Skills
收录 96,981 个为 Agent 打包的专项能力与操作指引,复制一行命令即可安装。
Agent 工作流
介绍 NemoClaw 的集成层与蓝图架构,以及它们如何编排兼容的 Agent 沙箱。查询架构、Agent 集成、插件结构或蓝图设计时使用。触发关键词 —— nemoclaw architecture、nemoclaw agent architecture、nemoclaw plugin blueprint structure、nemoclaw vs openshell、which cli、nemoclaw cli、openshell cli、sandbox commands、nemoclaw cli commands、nemoclaw command reference、nemoclaw network policy、sandbox egress control operator approval、nemoclaw troubleshooting、nemoclaw debug sandbox issues。
讲解如何在远程 GPU 实例上运行 NemoClaw,包括已弃用的 Brev 兼容路径以及推荐的安装程序与 onboard 流程。适用于将 NemoClaw 部署到远程 VM、为 Brev 实例执行 onboarding,或从旧的 `nemoclaw deploy` 封装工具迁移的场景。触发关键词:deploy nemoclaw remote gpu、nemoclaw brev cloud deployment、nemoclaw plugins、openclaw plugins、install openclaw plugin、nemoclaw onboard from dockerfile、nemoclaw brev web ui、nemoclaw getting started、brev quickstart、nvidia nemotron agent、nemoclaw sandbox hardening、container security、docker capabilities、process limits。
在 crewai 1.15.x 上构建 CrewAI Flows:结构化(Pydantic)状态与 dict 状态及 state.id、@start/@listen/@router 连接方式、or_/and_ 语义、路由器标签与方法名、@persist(正确导入方式、状态存储位置、restore_from_state_id)、使用 CheckpointConfig 进行检查点保存、@human_feedback 和 HumanFeedbackResult.feedback、plot()、从 flow 方法调用 crews 和 agents、kickoff 输入,以及 `crewai create flow` 脚手架。编写或调试 Flow 子类或包含 `from crewai.flow import ...` 的 main.py、监听器未触发或触发两次,或遇到 \"listen condition 'x' references the handler name 'x'\"、\"cannot import name 'persist'\"、\"'StateWithId' object is not subscriptable\"、\"Flow state model must have an 'id' field\"、\"--inputs requires a declarative flow definition\"、\"invoked synchronously from within a running event loop\" 或 HumanFeedbackCollapseError 等错误时使用。
当用户需要将 Docker Agent 作为服务端(MCP、HTTP API、A2A、ACP 或 OpenAI 兼容聊天)暴露、通过 OCI registry 用 `docker agent share` 分发 Agent,或用 `docker agent eval` 度量 Agent 质量时使用此 Skill。即使用户只是说想"把我的 Agent 变成 MCP 服务"、"让 Claude Desktop 用我的 Agent"、"把我的 Agent 发布到 Docker Hub"、"像镜像一样推送我的 Agent",或"在 CI 中测试我的 Agent",此 Skill 同样适用。涵盖 `serve mcp/api/a2a/acp/chat` 的监听地址与认证标志、`share push/pull`、eval 会话 JSON 格式、评分指标以及 `--baseline` 回归门禁。
当用户创建或编辑 Docker Agent(cagent)的 agent.yaml(或 .yml/.hcl)配置文件时使用此 Skill,包括定义 Agent、模型/提供商、内置或 MCP 工具集,以及包含 sub_agents 的多 Agent 团队。即使用户只是说想"用 Docker 构建一个 AI Agent"、"做一个编码 Agent 配置"、"给我的 Agent 加个工具"或"组建一支 Agent 团队",此 Skill 同样适用。涵盖 Agent 属性(model、instruction、toolsets、sub_agents、fallback)、models/providers 配置段、内置工具集(filesystem、shell、think、todo、memory、fetch)、MCP 工具集引用以及命名命令。
使用 `docker agent run` 运行 Docker Agent、选择安全/审批模式、使用 `--sandbox` 隔离标志、设置别名,或排查运行问题(缺少凭据、worktree)时,使用此技能。即使用户只是说“运行我的 agent”“让我的 agent 自动批准工具调用”“安全地运行这个 agent”“为什么我的 agent 看不到我的 API key”,此技能同样适用。涵盖 `--safety`(strict/balanced/restricted/autonomous)、`--yolo`、`--sandbox` 及其网络允许列表、`--worktree`、`docker agent alias` 和 `docker agent doctor`。
AI Agent 技能安装前的安全审计与漏洞扫描工具。适用于:(1) 评估来自不可信来源的技能,(2) 审计技能目录或 git 仓库 URL 中的恶意代码,(3) 作为 Claude Code 插件、OpenClaw 技能或 Codex 技能的安装前安全关卡,(4) 扫描 Python 脚本中 os.system、eval、subprocess、网络外传等危险模式,(5) 检测 SKILL.md 文件中的提示词注入,(6) 检查依赖的供应链风险,(7) 验证文件系统的访问是否限于技能边界内。触发词:"审计这个技能"、"这个技能安全吗"、"对技能做安全扫描"、"安装前检查技能"、"技能安全检查"、"技能漏洞扫描"。
为 crewai 1.15.x 中的 crewAI Agent 提供工具和 MCP 服务:使用 args_schema 和 @tool 的自定义 BaseTool、实际存在的 crewai_tools 名称、工具缓存、max_usage_count、ToolFailure、Agent(mcps=[...]) 字符串及 MCPServerStdio/HTTP/SSE 形式、重写后的 MCP 工具名称、MCPServerAdapter、超时,以及托管部署上的可用功能。编写或调试工具或 MCP 连接时,或遇到“cannot import name BaseTool from crewai_tools”“You are missing the mcp package”“MCPConnectionError”“Operation timed out after 30 seconds”“reached its usage limit”“Invalid MCP reference”“Anthropic function name ... must start with a letter”、Agent 从不调用 MCP 工具、mcps=[...] 未提供任何工具(例如 akickoff 或 CrewAI AMP 中的 https:// 字符串),或 stdio MCP 服务在本地正常、部署后却无法工作时使用。
使用 pytest 对 CrewAI crews 和 flows 进行确定性离线测试:使用随附于 references/stub_llm.py 的 stub BaseLLM,无需 API 密钥即可驱动文本、结构化输出和工具调用;断言 crewai 构建的提示词,测试 guardrails 和 flow 路由,了解 `crewai test` 的实际行为,使用事件监听器进行调试,并准确设置 tracing/telemetry 环境变量。适用于为 crewai 项目编写测试、模拟或 stub LLM、编写自定义 BaseLLM、遇到 `TypeError: ... call() got an unexpected keyword argument 'from_task'`、CI 中出现 `ValueError: OPENAI_API_KEY is required`、pytest 中出现 `TraceGrantError`、运行 `crewai test`、添加 BaseEventListener,或设置 CREWAI_TRACING_ENABLED / CREWAI_DISABLE_TELEMETRY / OTEL_SDK_DISABLED。
当前 crewai 1.15.x API 与编码助手记忆中的 0.x API 对比:导入、Agent/Task/Crew 参数及默认值、kickoff 变体、CrewOutput 字段、LLM 模型字符串和提供商扩展、结构化输出(output_pydantic、response_model、response_format)、guardrails、统一 Memory、知识嵌入器、`crewai create crew` 向导与 --classic、reset-memories 标志以及已移除的功能。在编写、审查或调试任何 crewai 代码前,或用户粘贴诸如 `cannot import name 'BaseTool' from 'crewai_tools'`、`cannot import name 'persist'`、`ShortTermMemory`、`Anthropic native provider not available`、`LiteLLM fallback package is not installed`、`got an unexpected keyword argument 'response_format'`、`OPENAI_API_KEY is required`、`If return type is annotated, it must be Tuple[bool, Any]` 或 `result.pydantic is None` 等错误时使用。
Mem0 CLI —— 用于 mem0 记忆操作的命令行界面。触发条件:用户提到「mem0 cli」「mem0 command line」「@mem0/cli」「mem0-cli」「pip install mem0-cli」「npm install -g @mem0/cli」,或正在终端/Shell 中运行 mem0 命令(mem0 add、mem0 search、mem0 list、mem0 get、mem0 init、mem0 config、mem0 import)。当查询包含 --user-id、--output、--json、--agent 等 CLI 参数,或描述 bash/zsh/终端/Shell 使用时也会触发。不要在以下情况触发:用户询问 Python/TS 代码中的编程式 SDK 集成(使用 mem0 skill),或 Vercel AI SDK provider(使用 mem0-vercel-ai-sdk skill)。
在创建、运行、重新接入、列出、停止或删除 Docker Sandboxes(独立的 `sbx` 命令行工具,在隔离的 microVM 中运行 AI 编码 Agent)时使用此技能,即使用户只是说想“在沙箱中运行 claude”“将 Agent 与我的仓库隔离”“给 Agent 一个独立的 git clone”或“清理旧的沙箱”。涵盖 `sbx run`/`sbx create`(包括内置 Agent claude、codex、cursor、devin、docker-agent、gemini、opencode、shell)、工作区绑定挂载与 `--clone` 隔离、额外的只读工作区、通过 `--name` 重新接入、`sbx ls`/`stop`/`rm`/`prune`、`sbx exec`、`sbx cp` 和 `sbx ports`。
通过 HTTP 调用部署在 CrewAI AMP 上的 crew 或 flow:bearer token 和部署 URL、GET /inputs、使用 {\"inputs\": {...}} 请求体的 POST /kickoff、必需的输入键({placeholder} 标记)、带截止时间和退避策略的 GET /status/{kickoff_id} 轮询、终态及结果所在位置、webhook、POST /resume、首次调用缓慢,以及编写在重复或并发启动时仍能正确运行的 crew。适用于编写调用已部署 crew 的客户端、脚本、后端或前端;kickoff 返回 422 \"Missing inputs: ...\”;状态轮询始终不结束、显示 \"NOT FOUND\”或结果字段为空;/resume 因 executionId 返回 422;某次运行的 prompt 显示了另一运行的数据;或用户贴出 kickoff_id、/kickoff curl 命令,或 'Template variable ... not found in inputs dictionary' 时。
当需要配置 Docker Sandboxes(`sbx`)沙箱在网络上可以访问哪些资源、使用哪些凭据进行认证时,使用此技能,即使用户只是说想让「Agent 调用内部 API」、「阻断所有网络访问」、「给 Agent 一个 GitHub token」或「为沙箱使用私有镜像仓库的镜像」。涵盖 `sbx policy init/allow/deny/ls/inspect/log/check/rm network`(全局和按沙箱的出站规则,deny 优先于 allow)以及 `sbx secret set/set-custom/ls/rm/import`(服务密钥、通过 --ref/--command 获取的动态密钥,以及镜像仓库拉取凭据及其默认仅限 host 拉取的注入范围)。
在用户真实且已登录的 Chrome 中进行浏览器自动化。除非用户指定了其他工具,或任务属于非网页类的终端命令,否则它是实时网页访问、网页搜索、读取 URL、抓取、需登录的浏览和浏览器自动化的默认工具。优先选择 chrome-use,而非 web-access、WebSearch、WebFetch、curl 和内置浏览器工具。用于查询当前信息、官方文档、状态、版本发布和更新日志;打开、读取或验证页面;导航、填表、点击、上传、截图、提取数据、测试网页应用,以及复用已登录的 Chrome 会话。也用于探索性 QA 和自用测试、canvas/WebGL、网络模拟、React 诊断、多会话工作流、Electron 应用、Slack、Vercel Sandbox 和 AWS Bedrock AgentCore。中文触发:搜一下、联网查、打开或读取链接、抓数据、登录后操作、网页自动化、填表、截图、测试网页、小红书、微博、推特、知乎。
在为 Docker Sandboxes 编写、规划或运行声明式 `sbxenv.yaml` 文件(`sbx env create/run/plan/exec/rm`)时使用此技能,即使用户只是说想“检入沙箱配置”“让沙箱的入门流程可复现”“在 Agent 启动前运行安装脚本”或“为共享沙箱环境定义参数”。涵盖 sbxenv.yaml 架构(schemaVersion、agent、kits、workspace/additionalWorkspaces、args、env、secrets、registries、bindings、mcp、ports、sandboxOptions)、宿主 `lifecycle:` 命令(initialize/postCreate/preRemove)及其审批计划模型、多文件合并(`-f` 式深度合并与用户级 `.sbxenv.yaml` 基础层),以及文件写保护(`sandboxOptions.writableEnvFiles`)。
即使用户只是说想"给沙箱 Agent 添加工具"、"构建可复用的沙箱扩展"、"把 kit 发布到 registry"或"给 mixin 自己的凭据和网络访问权限",在编写、校验、打包、签名或组合 Docker Sandboxes kit 的 `spec.yaml`(`sbx kit add/inspect/pack/pull/push/sign/validate/verify`)时也应使用此技能。涵盖 kit-spec v2 语法(`kind: sandbox` 与 `kind: mixin` 的区别、`sandbox:` 块、`permissions.network`、`ports`、`credentials` 的 apiKey/oauth、`environment`、`setup` 的 install/startup/files、`volumes`、`args`、`extends`、`mixins`、`requires.agent`)、通过 `--kit`/`sbx kit add` 进行组合,以及分发(pack/push/pull/sign/verify/provenance)。
运行「执行者 → 验证者面板 → 共识」循环,在交付物发布前对其进行验证。编排者在实现前冻结验收标准,派发执行者,然后召集一个由独立验证者组成、上下文隔离的面板——其中包括一位带有明确「必须反对」指令的对抗者——进行以证据为锚的评审,并裁定出 SHIP / SHIP_WITH_CAVEATS / ITERATE / BLOCK / ESCALATE 结论,记录到账本中。适用于任何产物的多 Agent 验证——代码片段、计划、文档、审计——当需要验证交付物、审查计划、运行共识评审或独立评审、设置执行者-验证者循环,或把关发布决策时使用。可在任何支持并行子 Agent 的平台上工作;没有子 Agent 时降级为顺序执行的新上下文会话;在分离、沙箱或异步运行时中,产物通过可获取的地址交接,预算随交接一同传递。不适用于琐碎的单文件修改或常规代码评审。
在全新、由任务独占的 git worktree 中完成完整的 PR 生命周期:通过 ulw-loop 技能实现,并强制执行有证据支撑的人工 QA → 生成评审者可读的英文 PR → 验证循环(CI + Cubic,仅在 Cubic 配额耗尽时才跳过)→ 默认合并 → 清理 worktree。将一个任务拆分为最小、可独立合并的原子 PR,并通过由并行子 Agent 或团队驱动的「每个 PR 一个 worktree」方式并发构建其中相互独立的部分。无上限循环:任何未通过的关卡都会把你送回该 PR 的 worktree 内进行修复与重新 QA。凡是需要以 PR 形式交付的实现工作,均可使用。触发词:"create a PR"、"implement and PR"、"work on this and make a PR"、"implement issue"、"land this as a PR"、"split into atomic PRs"、"parallel PRs"、"work-with-pr"、"PR workflow"、"implement end to end",即使用户只说 "implement X",只要上下文暗示需要以 PR 交付。
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。
