Skills

H

hone

simota / agent-skills

审计 AI CLI 配置，并设计、配置或调试 Claude Code hooks。适用于 Codex/agy/Claude Code 配置审查、hook 生命周期自动化、质量门禁、MCP 治理、个人 dotfiles/shell 设置，或 macOS AppleScript/JXA 自动化。

H

honey-eco

green-pt / honey-for-devs

通过运行仓库中已提交的 EcoLogits 移植版本，报告本次会话的输出 token 与 CO₂，并给出相对无 Honey 基线所节省的 CO₂/$ 建模值——始终标注其来源的 bench 标记。适用于被问及 Honey 节省了多少、本次会话的碳/token 足迹，或将 🍯 状态栏徽章展开为完整明细时。

H

honey-gain

green-pt / honey-for-devs

显示 Honey 的基准记分板——bench/ 中按任务层级（代码、面向用户、Agent 对 Agent）提交的质量与 token 结果。仅报告可复现的已提交数字，绝不虚构按仓库的数字。当被问及 Honey 能节省多少、与 Caveman / Ponytail / 无技能基线相比如何，或要获取头条数字时使用。

H

honey-memory

green-pt / honey-for-devs

创建并维护一份随项目提交的记忆文件（PROJECT.md），让 Agent 不再在每个冷启动会话中重复发现同样的事实。仅存储稳定的、重新发现成本高、且不在代码中的上下文——架构及原因、构建/测试/运行命令、决策与死胡同——以人类可读的 markdown 记录，并随代码一同版本管理，避免其悄然腐坏。适用于被要求设置项目记忆/上下文、让 Agent 不再反复 grep 代码库、搭建或刷新 PROJECT.md / CLAUDE.md 的记忆章节，或降低冷启动重新发现成本时。仅限文字说明性上下文——绝不包含代码、配置或数据。

H

hunt-mcp-security

uphiago / recon-skills

排查 AI 工具集成系统中的 Model Context Protocol（MCP）漏洞。

H

hypothesis-gen

gaasher / agent-loop-skills

当用户想要针对某个问题或领域生成并经过文献审验的一批新颖、可检验的研究假设时使用。一个多 Agent 循环：Generator 提出候选假设，LiteratureScout 将每个假设落到真实检索到的文献上（是否已知？最接近的先前工作？填补了什么空白？），Judge 依据固定评分表打分并保留扎实且不重复的假设；循环重复——朝开放空白处变异——直到新一轮不再新增保留项。不用于打磨或拆解研究问题（那里没有文献落地/打分），也不用于依据文献给已有的书面提案评级。

I

implement-next-phase

jasonharmongit / skills

准备实施 solutionize sketch 计划（frontmatter todos）中的下一个待办阶段；仅在用户明确批准后才实施。

I

implement-spec-in-workflow

javrasya / skills

将整个 spec 实现为一叠 PR——每张 ticket 一个，注册为原生 GitHub stack——由子 Agent 的动态工作流驱动，而不是由你来完成。

I

initialise-skills

rheged-studio / agent-skills

扫描安装了某组 Agent 技能的宿主仓库，并将每个已安装技能的 config.json 与检测到的事实核对协调——基线分支、monorepo 包根目录、changelog 目录、Linear issue 键前缀、审阅机器人、受保护分支——以及通过 Linear MCP 获取的 Linear 团队名称和工作区 slug。在首次将这些技能安装到某个仓库时，或在技能集或仓库布局发生变化后刷新配置时使用。还会生成一份已提交的 `.claude/skills.lock` 已安装技能版本清单，确保 preflight 技能的 `.preflight-summary.json` 临时输出被 gitignore，并剔除错误地将技能 `config.json` 加入 gitignore 的消费方规则（A-812）。幂等且可安全重复运行：它协调漂移而非覆盖有意的手动编辑，先呈现 dry-run 差异，仅在确认后写入——保留每个配置的键顺序与格式，因此空操作运行后文件保持字节级一致。

J

jev-computer-use

kerpopule / hermes-jev-skills

通过计算机操作驱动器操作桌面 GUI 时使用——窗口、菜单、原生应用、操作系统对话框。你构建安全操作表；Jev 会在约 0.4 秒内选择下一步。

J

jev-desktop

lahfir / agent-desktop

根据一个自然语言目标操控桌面应用，或一次处理一个意图，且绝不读取无障碍树。用于自动化桌面应用并避免将包含 150 个元素的 JSON 树放入上下文。将完整目标交给 `run.mjs`，它会观察、决策并执行，直到达成目标；需要自行掌控计划时，将单个步骤交给 `act.mjs`。涵盖选择哪个元素、执行哪种操作、何时深入查看以及何时停止。需要 agent-desktop 仓库的克隆副本和 TYPESAFE_API_KEY。

J

jev-model-routing

kerpopule / hermes-jev-skills

用于为某一轮或委派的任务选择成本最低且足够好的模型或投入程度（从小规模开始，必要时升级），决定每个周期后是继续、重试、验证、升级还是完成，或调整路由。

K

karpathy-guidelines

rogervila / agent-skills

基于 Andrej Karpathy 对 LLM 编码陷阱的观察总结出的通用编码 Agent 纪律，要求软件工程任务中进行澄清、明确成功标准、保持简洁、外科手术式修改、验证与自我审查。

K

kb-document

stjbrown / agent-knowledge

在 OKF 知识包中记录并刷新软件仓库。当用户要求记录本仓库、代码库、架构、开发者工作流或运行行为；创建仓库知识；或在代码变更后把现有仓库文档更新到最新时使用。把仓库视为实时、只读的证据，而不是可供复制或弃用的素材。

K

kk-bootstrap

e0ipso / kenkeep

从现有 markdown 文档首次引导构建项目知识库。梳理文档、跟踪交叉引用，并直接在 `.ai/kenkeep/nodes/` 下写入新的节点文件。由用户监督，用户在接受或删除每个节点前会在磁盘上审阅。当用户希望从项目现有文档为空白知识库播种时使用。

L

learn-agent-skills

fancyboi999 / ai-engineering-from-scratch-zh

AI Engineering from Scratch 中 Agent Skills Engineering 路线的专注交互 tutor。学习者想创建、发现、调用、保护、评估、打包或迁移 Agent Skills 时，开始或续学此路线。每次调用教学一课，并将证据记录在 AGENT-SKILLS-LEARNING.md。Start or resume this route when a learner wants to create, discover, invoke, secure, evaluate, package, or port Agent Skills.

L

learn-codebase

hazat / pi-config

发现项目约定并揭示安全问题。适用于开始处理新的或不熟悉的项目时，或当被要求“学习代码库”“检查项目规则”“有哪些约定”“上手这个项目”“这个代码库里有没有可疑之处”时。扫描 Agent 配置文件（.claude/、.cursor/、CLAUDE.md 等），并针对硬编码密钥、不安全模式、可疑依赖和危险配置运行安全/异味扫描

L

learn-mcp

fancyboi999 / ai-engineering-from-scratch-zh

AI Engineering from Scratch 中 Model Context Protocol (MCP) 路线的专注交互 tutor。学习者想构建、保护、调试、验证或运行 MCP clients、servers、transports、gateways、registries 或 conformance gates 时，开始或续学此路线。每次调用教学一课，并将 wire evidence 记录到 MCP-LEARNING.md。Start or resume this route when a learner wants to build, secure, debug, verify, or operate MCP clients, servers, transports, gateways, registries, or conformance gates.

L

linear-methodology

tjcages / linear

在 Linear 中构建和追踪功能、项目与 issue 的成熟方法论。适用于用户想要搭建 Linear 追踪、同步或审计看板、运行 Linear 健康检查、在 skills add 后完成安装，或让会话纪律保持诚实。按需路由到 linear-setup / linear-sync / linear-monitor / linear-finish-install；linear-discipline 始终开启。

L

llm-prompt-injection

uphiago / recon-skills

在获授权的 LLM 应用中测试提示词注入、系统提示词泄露、不安全的工具使用或 RAG 数据边界失效时使用

L

ln-513-agent-reviewer

levnikolaevich / claude-code-skills

在代码变更上并行运行外部 Agent 评审（Codex + Gemini）的 worker。后台任务、随到随处理、带辩论的关键验证。返回带有置信度评分的筛选后建议。

L

loop-readiness

thaitype / chief

审查某个计划是否已为无人值守/自主循环做好准备——检查它是否具备足够的 feedforward 指导与反馈验证以安全运行。当用户有一个将运行多轮迭代、无需人工逐步检查的 loop/Agent 计划（或想法），并想在开始前了解它被instrumented 得如何时使用。可从现有计划文件或实时对话出发工作。

M

manifest

davila7 / claude-code-templates

为你的 Agent 安装并配置 Manifest 可观测性插件。适用于设置遥测、配置 API 密钥或端点、排查插件连接问题，或验证可观测性管道是否在运行。

M

marketing-agency

gnoviawan / agentic-marketing

路由并协调多渠道营销工作 —— 品牌接入、SOSTAC 路由和营销活动管理。触发词包括 “marketing plan”、“brand strategy”、“campaign management”，或无法映射到单一专家的模糊请求。不直接执行专家工作。

M

mastra-embeded-docs-look-up

mastra-ai / skills

查阅嵌入在 node_modules/@mastra/*/dist/docs/ 中的 Mastra API 文档，以获取准确的 API 签名。用于 Agent、Workflow、Tool、Memory 配置问题以及代码校验。

M

mb-from-prd

mrvladd-d / memobank

将 PRD 转化为可追溯的 Memory Bank，包含产品、需求、Epic 和功能。

M

mb-harness

mrvladd-d / memobank

设置确定性命令、worktree 和质量门禁，让 Agent 能在该仓库中安全运行。

M

mb-review

mrvladd-d / memobank

由具备全新上下文的专家审查 Memory Bank，并产出按优先级排序的修复清单。

M

mb-verify

mrvladd-d / memobank

对照验收标准验证某个 TASK-*，并记录可复现的证据。

M

mcp-server-shipping

theodoread / agent-skills

在构建、安装或注册个人 MCP 服务时使用——添加其 `[project.scripts]` 入口点，用 `uv tool install` 从本地检出或直接从 git 安装而不是发布到 PyPI，用 `claude mcp add` 注册并选择 local/project/user 范围，在可编辑的开发安装和已发布版本之间切换而无需重新注册，以及产出这些服务的仓库的按仓库开发循环（`inv dev-env.setup`、`inv quality.precommit`，以及为什么自动化需要 `uv run inv`）。

M

mex

akillness / jeo-skills

驱动 mex（`mex-agent`），为 AI 编码 Agent 提供持久化项目记忆和代码图谱。一条命令即可搭建持续演进的 wiki、构建确定性的代码图谱，并安装项目锚定文件（CLAUDE.md、根目录 AGENTS.md、.cursorrules、.windsurfrules、copilot-instructions.md 或 .opencode/opencode.json），你的 Agent 会将其作为常驻规则文档自动加载。适用于用户想 `mex setup` 新项目、构建基于符号的 wiki、让知识与实现保持关联、将相关上下文路由给 Agent，或运行漂移检测（`mex check`、`mex sync`）时。触发词："mex setup"、"project memory"、"code graphs"、"codebase documentation"、"drift detection"、"agent memory"、"structured scaffolds"、"architectural context"、"living wiki"、"project anchor file"。

M

mind-clone

yzfly / mind-cloning-engineering

激活一个认知数字孪生。可以模拟自定义对象（通过 core/ 目录）或加载预置的名人/专家人设（来自 personas/ 目录）。

M

minimax

terrylica / cc-skills

针对 api.minimax.io 上 OpenAI 兼容 API 的 MiniMax M 系列生产环境接入模式。触发条件 - MiniMax、MiniMax-M2.7、Hailuo

M

Multi-AI Consultant

jackspace / claudeskillz

在调试 Bug 或做架构决策陷入困境时，咨询外部 AI（Gemini 2.5 Pro、OpenAI Codex、全新的 Claude）以获取第二意见。适用场景：调试尝试失败、做出重大架构选择、安全顾虑，或需要全新视角。在首次尝试失败后自动建议咨询。提供多方 AI 视角的综合对比，结合网络研究、思考模式与仓库感知分析。

M

multi-shot-review

dannyfranca / skills

以便于管理的上下文大小将变更切分为内容片段进行审查，使用已配置的 harness 和仓库审查策略。用于迭代式审查关卡或明确要求的一次性报告。

N

nanostack

garagon / nanostack

当用户询问可用的工作流技能、想要了解工程工作流概览，或提到 "nanostack" 时使用。也会在 /nanostack 时触发。

O

oma-orchestration

first-fluke / oh-my-agent

调度并监督并行工作的专业 Agent，并持久化任务。

O

oma-skill-creation

first-fluke / oh-my-agent

创建或修改 OMA 技能及其参考资料。用于技能

O

openclaw

evolv3-ai / vibe-skills

在 KASM 工作区或独立 Docker 上部署并配置 OpenClaw AI 网关。支持多提供商 LLM 路由（Anthropic、OpenAI、Gemini、Groq、Bedrock）和多渠道消息传递（WhatsApp、Telegram、Discord、Slack）。涵盖 Docker 部署、安全加固、持久化存储、浏览器 sidecar 和 webhook 自动化。适用于：部署 OpenClaw、配置 AI 网关渠道、在 KASM 上设置 openclaw 容器、排查“token mismatch”或“EACCES”错误，或保护网关绑定。

O

openclaw-memory-enhancer

aaaaqwq / agi-super-team

面向 OpenClaw 的边缘优化 RAG 记忆系统，具备语义搜索。自动加载记忆文件，提供智能回忆，并用相关上下文增强对话。非常适合 Jetson 和边缘设备（内存占用 <10MB）。

O

opik-optimizer

vincentkoc / dotskills

在 Opik 中使用标准化的优化器工作流（提示词优化、工具优化和参数调优）、数据集/指标接线以及结果解读来优化 LLM 提示词、工具和 Agent。

通过 `orca` CLI 管理 Orca 管理的 worktree、文件夹上下文、终端、仓库、自动化、产物、技能共享、worktree 评论以及 Orca 内嵌浏览器。用户提到“$orca-cli”“Orca worktree”“child worktree”“spawn codex/claude in a worktree”“read/wait/send Orca terminal”“handoff”／“handover”／“give this to another agent”“Orca browser”“orca artifacts”或“share skills”时使用。涉及 Orca 状态时，优先于直接使用 git worktree、临时 PTY 或 Computer Use。仅当可见窗口需要 GUI 控制，且 CLI、文件系统或 API 无法完成时，才使用 Computer Use。

O

orchestrator-mode

sleeplessv / relentless-data-skills

通过 subagent 协调工作，让大量输出不进入主上下文。当用户要求 orchestrator 模式或要求把特定任务交给 subagent 时使用。

P

parallel-worktrees

codervisor / leanspec

面向现代 AI 驱动开发的轻量、灵活的规范驱动开发（SDD）

P

patterns

pchalasani / claude-code-tools

Langroid 多 Agent 大模型框架的设计模式。涵盖

P

pdd

strands-agents / agent-sop

自然语言工作流，使 AI Agent 能够一致、可靠地执行复杂的多步骤任务。

P

performance-analysis

proffesor-for-testing / agentic-qe

为 Claude Flow 集群提供全面的性能分析、瓶颈检测和优化建议

P

plan-issue-claude

willbooster / agent-skills

通过 CLI 运行 Claude Code 规划并报告规划结果。

P

plan-issue-gemini

willbooster / agent-skills

通过 CLI 运行 Gemini CLI 规划并报告规划结果。

P

planning-implementation

neekolas / claude-skills

在将架构或设计文档转换为结构化、按依赖排序的实现任务清单, 以供自主 Agent 通过 dark-factory 执行时使用

P

planning-with-files

jd-opensource / joysafeter

为复杂任务实现 Manus 式基于文件的规划。创建 task_plan.md、findings.md 和 progress.md。在开始复杂的多步骤任务、研究项目或任何需要超过 5 次工具调用的任务时使用。现已支持 /clear 后自动恢复会话。

P

plugins-management

codealive-ai / ai-driven-development

为编码 Agent（Claude Code、OpenCode、Devin CLI/Desktop）创建、发布、删除和提交插件。适用场景：用户想要 (1) 创建结构规范的插件，(2) 创建或配置插件市场，(3) 将插件发布到 GitHub/GitLab/npm，(4) 删除/卸载插件，(5) 校验插件结构，或 (6) 准备并向 Anthropic 官方目录或 OpenCode 生态提交插件。

P

polpo

lumea-labs / polpo-skills

使用当前的 .polpo 目录结构与 CLI 来搭建、检查、关联和部署 Polpo 项目。适用于项目初始化、项目文件、云端关联、部署，或判断某行为属于 Polpo OSS 还是 Polpo Cloud。涉及 Agent 设计、运行时调用、Channels、集成或 React UI 时，请使用相应的 Polpo 专用技能。

P

power-automate-mcp

ninihen1 / power-automate-mcp-skills

通过 FlowStudio MCP 使用 Power Automate 的基础技能——认证设置、可复用的 MCP 辅助工具（Python + Node.js）、通过 `list_skills` / `tool_search` 发现工具，以及超大响应处理。将 Agent 连接到 Power Automate 时先加载此技能。对于专门的工作流，加载 `power-automate-build`、`power-automate-debug`、`power-automate-monitoring`（Pro+）或 `power-automate-governance`（Pro+）——它们各自包含工作流叙述，而此技能提供它们共同依赖的管道。需要 FlowStudio MCP 订阅或兼容服务器——参见 https://mcp.flowstudio.app

P

pre-impl-discussion

alibaba / page-agent

在进行重大变更前开展全面的实施前讨论。当用户希望在实施前讨论、规划或评估某项变更时使用——尤其是当他们说出“讨论”“评估”“规划”或“我们来谈谈”之类的话时。

P

prompt-governance

alirezarezvani / claude-skills

适用于大规模生产环境中管理提示词：提示词版本管理、对提示词运行 A/B 测试、构建提示词注册表、防止提示词回归，或为生产级 AI 功能搭建评估流水线。触发词：'manage prompts in production'、'prompt versioning'、'prompt regression'、'prompt A/B test'、'prompt registry'、'eval pipeline'。不适用于撰写或改进单个提示词（用 senior-prompt-engineer）。不适用于 RAG 流水线设计（用 rag-architect）。不适用于降低大模型成本（用 llm-cost-optimizer）。

P

prompt-optimizer

joellewis / skill-library

使用 4-D 方法（Deconstruct、Diagnose、Develop、Deliver）并针对特定架构调优，将提示词工程化为清晰、结构化、面向模型优化的指令。当草稿提示词、指令集或 Agent 技能描述需要提升清晰度或性能时使用。

R

ralph-github-create-issues

richtabor / agent-skills

将 PRD markdown 文件转换为 GitHub Issues（父 issue + 子 issue），供 ralph-github-start-loop 执行。适用于用户希望把 PRD 中的故事推送到 GitHub Issues 时。

R

ralph

jellydn / my-ai-tools

将 PRD 转换为 prd.json 格式，供 Ralph 自主 Agent 系统使用

R

recipe-front-review

shinpr / claude-code-workflows

审查已完成的前端实现，检查其是否符合治理源、范围精简、仓库质量与安全性，然后应用经用户批准的 React 修正。