

planetscale-autonomous-execution-mode

planetscale / skills

在操作人员明确确认风险后，无需逐步审批即可端到端执行已批准的 PlanetScale 更改。定义风险确认约定、限定范围的自主级别、合理的执行顺序、持续状态报告、停止条件和回滚规范。非常安全，极具赋能效果。

C

ce-work-beta

everyinc / compound-engineering-plugin

[BETA] 在支持外部委托的情况下执行 ce-work

U

update-docs

fandhe-ai / agent-cli-skills

根据上次更新提交（通过 _/.last-update-docs 跟踪）的差异，更新 CLAUDE.md 中的技能列表和仓库结构树。添加新技能、修改 .claude/agents/ 或 .claude/rules/ 时，以及用户要求“更新文档”或“更新 CLAUDE.md”时使用。还包含在用户要求补充代码注释或文档注释时可参考的指南。

M

migrate

launchdarkly / ai-tooling

分五个阶段，将硬编码 LLM 提示词的应用迁移为完整的 LaunchDarkly AgentControl 实现：审查代码、封装调用、迁移工具、添加跟踪、接入评估器。当用户希望将模型/提示词配置外置、从直接调用提供商（OpenAI、Anthropic、Bedrock、Gemini、Strands）转为托管配置，或分阶段完成从硬编码到 LaunchDarkly 的全面迁移时使用。

S

snippets

launchdarkly / ai-tooling

创建和管理提示词片段，即在配置变体提示词中引用的可复用文本块。确保多个配置中的通用指令、角色设定和防护规则保持一致。

A

agent-graphs

launchdarkly / ai-tooling

创建和管理 Agent 图：由边连接并带有交接逻辑的有向配置图。用于构建配置之间相互路由的多 Agent 工作流。

C

cli-bridge

starchild-ai-agent / official-skills

管理用于授权本地 starchild CLI 与此 Agent 通信的短代码包，包括 agent-shell local-exec 通道和本地 MCP 代理（用户计算机上的 stdio MCP 服务）。适用于连接或断开 starchild CLI（例如生成 CLI bridge code、列出我的 CLI bundles、撤销旧 CLI 会话、允许 Agent 在用户自己的计算机上运行 shell 命令，或通过 stdio MCP 服务控制本地应用——Blender、Figma、Godot、computer-use 等）。

P9 Tech Lead 模式——编写 Task Prompts，管理 P8 Agent 团队，绝不亲自编写代码。用户说“P9模式”“tech-lead”“帮我管理这个项目”“任务拆解”，或需要协调 3 个以上并行 Agent 时使用。产出：Task Prompts（六要素）+ P8 团队交付

P10 CTO 模式——制定战略方向、设计组织架构、管理 P9 团队。用户说“CTO模式”“P10”“战略规划”“架构委员会”，或面临跨团队架构决策时使用。产出：战略输入模板 + 组织设计

PUA Loop——通过定期检查、完成证据以及暂停/中止标记，引导迭代开发。仅当用户明确要求 loop/自动迭代模式时使用。

P

para-memory-files

paperclipai / paperclip

使用基于文件的 PARA 记忆系统，在不同会话间存储、检索和整理持久知识。在保存事实、每日笔记、实体记录、每周总结、回忆信息、隐性用户模式或计划记忆时触发。

P7 高级工程师模式——在 P8 监督下以方案驱动执行。用户说“P7模式”“方案驱动”，或由 P8 启动为子任务执行器时使用。产出：实施计划 + 代码 + 3 个问题的自我审查，通过 [P7-COMPLETION] 提交。

R

rivet-actors

rivet-dev / skills

Actors：用于 Agent 编排的基本构件

在 Alan 中创建实施计划文档