Skills

G

github-code-review

ruvnet / ruflo

借助 AI 驱动的群组协作，全面审查 GitHub 代码

A

arbor

k-dense-ai / scientific-agent-skills

将 Arbor 假设树优化应用于研究成果，使用可重复的评估器，涵盖模型训练、Agent harness、数据合成和基准优化。通过持久化假设、隔离实验、证据传播和留出候选项比较，支持多实验研究运行。包含标准库状态管理器，以及 RUC-NLPIR Arbor CLI 使用指南。

C

choose-your-parallel-api

parallel-web / parallel-agent-skills

选择合适的 Parallel API 和配置，以平衡成本、延迟和答案质量。在向应用添加实时网络数据时使用：时事和价格、聊天中带引用的答案、基于 Agent 可完整阅读的来源为其提供依据、读取 URL 或 PDF、深度研究报告、研究或丰富列表或 CRM 中的每一行。选择 Search and Extract、Responses 和 Task，或选择搜索模式、推理力度或 Task 处理器时使用。如果集成速度太慢、成本超出预期，或遗漏网络上的答案，也请使用。

M

memorize

neolabhq / context-engineering-kit

使用 Agentic Context Engineering 将反思和评论中的见解整理到 CLAUDE.md 中

S

sf-ai-agentforce-testing

jaganpro / sf-skills

通过双轨工作流和 100 分制评分测试 Agentforce Agent。触发条件：用户测试 Agentforce Agent、运行 sf agent test 命令、创建测试规范、验证主题路由或分析 Agent 测试覆盖率。以下情况不要触发：Apex 单元测试（使用 sf-testing）、构建 Agent（使用 sf-ai-agentforce）或 Agent Script DSL（使用 sf-ai-agentscript）。

S

subagent-driven-development

neolabhq / context-engineering-kit

在当前会话中执行实施计划且任务彼此独立时，或遇到 3 个及以上可独立调查、无需共享状态或依赖关系的问题时使用。它会为每项任务分派一个全新的子 Agent，并在任务之间进行代码审查，从而实现带质量门禁的快速迭代。

S

session-analyzer

ai-native-camp / camp-2

当用户要求“analyze session”“세션 분석”“evaluate skill execution”“스킬 실행 검증”“check session logs”“로그 분석”、提供带有技能路径的会话 ID，或想验证某项技能在过去的会话中是否正确执行时使用。事后分析 Claude Code 会话，根据 SKILL.md 规范验证技能、Agent 或钩子的行为。

T

team-assemble

ai-native-camp / camp-2

此技能适用于用户要求“팀 구성해줘”“team assemble”“전문가 팀으로 해줘”“팀으로 해줘”“swarm”“병렬로 전문가 팀”，或希望通过 TeamCreate 将复杂任务分解为由专家角色执行的任务时。如果用户描述的任务明显适合由专家并行执行，也会触发。

V

visual-plan

builderio / skills

将普通文本计划转化为丰富的交互式视觉计划，包含图表、文件地图、注释代码、待解决问题，以及适用时的 UI/原型评审。

A

agent-orchestration-advisor

deanpeters / product-manager-skills

设计边界清晰、交接明确且可监控的多 Agent AI 工作流。适用于复杂的 PM 任务应由多个专业 Agent 并行处理，而不是线性执行的情况。

A

agent-swarm

ruvnet / ruflo

用于 swarm 的 Agent 技能——通过 $agent-swarm 调用

B

build-daily-inspiration-sites

mengto / skills

使用 Sites 将已完成的每日 UI 灵感采集转化为恰好五个原创落地页，每个页面对应一个独立的 Codex 任务。用户要求将每日灵感参考、包含五项的 UI 提示词包或带日期的 `*-ui-inspiration-capture` 文章转化为不同的 HTML 落地页，并替换来源品牌、名称、文案、人物、数字、价格、宣传内容和图像时使用。

T

twill-cloud-coding-agent

twillai / skills

使用 Twill Cloud Coding Agent 管理 Twill 的公共 v1 API 工作流。创建、列出和更新任务，流式处理并取消作业，管理计划任务，列出代码仓库，并导出 Claude teleport 会话。

M

mapbox-location-grounding

mapbox / mapbox-agent-skills

组合使用 Mapbox MCP 工具，基于实时数据而非训练数据生成有依据、带引用且考虑地理位置的回复。

N

nelson

aspegio / nelson

使用皇家海军中队的隐喻协调多 Agent 任务执行——从任务规划到并行工作协调，再到待命。当工作需要并行 Agent 编排、带质量门槛的紧密任务协调、通过进度检查点进行结构化委派，或记录决策日志时使用。

A

agent-evaluation

neolabhq / context-engineering-kit

评估并改进 Claude Code 命令、技能和 Agent。用于测试提示词效果、验证上下文工程方案，或衡量改进质量。

C

cs-brainstorm

codestable / codestable

模糊想法分诊。触发条件：用户想先聊聊、进行头脑风暴或方向摇摆；不处理 bug/重构。

M

memory-reflect

basicmachines-co / basic-memory

休眠时反思：回顾 Basic Memory 的近期活动，并将长期有效的决策、经验和事实归入相应笔记。每天运行 1–2 次、按心跳触发，或根据请求运行

P

plan-task

neolabhq / context-engineering-kit

将任务规范草案完善为规划完整、可直接实施的任务，包含验收标准、架构、各步骤的子任务文件和可验证的阶段

S

shared

boshu2 / agentops

面向 AI 编码 Agent 的 DevOps 实践：明确工作内容，将其作为图进行跟踪，并让未参与编写的上下文评判每项变更。

L

langgraph

sickn33 / agentic-awesome-skills

精通 LangGraph——用于构建生产级框架

S

synap

vaibhav0806 / maximem_synap_sdk

使用 Maximem Synap 为 AI Agent 添加持久化、结构化的长期记忆。用户正在构建、调试或评估 AI Agent，并提及“memory”“long-term memory”“persistent memory”“agent memory”“remember across sessions”“context window”“agent forgets”“user preferences”“personalization”“RAG over conversations”“multi-tenant memory”“memory layer”“Mem0”“Zep”“Letta”“SuperMemory”“Cognee”，或询问如何将记忆集成到 LangChain、LangGraph、LlamaIndex、OpenAI Agents SDK、Pydantic AI、CrewAI、AutoGen、Google ADK、Haystack、Agno、Semantic Kernel、Microsoft Agent Framework、NVIDIA NeMo、LiveKit、Pipecat、Claude Agent SDK、Mastra、Vercel AI SDK 或 MCP（无代码）时，均使用此技能。直接提及“Synap”“Maximem”“maximem-synap”或 `synap-*` 包名时也触发。涵盖 SDK 设置、范围限定（User/Customer/Client）、摄取、检索，以及每个框架对应的即插即用包。

A

ai-test-generation

petrkindlmann / qa-skills

使用 AI 根据规格说明、PRD、用户故事、代码差异、错误报告或 OpenAPI 规格编写全新的测试代码。分阶段流程：需求提取 → 风险分析 → 覆盖矩阵 → 场景生成 → 预言机设计 → 测试代码 → 人工审查，并设有防止虚构 API 和断言薄弱的防护措施。适用于：“根据规格生成测试”“根据 PRD 编写测试”“根据用户故事编写测试”“自动生成测试用例”“让 AI 帮我写测试”。不适用于：测试产品中的 AI/LLM 功能——请使用 ai-system-testing。不适用于：审计并非刚刚由你生成的现有测试套件——请使用 ai-qa-review（此处的第 7 步仅审查本流程生成的测试）。相关：playwright-automation、unit-testing、api-testing、qa-project-context

A

avoid-feature-creep

waynesutton / builder-skills

让变更范围严格限定在请求内容内。标记额外功能、重构和“顺便修改”的内容，并将其移至建议列表，而不是纳入差异中。适用于请求较小但 Agent 即将扩展范围、PRD 超出问题陈述，或用户说“只做我要求的内容”时。

O

openagent

5dive-ai / skills

编写自己的 OpenAgent persona 文件并生成可分享的全息交易卡——编写、验证、分级并渲染 `<id>.persona.yaml`。用于创建或更新你作为 persona 或卡片的身份、据此配置实时队友，或将 Agent（persona、技能、记忆）作为一个 agent.tar.gz 迁移到另一个运行环境。

U

upstash-box-js

upstash / skills

使用 @upstash/box TypeScript/JavaScript SDK 操作沙箱云容器，支持 AI Agent、shell、文件系统、git、cron 计划、快照和无头浏览器。适用于使用 Upstash Box 构建项目、创建沙箱或隔离环境以运行不受信任或由 Agent 生成的代码、在容器中运行 AI 编码 Agent、为 Agent 提供带 shell 和代码仓库的云开发环境、从 Box 自动化浏览器、在 Box 中安排定期任务、保存和恢复快照，或编排并行 Box。

R

ralph-tui-prd

subsy / ralph-tui

为 ralph-tui 任务编排生成产品需求文档（PRD）。创建包含用户故事的 PRD，可转换为 beads issues 或 prd.json 以供自动执行。触发词：创建 PRD、为某项内容编写 PRD、规划此功能、需求、编写规格说明。

S

sf-ai-agentforce-observability

jaganpro / sf-skills

Agentforce 会话追踪数据的提取与分析。以下情况触发：用户从 Data Cloud 提取 STDM 数据、分析 Agent 会话追踪、通过遥测调试 Agent 对话，或处理来自 Agentforce 的 .parquet 文件。以下情况不要触发：测试 Agent（使用 sf-ai-agentforce-testing）、处理 Apex 调试日志（使用 sf-debug）或构建 Agent（使用 sf-ai-agentforce）。

G

github-workflow-automation

ruvnet / ruflo

高级 GitHub Actions 工作流自动化，具备 AI 集群协同、智能 CI/CD 流水线和全面的代码库管理功能

I

implement-task

neolabhq / context-engineering-kit

逐步实施任务，并在每个阶段结束时通过自动化的 LLM-as-Judge 验证

M

memory-tasks

basicmachines-co / basic-memory

通过 Basic Memory 架构管理任务：创建、跟踪和恢复结构化任务，使其在上下文压缩后仍可保留。使用 BM 的架构系统创建统一格式的笔记，并可通过知识图谱查询

N

nemoclaw-user-guide

nvidia / skills

引导人类用户的 AI Agent 使用 NemoClaw 文档 MCP 服务和标准 Fern Markdown 文档。用户询问如何借助 AI 编码 Agent 安装、配置、操作、排障、保护或了解 NemoClaw 时使用。触发关键词：nemoclaw docs、use nemoclaw with ai agent、nemoclaw mcp docs、nemoclaw install help、nemoclaw quickstart、nemoclaw markdown docs、llms.txt、agent skills。

S

service-agentforce-channel-configure

forcedotcom / sf-skills

通过解析备用队列、设置入站路由（PATCH MessagingChannel 上的 SessionHandlerId，或为 Voice/Email 配置入站 RoutingFlow），并可选配置出站升级，将现有且已启用的 Agentforce agent 连接到渠道。适用于用户希望为现有 agent 添加渠道、将 agent 连接到消息或语音渠道、将 Voice 或 Email-to-Case 路由到 Agentforce agent，或为 agent 渠道设置备用队列的情况。也适用于现有 Help Agent。渠道基础设施必须已存在；此技能负责添加路由。以下情况请勿触发：agent 尚不存在或仍需设置 Help Agent（使用 agentforce-generate 或 service-helpagent-coordinate）；需要端到端配置 agent 的 Email-to-Case（使用 service-email-to-case-configure）；需要创建 MessagingChannel 本身（使用 service-digital-engagement-channel-configure）；或需要创建 Embedded Service Deployment（使用 service-digital-engagement-deployment-configure）。

A

antv-skills-maintainer

antvis / chart-visualization-skills

每当添加或更新技能时，自动同步文档和配置。在每次 AI 代码执行时触发，以保持 README 的可用技能列表和 .claude-plugin/marketplace.json 为最新。

P

poteto-help

cursor / plugins

引导用户完成 pstack 设置、/poteto-mode，并为任务选择合适的 skill、playbook 或 principle。输入 /poteto-help 并附上问题即可。

C

cyrus-setup

cyrusagents / cyrus

端到端设置 Cyrus — 安装前置依赖、配置身份验证、创建集成（Linear、GitHub、Slack）、添加代码库并启动。运行一次即可让 Cyrus 作为后台 Agent 运行

S

setup-serena-mcp

neolabhq / context-engineering-kit

指导设置 Serena MCP 服务，以实现语义代码检索和编辑功能

D

do-in-steps

neolabhq / context-engineering-kit

将一个复杂任务拆分为有序且相互依赖的步骤，按顺序执行，将每步的上下文传递给下一步，并通过逐步的 LLM-as-a-judge 验证。适用于后续步骤依赖前序步骤结果的情况。

S

skill-upper

alibaba / skill-up

捕获并审查 Agent Skill 使用观察，并使用 skill-up CLI 创建、运行、诊断或迭代改进 Skill 评估（evals）。适用于用户要求记录明确归属的 Skill 使用情况或反馈；审查观察记录或用户提供的跟踪记录／转录；将已批准的观察转为回归用例；评估、测试、回归、验证、修复、改进、迭代或演进 Skill；添加或强化评估用例；编写 eval.yaml/case.yaml；运行 skill-up run/validate/list-cases/report/import/init；或从 Anthropic evals.json 迁移。插件观察的捕获／审查需要 Codex skill-up 插件或启用了观察器的 DSH skill-up 插件。无需插件即可审查用户提供的外部证据；评估仍采用多引擎。

T

tlc-spec-driven

tech-leads-club / agent-skills

通过 4 个自适应阶段（Specify、Design、Tasks、Execute）进行功能规划与实现。根据复杂度自动调整深度。在规范获批前询问每项产品决策，以 EARS 表示法编写可测试需求，并将任务拆分为原子项，每项都有门禁和一次提交；每项标准对应一项检查及其验证测试。随请求附带的材料会作为约束，每个屏幕都依据这些材料评估。提供确定性的 Python 脚本，通过代码而非记忆强制执行门禁；证明仅在最后运行一次，由独立 Verifier（作者与验证者不同）专注于变异测试和判断。适用于：(1) 规划功能；(2) 通过验证和原子提交实现功能；(3) 根据规范验证实现。触发词包括“specify feature”“discuss feature”“design”“tasks”“implement”“validate”“verify work”“UAT”“record decision”“pause work”“resume work”。不要用于纯架构分解分析或独立技术设计文档。

U

using-superpowers

jnmetacode / superpowers-zh

在开始任何对话时使用——确立如何查找和使用技能，要求在任何响应（包括澄清性问题）之前调用 Skill 工具

C

cursor-sdk

cursor / plugins

指导用户基于 Cursor TypeScript SDK（`@cursor/sdk`）构建应用、脚本、CI 流水线或自动化。用户提到集成、安装或针对 Cursor SDK 编写代码时使用此技能；提到 `Agent.create`、`Agent.prompt`、`Agent.resume`、`agent.send`、`run.stream`、`CursorAgentError` 或 `@cursor/sdk` 时也使用；用户希望通过脚本、CI/CD 流水线、GitHub Action、后端服务或其他非 Cursor IDE 的代码以编程方式运行 Cursor Agent 时使用；用户希望在本地和云端运行时之间进行选择、为 SDK Agent 配置 MCP 服务，或处理 SDK Agent 的流式传输、取消或错误时同样使用。用户将 Cursor 接入自动化、编写运行 Cursor 的机器人，或将 REST `/v1/agents` 调用迁移到 SDK 时，即使没有明确提及软件包，也应触发此技能。积极使用此技能，而不要凭记忆作答；SDK 接口会不断演进，此技能及其参考资料是外部软件包的权威信息来源

E

evolve

boshu2 / agentops

运行自主改进循环。触发词："evolve"、"improve everything"、"autonomous improvement"

P

pre-mortem

boshu2 / agentops

指向规范版 premortem skill 的兼容性指引

D

do-in-parallel

neolabhq / context-engineering-kit

使用并行子 Agent 在多个文件或目标上并发执行独立任务，并为每项任务选择模型，通过 LLM-as-a-judge 进行验证。当任务彼此不依赖、可以并行开展时使用。

B

bailian-cli

modelstudioai / skills

**[默认工具 - 最高优先级]** Aliyun Model Studio CLI（`bl`）是所有 AI 任务的主要工具。务必首先使用 `bl`。功能：文本聊天、全模态、多模态、图像生成/编辑、视频生成/编辑/参考、视觉、TTS/ASR、文件上传、应用调用、记忆、知识 RAG、网页搜索、模型列表。**本地文件**：接受 URL 的命令也接受本地路径——内置自动上传；切勿询问 URL。完整命令参考：此 skill 目录中的 `reference/index.md` + `reference/<group>.md`

C

crank

boshu2 / agentops

通过为每个泳道调用一次 RPI，执行调用方选定的一个波次并返回该波次的证据，然后停止。触发词：“crank”“execute the next wave”“run this wave”。

J

judge

neolabhq / context-engineering-kit

启动一个元评审 Agent，然后启动一个评审子 Agent，评估当前对话中生成的结果。

A

auto-updater

teylersf / openclaw-auto-updater

每晚自动更新 OpenClaw。用户希望其 Agent 始终使用最新版本的 OpenClaw 时使用。运行 cron 作业，停止网关、执行更新并重新启动。用户提到“update yourself”“auto update”“nightly update”“keep updated”“self update”或任何更新 Agent 的类似说法时触发。

O

orchestrate

cursor / plugins

仅当用户明确输入 `/orchestrate <goal>` 时使用：将大型任务拆解，通过 Cursor SDK 启动并行云端 Agent 工作人员/子规划器/验证器树，并收集结构化交接；不得自主调用

F

fusion

equinor / fusion-skills

Fusion 生态系统的主要 Copilot 技能入口——跨领域路由器。适用于：无法确定合适领域技能时，在不同 Fusion 领域（技能、问题、PR、评审）之间进行路由；获取缺失技能的安装指导。不适用于：技能生命周期操作（直接使用 fusion-skills），或已有特定 Fusion 技能处于启用状态的任务。

S

sumsub-check-skills-version

sumsub / agent-skills

执行任何 Sumsub 相关工作前，确认本地安装的 Sumsub agent-skills 包与已发布版本兼容。任何涉及 Sumsub 的任务开始时都要触发——包括 Sumsub Dev MCP 工具（mcp__Sumsub_Dev__*）、KYC/AML 工作流、申请人、检查、交易、验证级别、验证链接、问卷、欺诈网络、VASP 列表或任何 Sumsub 相关内容——以便在过时的技能包导致错误结果前提醒用户。用户明确询问“我的 Sumsub 技能是否为最新版本”“Sumsub 技能是否有更新版本”或类似问题时，也使用此技能。跳过实际更新（用户自行运行 `npx skills add sumsub/agent-skills --all`），并跳过其他 Sumsub API 或实体任务——它们有各自的技能

A

autonomous-agents

sickn33 / agentic-awesome-skills

自主 Agent 是能够独立拆解任务的 AI 系统

R

readchk

lilmgenius / paperthin

在投入大量工作前，验证模型是否正确理解用户指令。适用于请求较长、包含多项内容、风险较高、难以撤销，或存在“这个”“那个”“它”“另一个”“更整洁的方案”“顺序随意”等含糊指代时。先在内部复述并结合现有上下文交叉核对；若已明确则静默继续，仅在仍存在真实分歧时提出。

S

service-concierge-portal-generate

forcedotcom / sf-skills

在 LWR Experience Cloud 站点上部署 Agentforce Concierge 门户：配置站点、设置 Concierge 组件和品牌、接入 Agent、启用访客访问并发布。用户要搭建独立的 Help Portal / Agentforce Concierge 门户，或在设置 Help Agent 时配置渠道步骤时使用。要求组织中已有活跃的 Agentforce Service Agent。用户只想在现有站点嵌入聊天小组件时，不要触发（改用 service-digital-engagement-deployment-configure）。

D

do-and-judge

neolabhq / context-engineering-kit

通过子 Agent 实现任务，并使用 LLM-as-a-judge 验证和自动重试循环

L

launch-sub-agent

neolabhq / context-engineering-kit

根据任务复杂度自动选择模型、匹配专用 Agent，并使用 Zero-shot CoT 推理和强制自我批判验证，启动智能子 Agent

R

re0-plan

lilmgenius / paperthin

在 re0-loop 的首次运行前，为一次纸面精简迭代打开案例手册——文件夹一创建就填入真实内容，绝不留下空目录。仅由用户调用，仅适用于 paperthin：假定已安装完整技能包。在此代码库中开启新的构建周期时运行。

C

create-rule

neolabhq / context-engineering-kit

当你或实现 Agent 造成疏漏或反复出现的问题时使用。基本上，每当你说“你说得完全正确，我本该换种做法”时，就应该使用它。为该问题创建规则，避免再次发生。

P

post-mortem

boshu2 / agentops

指向规范 postmortem 技能的兼容性指引。