Skills

A

AgentDB Memory Patterns

ruvnet / ruview

使用 AgentDB 为 AI Agent 实现持久化记忆模式。包括会话记忆、长期存储、模式学习和上下文管理。适用于构建有状态 Agent、聊天系统或智能助手。

A

agentic-ai-developer

rade-nugroho / agentic-enteprises-skill

指导 Agentic AI 系统的实操开发——Agent 循环（plan → act → observe）、工具与 MCP schema、多 Agent 编排与交接、状态/检查点、HITL 关卡、Agent 提示词、可靠性（重试、幂等性、取消）、可观测性、轨迹评估、工具沙箱、注入意识以及部署（API、队列、持久化工作流）。框架无关，可选提供 LangGraph、Deep Agents 和 Cursor SDK 指引——并非完整框架文档。适用于 agentic AI、build an agent、agent loop、tool use、MCP integration、multi-agent、agent orchestration、LangGraph、agentic workflow、AI agent developer、agent handoff、agent memory、HITL agent、evaluate agent 或 agentic application——不适用于模型训练（ai-engineer）、ML 研究（ai-researcher）、仅产品战略（cpo-advisor）、仅架构白板（agent-designer，external）、无 Agent 循环的通用后端（senior-software-engineer）或仅红队（ai-redteam）。

A

agently-agent-extensions

agentera / agently-skills

当用户希望通过 Agently 原生扩展接口而非自定义封装，实现工具调用、MCP 访问、HTTP 或流式 API 暴露、auto-function 辅助函数、等待按键行为，或可选的 `agently-devtools` 观测、评估和 playground 集成时使用。

A

agently-langchain-to-agently

agentera / agently-skills

当已知迁移会留在 LangChain agent 侧时使用，包括 agent 设置、工具、结构化输出、检索和短期记忆。

A

agently-langgraph-to-triggerflow

agentera / agently-skills

当已知迁移会留在 LangGraph 编排侧时使用，包括阶段、路由、检查点、中断、持久化、流式传输和子图边界。

A

agently-output-control

agentera / agently-skills

当用户希望从单次模型请求获得稳定的结构化字段、必需键、可靠的机器可读区段，或可供下游消费的输出时使用，包括由 prompt-config 拥有的输出契约、`.output(...)`、字段顺序、`ensure_keys` 和结构化流式传输。

A

agents-md

dobroslavradosavljevic / skills

创建、审查、重写或强制执行高质量的 AGENTS.md（面向编码 Agent 的开放“README”格式）。当用户调用 $agents-md，提到 AGENTS.md、agents.md、Agent 指令、项目 Agent 上下文、嵌套 AGENTS.md，或要求为 AI 编码 Agent 搭建、审查、改进或标准化仓库指引时使用。在根 AGENTS.md 文件中始终包含 ASD-STE100 沟通块和测试块（不做事后单元测试，仅在仓库已有相关设置时优先使用 E2E 和集成测试、E2E 产物、隔离测试前的失败模式）。

A

ai-automation-workflows

qu-skills / superpowers

构建组合多个模型与服务的自动化 AI 工作流。模式：批处理、定时任务、事件驱动流水线、Agent 循环。工具：inference.sh CLI、bash 脚本、Python SDK、webhook 集成。用于：内容自动化、数据处理、监控、定时生成。触发词：ai automation、workflow automation、batch processing、ai pipeline、automated content、scheduled ai、ai cron、ai batch job、automated generation、ai workflow、content at scale、automation script、ai orchestration。

A

ai-rag-pipeline

qu-skills / superpowers

使用网络搜索和大模型构建 RAG（检索增强生成）流水线。工具：Tavily Search、Exa Search、Exa Answer、Claude、GPT-4、通过 OpenRouter 调用 Gemini。能力：研究、事实核查、有依据的回答、知识检索。用途：AI Agent、研究助手、事实核查工具、知识库。触发词：rag、retrieval augmented generation、grounded ai、search and answer、research agent、fact checking、knowledge retrieval、ai research、search + llm、web grounded、perplexity alternative、ai with sources、citation、research pipeline。

A

ask-questions

ferueda / agent-skills

实现前先澄清需求。不要自动使用，仅在明确调用时使用。

A

ask-workflow

phatysddev / skills

检查代码仓库，并推荐下一步唯一的 Phat 工作流步骤，不更改代码或项目决策。用户不确定从哪里开始或下一步该做什么时使用。

A

audit-now

terrylica / cc-skills

强制立即进行一轮验证。触发条件——ru audit、force validation、audit now、run audit。

A

auto-implement

phatysddev / skills

授权批次中的所有现有任务均通过 implement-task 按依赖顺序实现；先检查每项任务，并要求先解决所有需要用户操作的阻塞项。用于用户要求自动实现多个任务时；遵守验证/审查政策，并在出现新阻塞项或修正停滞时停止。

A

autonomous-engineer

johngbl / staff-engineer

面向 AI 编码 Agent 的资深工程师级元技能。基于证据的验证循环、严格的 TDD、反猜测规范和整洁代码。

使用 AxEventRuntime 摄取事件，显式唤醒或恢复 AxGen、AxAgent 和 AxFlow，持久化状态与结果，并安全地路由输出。

此技能帮助 LLM 使用 @ax-llm/ax 构建正确的原生 Model Context Protocol 集成。当用户询问 AxMCPClient、MCP 传输方式、工具、提示词、资源、订阅、任务、采样、elicitation、roots、认证、OAuth、MCP Apps、录制/回放，或与 AxGen、AxAgent、AxFlow、chat、优化及 AxEventRuntime 的 MCP 集成时使用。

B

beads

itechmeat / llm-code

Beads（bd）——由 Dolt 支持的 issue 跟踪器，用于 Agent 任务记忆。涵盖命令行操作、molecules、Dolt 同步、Linear/Jira/GitLab。适用于用 Beads 命令行跟踪任务与依赖、通过 Dolt 同步 issue，或与 Linear/Jira/GitLab 集成时。关键词：bd, beads, Dolt, issue tracker。

B

brainstorming

21307369 / superpowers-zh

在任何创造性工作之前必须使用此技能——创建功能、构建组件、添加功能或修改行为。在实现之前先探索用户意图、需求和设计。

B

brainstorming

lucianghinda / superpowers-ruby

在开始任何创造性工作（创建功能、构建组件、添加功能或修改行为）时、编写任何实现代码之前使用。

B

business-brain

genericservice / claude-skills

实现 Business Brain 模式。让每个 Agent 技能都能访问你的语气、受众和定位，而不会膨胀上下文窗口。当被要求提供品牌背景、声音或定位，或在为新项目搭建 brain 时使用。

C

changelog-scan

fusengine / agents

适用于检查自上次已知版本以来 Claude Code 是否有新版本、新功能或变更。

C

changelog-scan

fusengine / claude-plugins

通过认知自动化和协作式 Agent 系统重新定义开发。

C

chief-loop

thaitype / chief

让 chief-agent 运行尽可能多的批次以完成一个里程碑，每个任务写一份报告，而不是每批次一份。当任务遇到歧义时，一个一次性的决策支持 Agent 会提出选项；chief-agent 仍做最终决定，报告中记录推理过程。需要已存在目标和契约。使用 "/chief-loop"。

C

ck:skill-creator

binjuhor / shadcn-lar

以 eval 驱动的迭代方式创建或更新 Claude 技能。适用于新技能、技能脚本、参考材料、基准优化、描述优化、eval 测试、扩展 Claude 的能力。

C

clarify-requirements

nextstage-brasil / skills

(NS) 在生成需求之前，解决范围描述中的歧义、缺口和未言明的假设。在棕地仓库中，当 brownfield-map.md 缺失时运行 bootstrap-brownfield；当已存在映射时，执行强制人工关口以刷新或保留它（显示上次映射日期）。当用户给出模糊或不完整的范围，提到 "dashboard"、"notifications"、"integration with X" 却缺乏细节，或在术语含糊时生成需求之前使用——即使用户没有要求 "clarify"。不要在本技能中生成 requirements.md；只输出丰富后的上下文。

C

claude-superpowers

mohitagw15856 / pm-claude-skills

启用一套 4 阶段编码纪律框架，强制 Claude 在编码前先规划、在分支上隔离改动、先写测试，并在交付前对输出做两次自审。适用于启动复杂编码任务、此前 Claude 会话产出了有问题的初稿，或希望避免返工循环时。产出经确认的书面计划、隔离的功能分支、测试先行的实现，以及带正确性与代码质量清单的双重审查输出。

C

cloudflare-agents

jackspace / claudeskillz

使用 Cloudflare Agents SDK 在 Workers 和 Durable Objects 上构建有状态 AI Agent 的指南。涵盖 Agent 类、this.setState 和 this.sql 状态、通过 AIChatAgent 和 useAgentChat 实现 WebSocket 与流式聊天、使用 this.schedule 调度（延迟、日期、cron）、触发 Workflows、Browser Rendering、使用 Vectorize 和 Workers AI 嵌入的 RAG、使用 McpAgent 的 MCP 服务、human-in-the-loop 审阅，以及通过 routeAgentRequest、getAgentByName、useAgent 和 AgentClient 进行路由。记录 15 个以上陷阱：缺少 new_sqlite_classes、非原子迁移、Agent 类未导出、绑定名称不匹配、全局唯一性意外、状态大小限制、MCP 传输混淆和被绕过的认证。在 Cloudflare 上构建 AI Agent、聊天 Agent、MCP 服务或多 Agent 系统，或调试 Agent 绑定、迁移和状态同步错误时使用。

C

code-review

jackspace / claudeskillz

适用于收到代码评审反馈时（尤其当反馈含糊或技术上存疑时）、完成需要评审的任务或主要功能之后，或在做出任何完成/成功声明之前。涵盖三项实践——以技术严谨而非表面迎合的态度接收反馈、通过 code-reviewer 子 Agent 请求评审，以及在做出任何状态声明前要求证据的验证关卡。对于子 Agent 驱动的开发、Pull Request 以及防止虚假的完成声明至关重要。

C

code-to-context

phatysddev / skills

检查现有仓库，并仅使用可追溯的 Observed、Inferred 和 Unknown 证据更新 CONTEXT.md 中自动生成的部分。用于入职引导、重要的仓库上下文缺口或明确的刷新请求；不作为持续实现过程中的必经阶段。

C

codex-construction

shengyy / agent-skills

主代理写简报、Codex 裸调 codex exec 施工、主代理验收的派工编排。用户说「安排 codex 施工/干活/审」或调用 /codex-construction 时使用。

C

codex

petekp / claude-code-setup

强制将任务移交到本地 Codex CLI。触发条件：(a) 用户消息以 `/codex` 命令开头，或 (b) 用户给出明确移交指令，如 "hand this to codex"、"run this through codex"、"ask codex" 或 "have codex do X"。触发时，将用户提示词原样传给 `codex exec`，并原样返回 Codex 的最终消息。把它当作用户通过你执行的 shell 别名。不要解读任务、不要检查文件、不要收集上下文、不要自己尝试完成工作、不要判断 Codex 是否合适、不要改写提示词。唯一的终止条件是空提示词（询问 Codex 应该做什么）。

C

cognee

armelhbobdad / oh-my-skills

当 cognee 是 Python AI 记忆引擎，可转换

C

configure-ecc

xu-xiang / everything-claude-code-zh

Everything Claude Code 的交互式安装程序 —— 引导用户选择并将技能（Skills）和规则（Rules）安装到用户级或项目级目录，验证路径，并可选地优化已安装的文件。

C

continuous-learning-v2

xu-xiang / everything-claude-code-zh

基于本能（Instinct）的学习系统，通过钩子（hooks）观察会话，创建带有置信度评分的原子本能，并将其演化为技能（Skills）、命令（Commands）或智能体（Agents）。v2.1 版本增加了项目作用域（project-scoped）的本能，以防止跨项目污染。

C

cook-auto-fast

duc01226 / easyplatform

[实现] 不做调研。只侦察、规划并实现 [trust me bro]

C

create-skill-sap-fiori-tools

sap / open-ux-tools

为 SAP Fiori Tools / open-ux-tools 生态系统编写、审查或重构 skill。用户想创建新 skill、改写现有 skill、添加参考资料、拆分过大的 SKILL.md、强制遵循 `sap-fiori-<feature>` 命名约定、验证 frontmatter、添加 CAP/RAP 示例、声明 OData V2 与 V4 要求、将 skill 标记为内部（面向开发者）或外部（公开），或生成验证清单时，均可使用，即使用户没有明确说“skill”。要求使用与宿主无关的工具、规范的回退方案、明确的范围边界，以及渐进式披露分块（每个文件少于 500 行）。

C

create-skills

forge-town / skills

需要创建新技能或更新现有技能，将领域知识、工作流程、脚本和工具集成打包为可复用 Skill；生成的新技能须使用中文编写。触发词：创建新技能、更新 skill、新建技能包、扩展 AI 能力。

C

creating-claude-rules

agentworkforce / relay

在创建或修复 .claude/rules/ 文件时使用 - 提供正确的 paths frontmatter（而非 globs）、glob 模式，并避免 alwaysApply 等 Cursor 专有字段

C

crewai-developer

smallnest / langgraphgo

关于使用 CrewAI 框架构建协作式 AI Agent 团队和结构化工作流的全面指南。在以下情况下使用：用 CrewAI 开发多 Agent 系统、创建自主 AI 团队、编排 flow、实现带角色和工具的 Agent，或构建可投入生产的 AI 自动化。对于构建智能 Agent 系统、任务自动化和复杂 AI 工作流的开发者而言不可或缺。

C

csp

qian-gugugaga / character_skill_producer

二次元角色技能蒸馏器。输入角色名+作品名，本地检索核心资料→交叉验证→行为蒸馏→生成可运行、可追溯、可更新的角色 Skill。触发词：「生成 XX 的 skill」「蒸馏 XX」「做一个 XX 角色」「把 XX 变成 skill」「造一个 XX」「/csp」。模糊需求也触发：「想聊一个傲娇角色」「有没有病娇推荐」「帮我做一个 XX 作品里的角色」。依赖 Python；核心站点优先走本地脚本，网页搜索 skill / MCP / WebFetch 只作为补强和失败兜底。

D

deep-execution

hex / claude-council

以并行 Claude 分析师 Agent 组成的一个 Workflow 来执行 Agent 增强的 council 查询：每个分析师 Agent 查询一个提供商、评估响应质量、提出追问，并返回带置信度评级与盲点分析的、符合 schema 的分析结果。当使用 --agents 标志或检测到复杂架构决策时调用。

D

deep-research

jordan-gibbs / hyperresearch

使用 hyperresearch 为 Claude Code 和 OpenAI Codex 进行深度研究。适用于用户要求深度研究、研究报告、文献综述或带有经核实引文的多来源分析。检查是否已安装 hyperresearch CLI，在当前项目中为正在运行的 Agent 完成配置，然后交由 hyperresearch 流程处理（包含持久化来源库的自适应分级 16 步流程）。不适用于一两次搜索即可回答的快速查询。

D

deep-work

petekp / agent-skills

结构化开发工作流，将研究、规划和实现分为不同阶段，并配有持久化的 markdown 产物。在开始任何非平凡的功能、重构、缺陷调查或代码库变更时使用。触发词：「deep work」、「research and plan」、「plan before coding」、「write a plan」、「research this codebase」、「don't code yet」、「understand then implement」，或当用户希望对复杂任务采用有纪律的方法时。当用户说「research」、「plan」、「annotate」、「implement the plan」，或引用 research.md/plan.md 产物时也使用。

D

DeepReader

astonysh / openclaw-deepreeder

OpenClaw 的默认网页内容阅读器。可将 X (Twitter) 推文/个人资料、Reddit、YouTube 以及任何网页读取为干净的 Markdown——无需任何 API key。当你需要将社交媒体帖子、个人资料、文章或视频字幕采集到 Agent 记忆时使用。

D

delegate-tickets

c0nant / c-skills

通过全新的子 Agent 依次编排工单实现，要求每个子 Agent 使用 /implement 技能。

D

desktop-commander-overview

wonderwhy-er / desktopcommandermcp

用于 Desktop Commander MCP 功能——持久化 shell 和 REPL、长时间运行的进程、工作区之外的文件系统、结构化文件（.xlsx、.docx、.pdf、图像）和大型本地数据文件（如 CSV）、大规模 ripgrep 搜索、SSH 或跨轮次状态。

D

dispatch

ouyangjiahong26 / skills

一套给 AI 编码 Agent 用的 skills，小巧、可组合，源自日常工程习惯。

D

dkh

dkod-io / harness

从单个提示词构建完整应用的自主执行框架。使用 dkod 进行并行 Agent 执行与 AST 级语义合并。编排一个按符号将工作分解为并行单元的 Planner、多个通过隔离的 dkod 会话同时实现的 Generator Agent，以及一个通过 Playwright CLI（首选）或 chrome-devtools MCP（备选）加 dk_verify 测试实际结果的怀疑式 Evaluator。全程自主——从提示词到可用且经过测试的 PR 零用户交互。每当用户提供构建提示词（"build a..."、"create a..."、"make a..."）或调用 /dkh 时使用此技能。

E

elevenlabs-agents

jackspace / claudeskillz

在 ElevenLabs Agents Platform（ASR、LLM、TTS、轮流发言模型）上构建对话式 AI 语音 Agent 的指南。涵盖 Agent 配置和系统提示词、工作流、多语音、发音词典和语速控制、知识库 RAG、客户端/服务端/MCP/系统工具、Scribe 实时 STT、WebRTC 和 WebSocket 连接、测试与评估、分析、成本优化、GDPR/HIPAA/SOC 2 合规，以及 agents-as-code 命令行工作流。包含 @elevenlabs/react、@elevenlabs/client、@elevenlabs/react-native、Next.js、Swift 和 Cloudflare Workers 的生产模板，以及 17 个以上有记录的修复：弃用的 @11labs 包、Android 音频中断、CSP 违规、缺失的动态变量、工具名称大小写敏感、webhook 认证失败和 WebRTC 配置错误。在构建、配置或调试 ElevenLabs 语音 Agent 时使用。

面向 AI Agent 的自我进化引擎。分析运行时历史以识别改进点，并应用受协议约束的进化。通过本地 Proxy 邮箱与 EvoMap Hub 通信。

E

executing-plans

21307369 / superpowers-zh

当你有一份书面实现计划需要在单独的会话中执行，并设有审查检查点时使用

F

fastmcp

jackspace / claudeskillz

使用 FastMCP 在 Python 中构建 MCP（Model Context Protocol）服务，涵盖工具、资源和提示词定义，存储后端（memory、disk、Redis、DynamoDB），服务生命周期，8 种内置中间件类型，通过 import 和 mount 组合服务，OAuth Proxy 与认证，OpenAPI 集成，客户端配置，以及 FastMCP Cloud 部署。包含基础服务、存储、中间件、组合、OAuth proxy、API 集成、测试和生产架构的模板，并防止 25 个以上常见错误，如存储配置错误、生命周期和中间件顺序错误、循环导入、模块级服务问题、async/await 混淆、OAuth 安全漏洞和云部署失败。在创建或调试 Python FastMCP 服务、定义 mcp 工具、资源或提示词、接入 fastmcp 存储或中间件、挂载子服务、设置 MCP OAuth 或部署到 FastMCP Cloud 时使用。

F

find-my-project

aviz85 / claude-skills-library

通过痛点识别帮助初学者找到自己的第一个 AGENTIC 项目。引导完成提问、分析、项目建议和文件夹设置。当有人问「我应该构建什么项目？」或「帮我开始用 Claude Code」时使用。

F

finding-on-github

liangmiqwq / skills

如果你现在正在处理一个开源项目，而我不是维护者或作者

F

fortytwo-mcp

fortytwo-network / fortytwo-mcp-skills

Fortytwo Prime：面向高风险问题的集体多 Agent 推理。当用户说“Ask Fortytwo”、“Ask Prime”、“Ask Fortytwo Prime”或调用 ask_fortytwo_prime 时，始终使用。当用户对你的回答存疑（“try again”、“that's wrong”、“are you sure?”）、希望更深入（“go deeper”、“elaborate”、“full picture”），或提出跨多个领域、单一模型可能力有不逮的问题时——建议 Fortytwo Prime，但需等待确认后再调用（这是付费服务）。即使用户未提及 Fortytwo 这一名称，对于有争议的话题、小众专业领域和高风险决策也应建议使用。

F

fullstack-developer

kenlck / skills

资深全栈工程师模式。Agent 负责技术决策与实现；用户是工程经理，确定 what/why，并在编写任何代码之前批准 Stage 3 计划。现有代码库中的全栈功能开发：后端 API、服务、数据模型、迁移、后台任务、外部集成、命令行、库，以及产品 UI（页面、表单、表格、模态框、仪表盘）。当用户想要实现 / 添加 / 构建 / 扩展某项功能时使用：“let's build X”、“add feature Y”、“implement Z”、多模块重构、模式变更、新端点、现有产品中的新页面或组件，或任何在编写代码前需要阅读现有模式的非平凡工程任务。只要功能涉及多个环节，就优先使用它而非普通的编码回复。

G

gauge

simota / agent-skills

审计 SKILL.md 的规范化与合规性：扫描 21 项检查清单，对违规进行分类，生成修复片段。在审计 SKILL.md 合规性或生态健康时使用。

G

gemini

johnlindquist / claude

使用 Gemini AI 进行研究、分析、摘要、网络搜索和复杂推理。当你需要 AI 驱动的研究、代码分析、内容摘要或带综合的网络搜索时使用。

G

getting-started

joellewis / skill-library

在任何会话开始时、或任务没有明确技能分配时使用——将请求路由到正确的技能族，并建立工作流链上下文。

G

git-ops

0xdarkmatter / claude-mods

Git + worktree 编排器：状态概览、按 worktree 分级处理、提交、PR、分支、发布、rebase —— 内联读取，写入交由后台 agent。触发条件：git status、anything to commit、anything to push、commit、push、create PR、rebase、release、tag、changelog、worktree、land worktrees。