Skills

G

goalflow

akillness / jeo-skills

将 goalflow（wanmol/goal-flow）的工作 —— 一个结合工作流图与 Agent 循环的 LangGraph 框架 —— 路由到恰好一种模式：适配检查、把 Dify DSL 导出转译为可运行的 LangGraph Python、编写工作流节点与边、用中间件和 harness 构建 `agent_kit` 循环、接通服务层（数据适配器、SSE 流式传输、HITL、Redis/MySQL、API key 注册），或运行发布前安全门禁。当用户想要 Dify 的可视化设计但没有 Dify 的运行时、想要一个承载 Agent 循环的图节点、在自己的工作流之上使用 OpenAI 兼容的通信协议，或想要通过提示词注入的 `SKILL.md` 能力时使用。触发词：goalflow、goal-flow、dify to langgraph、dify transpiler、dify DSL export、BaseWorkflow、agent_kit、AgentBaseNode、DataAdapter、chunk processor、HITL interrupt、dify2langgraph。普通的 graph-API 问题请路由到 `langgraph-fundamentals`。

G

grace-multiagent-execute

osovv / grace-marketplace

以控制器管理的并行波次执行 GRACE 开发计划，支持可选的安全配置、验证计划摘录、批量共享产物同步和限定范围的评审。

AI 自我改进 Agent v2——从错误、纠正和成功中学习。三层系统：被动捕获 + 主动检查 + 主动生成技能（灵感来自 Hermes Agent）。避免重复同样的错误，记住用户偏好，并从成功完成的任务中自动生成可复用的 Skills。

H

hermes-tweet

davepoon / buildwithclaude

当 Claude Code 工作流需要通过原生 Hermes Agent 插件向 Hermes Agent 进行感知来源的交接，用于 X/Twitter 研究、账号上下文、监控或需审批的操作时，使用 Hermes Tweet。

H

honey-compress

green-pt / honey-for-devs

将记忆或上下文文件（CLAUDE.md、AGENTS.md、todo 或笔记文件）改写为 Honey 精简形式，从而在每次会话中消耗更少的输入 token，同时不丢失含义。会先备份原件。适用于被要求缩减或压缩上下文文件、精简 CLAUDE.md 或降低每次会话输入成本时。仅限散文——绝不处理代码、配置或数据。

H

Hook Development

ovachiever / droid-tings

当用户要求“创建 hook”、“添加 PreToolUse/PostToolUse/Stop hook”、“验证工具使用”、“实现基于提示词的 hook”、“使用 ${CLAUDE_PLUGIN_ROOT}”、“设置事件驱动自动化”、“阻止危险命令”，或提及 hook 事件（PreToolUse、PostToolUse、Stop、SubagentStop、SessionStart、SessionEnd、UserPromptSubmit、PreCompact、Notification）时使用。本技能全面介绍如何创建和实现 Claude Code 插件 hook，重点讲解高级提示词 hook API。

H

hrt-change-size-gate

hash-id / openspec-schema

在 tempa-spec schema 的 `proposal` 阶段、\"What Changes\" 列表定稿之前运行的变更规模检查。当草稿把若干各自都值得单独成项的独立变更捆在一起时，它会检测到并停下来询问用户是否拆分（默认：一个变更；Agent 绝不自行拆分）；当用户选择拆分时，它会把延迟切片记录到 proposal.md 的 Out of Scope 部分、discovery.md 的 Key Decisions 以及 openspec/BACKLOG.md。理由见 docs/research/2026-08-27-mattpocock-skills-gate-and-seams.md。

I

implement

delexw / claude-code-misc

在 thinking 模型中通过领域分析、初始化、提示词评估-优化和最终任务执行，自动处理 JIRA 工单，并具备完善的错误处理。当给定 JIRA 工单 URL（格式：https://[domain].atlassian.net/browse/[TICKET-ID]）以进行端到端处理时使用。

I

implement-task

phatysddev / skills

严格按照文档范围实施一个已就绪的 Phat 任务，依据已验证的进度更新其 Goal/Blocked by/Todo 清单，保留无关更改，遵循项目的验证和提交策略，并准备好供评审。任务处于待办状态，或已有进行中的任务且所有依赖均已完成时使用。

I

improve

witooh / skills

反复改进任何输出，直到满足可衡量的标准。当用户想针对特定标准打磨现有工作时使用 —— 无论是代码、文字、数据、配置还是其他任何产物。触发短语如 "improve this"、"make it better"、"iterate"、"refine"、"keep improving"、"not good enough yet"、"optimize this"、"polish this"、"tighten this up"、"ปรับปรุง"、"ทำให้ดีขึ้น"、"ยังไม่ดี"、"แก้ให้ดีกว่านี้"、"iterate ต่อ"，或当用户给出标准并希望反复改进直到满意时。也用于用户对输出给出反馈并期望你持续打磨时，即使他们没有明确说 "improve"。

I

init-claude-md

tushaarmehtaa / tushar-skills

检查代码库并创建 CLAUDE.md，包含技术栈、命令、关键文件和注意事项。在为 Claude Code 专门配置项目上下文时使用。

I

init-simple-memorix

ruan-cat / monorepo

当用户提到 init-simple-memorix、Memorix hooks 过多或噪音、项目级或全局 hooks 配置、Memorix MCP 工具缺失、full 模式、WorkBuddy MCP 启动失败、信任审批、Node 参数兼容、setup 或升级后重新精简等场景时使用。

I

injective-mcp-servers

injectivelabs / agent-skills

设置并运行 Injective MCP 服务。多个执行 MCP 工具调用的 Injective 技能都需要它。

I

integrated-reasoning

kimasplund / claude_cognitive_reasoning

用于选择最优推理模式的元编排指南。分析问题特征并推荐应使用哪种认知方法论——tree-of-thoughts（寻找最优）、breadth-of-thought（全面探索）、self-reflecting-chain（顺序逻辑）或直接分析。适用于面对复杂问题且不确定哪种推理方式最合适时。

I

issue-flow

notedit / happy-skills

AI 原生、由 Issue 驱动的开发工作流。从 GitHub Issue 到合并的 PR：解析 Issue、探索代码库、设计技术方案、由 Agent 团队执行、创建 PR，并清理。当用户想要端到端实现一个 GitHub Issue 时使用：`/issue-flow #123` 或 `/issue-flow` 从开放的 Issue 中选择。

J

javascript-sdk

qu-skills / superpowers

面向 inference.sh 的 JavaScript/TypeScript SDK — 运行 AI 应用、构建 Agent、集成所有模型。包：@inferencesh/sdk（npm install）。完整 TypeScript 支持、流式传输、文件上传。使用模板或临时模式构建 Agent，工具构建器 API、技能、人工审批。适用场景：JavaScript 集成、TypeScript、Node.js、React、Next.js、前端应用。触发词：javascript sdk、typescript sdk、npm install、node.js api、js client、react ai、next.js ai、frontend sdk、@inferencesh/sdk、typescript agent、browser sdk、js integration

K

kb-ingest

stjbrown / agent-knowledge

将来源内容摄入知识包。当用户希望捕获、摄入、归档、处理或「加入这个」——一条笔记、转录、邮件、PDF、图片、网页或任何原始来源——到 knowledge/ 包中，或直接投递内容待处理时使用。只读取来源一次，提取其信号，并在信任模型下将其整合到整个包中，使知识得以累积，而不是每次查询都重新推导。

K

kb-init

stjbrown / agent-knowledge

在本项目中搭建新的 OKF 知识包脚手架——在启动 wiki 或在 knowledge/ 下添加包时运行。

K

kb

stjbrown / agent-knowledge

可移植的 OKF 知识包，用于编码 Agent 记忆与 LLM wiki。当用户想启动 wiki、摄入来源、为代码库编写文档、带引用查询项目知识、检查漂移或可视化连接时使用；当仓库中存在应当为任务提供信息的 knowledge/ 包时使用；以及当其他 kb-* 技能需要共享规范、术语表、模板或信任模型时使用。

在此仓库中创建、命名、重命名或组织技能时使用此技能。当你需要决定技能目录名的规则、按现有约定提出名称、组织技能以使相关条目保持相邻，或区分本地技能与外部技能时，务必使用它。

L

langchain

alphaonedev / openclaw-graph

用于构建大模型与链式应用的框架。

L

learn

fancyboi999 / ai-engineering-from-scratch-zh

AI Engineering from Scratch 课程的交互式课程 tutor。读取 LEARNING.md，获取下一课，在终端按章节教学，结尾测验并记录进度。可在克隆仓库中或完全通过 raw.githubusercontent.com 工作，无需设置。触发短语：“下一课”“教我”“继续课程”“我们来学习”“继续学习”，或 “next lesson”“teach me”“continue the course”“let's learn”“resume learning”。

L

linear-batch-close

lkshrk / linear-ai

批量编排 Linear 收尾：找到 llm-review issue，确认队列和有界并行度，并派发 linear-close 子 Agent，同时收尾变更仍由 linear-close 负责。

L

linear-batch-implement

lkshrk / linear-ai

批量编排就绪的 Linear 实现工作：找到带有最新有效就绪方案的 llm-ready issue，确认队列和并行度，并派发隔离的 linear-implement 子 Agent。

L

linear-batch-refine

lkshrk / linear-ai

批量编排 Linear 精炼：找到 llm-refine 和 llm-blocked issue，显示队列，用 linear-refine 子 Agent 逐个处理 issue，并汇总问题和反馈。

L

linear-deliver-feature

lkshrk / linear-ai

为一个功能或 bug 运行完整的 Linear AI 工作流：创建 issue、精炼方案、实现工作、验证、准备审查交接，并在合并后收尾。当用户希望通过所有 Linear AI 步骤端到端交付一个功能时使用。

L

linear-doctor

lkshrk / linear-ai

检查 Linear 工作区是否已准备好运行 Linear AI 工作流。在首次运行前、缺少标签/项目时、设置不确定时，或 Agent 无法确定目标团队、项目、组件、类型、大模型或 Superpowers 标签时使用。

L

linear-status

lkshrk / linear-ai

检查 Linear issue 并报告当前工作流阶段、缺失的证据、状态不一致之处以及推荐的下一步技能。当用户询问下一步是什么、issue 处于什么状态、工作能否恢复，或标签/评论为何不一致时使用。

L

livekit-skills

fcakyon / claude-codex-settings

使用 LiveKit Agents SDK 构建语音 AI Agent。适用于用户要求“build a voice agent”、“create a LiveKit agent”、“add voice AI”、“implement handoffs”、“structure agent workflows”，或正在使用 LiveKit Agents SDK 的场景。涵盖 LiveKit Cloud 与使用 lk 命令行的可自托管部署。

L

ln-004-agent-sync

levnikolaevich / claude-code-skills

将技能（符号链接）和 MCP 设置从 Claude 同步到 Gemini CLI 和 Codex CLI

M

m365-agents-dotnet

sickn33 / agentic-awesome-skills

用于 .NET 的 Microsoft 365 Agents SDK。借助 ASP.NET Core 托管、AgentApplication 路由和基于 MSAL 的认证，构建面向 Teams/M365/Copilot Studio 的多渠道 Agent。

M

mb-map-codebase

mrvladd-d / memobank

将现有代码库映射为如实记录的 Memory Bank,不虚构路线图条目。

M

mcp-builder

21307369 / superpowers-zh

MCP 服务器构建方法论 — 系统化构建生产级 MCP 工具，让 AI 助手连接外部能力

M

mcporter

alphaonedev / openclaw-graph

MCP 服务管理：安装、配置、桥接外部工具、协议处理

M

melech-cr-clone-trainer

adird / agent-shell-hamelech

构建或重新同步一个学习你的 GitHub 代码审查风格的私有审查器

M

melech-make-it-click

adird / agent-shell-hamelech

当 Agent 的解释未能让人理解时，找出阻碍理解的最小问题，并用具体示例替换失败的心智模型。

M

melech-plan-review

adird / agent-shell-hamelech

像查看 GitHub 更改标签页一样，在批准前评审解决方案：显示由红绿伪代码组成的文件树，供用户内联评论，然后回复 Approve、Commented 或 Rejected。用户想查看将发生的更改、类似 git 的差异，或查看仿佛已准备就绪的 PR 时使用。

M

memory-manager

camoa / claude-skills

在完成任何阶段活动后使用——更新 project_state.md、项目注册表，确保文件位于正确位置，保持精简的 memory

M

mistral-api

alphaonedev / openclaw-graph

Mistral AI API，提供 large/medium/small 等模型，支持函数调用与代码生成。

M

mlb-decision-logger

lyndonkl / claude

代表 MLB 团队中的任意 Agent 向 yahoo-mlb 决策日志（tracker/decisions-log.md）追加结构化决策条目。依据权威 schema 校验条目，串行化来自并行 Agent 的并发写入，并运行周一校准流程以填写结果并更新变体记分板。当任意 MLB Agent 需要记录决策，或教练要求 "log decision"、"append to decision log"、"record variant outcome"，或运行 "calibration pass" 时使用。

M

mobilerun

droidrun / skills

通过 Mobilerun API 控制、自动化 Android 和 iOS 手机并与之交互。Mobilerun 用于自动化移动设备，它不是桌面浏览器自动化工具。当用户想要在移动设备上自动化任务或在手机上运行云端任务时使用。适用场景：(1) 直接点按、滑动、输入或导航手机 UI，(2) 在手机上运行自主 AI Agent 任务，(3) 截图或读取屏幕状态，(4) 管理设备——配置、重命名、重启、终止，(5) 管理应用——安装、卸载、列出包，(6) 配置代理、eSIM、GPS 位置或文件传输，(7) 管理用于自动化应用登录的凭据，(8) 订阅任务 webhook，(9) 多设备操作——设备群管理、跨手机并行任务。不要用于桌面浏览器自动化、电脑截图或控制桌面操作系统。当用户提到 Mobilerun、Droidrun 或手机控制时也应加载。同时支持个人设备（通过 Portal APK）和云端托管设备。需要 Mobilerun API key（前缀为 dr_sk_）以及已连接的设备。

M

mongodb-mcp-setup

fcakyon / claude-codex-settings

指导用户配置 MongoDB MCP 服务的关键选项。用户已安装 MongoDB MCP 服务但尚未配置必需的环境变量，或询问如何连接 MongoDB/Atlas 但尚未设置凭据时使用此技能

M

multica-mentioning

multica-ai / multica

当 issue 评论需要 @提及某人时使用——链接到某人、触发另一个 Agent、把工作交接给小队，或用 @all 广播。是否应该提及本身由 runtime brief 说明，不在此处。

O

ollama-sync

mskadu / opencode-agent-skills

同步 ''opencode.json'' 配置中可用模型的列表

O

openrouter-api

thatjuan / agent-skills

OpenRouter 统一 LLM API 专业知识。适用于以下情况：代码向 `openrouter.ai/api/v1` 发送 POST 请求，导入 `@openrouter/sdk`、`openrouter`（Python）或 `@openrouter/agent`；将 OpenAI SDK 指向 `https://openrouter.ai/api/v1`；用户询问如何通过单一端点路由数百个大模型（OpenAI、Anthropic、Google、DeepSeek、Meta、xAI、Mistral 等）；处理提供商路由、模型回退（`models` 数组）、Auto Router（`openrouter/auto`）、`:nitro`/`:floor`/`:online` 模型后缀、预设（`@preset/...`）、使用 `cache_control` 的提示词缓存、结构化输出、工具调用、`openrouter:web_search` 服务端工具、推理 token、多模态（图像/PDF/音频/视频）输入、BYOK 提供商密钥、OAuth PKCE、`openrouter:` 插件（`web`、`file-parser`、`response-healing`、`context-compression`），或通过 `/api/v1/generation` 和 `/api/v1/key` 进行生成/用量核算。

O

openspec-apply-change

full-stack-skills / ddd-skills

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。

O

openspec-archive-change

full-stack-skills / ddd-skills

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。

O

openspec-propose

full-stack-skills / ddd-skills

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

operationalize

boshu2 / agentops

将反复出现、有证据支撑的经验提炼为提议的技能、检查、参考资料或工作流产物。触发词：“operationalize this”、“turn this expertise into a reusable capability”。

O

opper

opper-ai / opper-skills

Opper（https://opper.ai）的主要入口，Opper 是面向 Agent 的 AI 网关。用户提到 Opper 但未指定使用界面时使用，例如“set up Opper”“try Opper”“build with Opper”“migrate to Opper”或“help me with Opper”。了解上下文并分流：使用 opper-mcp 进行 Agent 辅助设置、平台操作和模型测试；使用 opper-cli 处理明确的 CLI 和 shell 工作流，或通过 Opper 启动编码 Agent；使用 opper-api 处理应用代码（兼容端点上的 OpenAI、Anthropic 或 Google SDK 和 Agent 框架）、原始 HTTP 及平台概念；使用 opper-multimodal 处理媒体、文件和实时语音。负责设置、验证和后续跟进。

P

peer-sessions

ray-amjad / peer-sessions

在本机上运行一组 Claude Code 会话，并让它们通过 SendMessage 相互通信 — 可从 Claude Code 本身发起，也可在调用方为 Codex 时通过真正的 Claude 中继发起。在 cmux 或 herdr 的窗口、窗格和分屏中启动它们（自动检测），正确地为它们寻址、分配工作、收集或恢复回复，并在用户要求时干净地拆除。只要用户希望两个或多个 Claude 会话协同工作、要求 Codex 联系已有的 Claude 会话，或提到 SendMessage、ListAgents、对等会话、跨会话消息传递、Agent 之间互发消息时使用；当用户希望把会话放在新窗口、工作区、窗格或分屏中时也使用；尤其当发送失败并报出“not an agent in this conversation”“re-send with the ref”，或调用方缺少 Claude 原生消息套接字时使用。

P

peer-sessions

robsonrung / rar-skills

通过原生委托或持久邮箱协调对等会话。适用于请求的对等集群、跨会话交接，或可恢复的回复；如需意见委员会，请使用 models-consensus。

P

permission-manager

aaaaqwq / agi-super-team

管理 Claude Code 的全局工具权限配置，自动将 MCP 命令或其他工具添加到 allowedTools 中，避免每次使用时都需要手动批准。工作流程：确认用户需要添加的命令 -> 确认添加级别(默认全局 ~/.claude.json) -> 执行添加 -> 验证并提醒重启。

P

plan-issue-codex

willbooster / agent-skills

通过命令行运行 Codex 规划并报告规划结果。

本技能适用于创建、校验产品需求文档（PRD），或将其转换为 LLM 原生格式。当用户要求撰写 PRD、审查 PRD 的合规性、将现有 PRD 转换为机器可读格式，或确保 PRD 质量以满足 AI Agent 使用需求时使用本技能。本技能针对使用 Agent 编码框架的用户做了优化，他们需要严格的需求规格说明，以防止上下文污染、幻觉和内部目标偏移。

P

preparar-sprint0

adminoryslabs / armory

根据项目的 Tech Design 和 ADR 准备 Sprint 0（walking skeleton）：将 ADR 分类为横向通用或特定故事，按角色定义路由所有权图，编写骨架的 Definition of Done，提出计划，并暂停等待人工批准。在任何用户故事开始构建之前，LEAD（或用户）需要准备、规划或初始化项目的 Sprint 0 / walking skeleton 时使用。

P

product-context-builder

thedesignproject / agent-skills

创建或改进代码仓库中的 AGENTS.md、CLAUDE.md、PRODUCT.md、DESIGN.md 和项目 skills，帮助 AI Agent 准确使用产品和设计系统。

R

ralph-github-start-loop

richtabor / agent-skills

运行从 GitHub Issues 获取用户故事的自主循环。实现并关闭 issue 视为完成。触发条件为 "loop through my PRDs"、"work on my issues"、"start the autonomous loop"、"implement my PRDs"，或自主处理 GitHub issue 的请求。

R

randroid

randroids-dojo / skills

将请求路由到专注的 Randroid 开发工作流，并说明应使用哪项能力。当用户询问有哪些 Randroid 技能可用、在不指定工作流的情况下调用 Randroid 命名空间，或需要在循环执行、PR 反馈处理、VibeReview 试玩测试、视觉去 AI 味，以及游戏交互或反馈工作之间做选择时使用。

R

recipe-design

shinpr / claude-code-workflows

从基于代码库范围的分析执行，经由可选的 ADR 决策，直至完成 Design Doc 审批