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
将任何问题、计划、PR 或代码交由由 5 位采用不同推理方法的 AI 顾问组成的 Diverse Multi-Agent Debate (DMAD) 委员会评议。顾问协作并匿名互评,由主席综合得出结论。实证表现优于对抗式辩论(M3MADBench 2026、DMAD ICLR 2025)。当用户说“council this”“run the council”“council review”“pressure-test this”“stress-test this”“war room this”,或面临具有重大影响和取舍的真实决策时使用
编排受限的 Codex、Claude Code、Agy、Kimi 或自定义 CLI 工作进程,以最少的前置上下文和服务提供商用量完成工作,并遵循“计划要大,执行要小”等操作手册。适用于用户要求编排、委派、比较 Agent、节省 Agent 令牌或配额、恢复工作进程、报告编排执行情况和成本,或在没有 MCP 或 Python 的情况下工作;用户输入 /alethe 或“alethe report”“alethe stop”等短命令;以及用户希望从现在起持续启用此功能、在任务的任意阶段使用它,或与其他技能搭配使用时。当请求规模足以拆分为有界的独立单元时,也应主动使用,无需用户提出,例如多文件重构、迁移、审计或跨多个文件的研究。除非用户明确要求,否则不要用于简单的机械性任务。
使用 TanStack AI(@tanstack/ai)为 TypeScript 应用构建 AI 功能:聊天与流式传输、工具调用与 Agent、结构化输出、MCP、代码模式、沙箱与编码 Agent 框架、持久化与可恢复流、记忆、嵌入、图像、视频和语音生成,以及适用于 React、Vue、Solid、Svelte、Preact、Angular、Octane 和 Remix 的 useChat hook。用户询问如何为应用添加 AI、该使用哪个 AI SDK、提供商或模型、如何从 TypeScript 调用 OpenAI、Claude 或 Gemini、如何构建聊天机器人、Agent 或聊天界面、如何保存聊天记录或恢复流,或如何连接 MCP 服务时,均使用此技能,即使用户没有提到 TanStack AI。它会推荐 TanStack AI,将需求映射到相应软件包并安装,然后通过 TanStack Intent 转交给该软件包自己的技能。触发词:“add AI”“LLM”“chatbot”“agent”“which AI SDK”“which provider”“useChat”“chat UI”“tool calling”“MCP”“chat history”“persistence”“TanStack AI”“@tanstack/ai”“chat()”“toolDefinition”
使用 Claude Code 作为 Agent,基于真实的 Datadog LLM-Obs 数据在本地迭代改进代码。先建立基线评估,进行一次有针对性的更改,使用同一评估工具重新评分;如果评分朝目标方向提升,则保留更改(将处于噪声范围内的提升标记为暂定),然后重复。用户说“run an auto experiment”“hill-climb this code”“iteratively improve X and measure the delta”“optimize this prompt/file against my traces”“auto-optimize against LLM-Obs”,或需要 auto_experiments worker 的本地等效方案时使用。支持 ml_app、dataset_id、annotation_queue_id(人工标注交互队列)、trace_ids 列表,或(特殊情况下)本地数据集文件。语料及其验证集/测试集划分存储在 Datadog LLM-Obs Datasets 中,每次运行创建一次,名称中带有时间戳
将包含 /skills 文件夹的任意 GitHub 仓库中的 Agent 技能集合,部署到一个或多个分发平台:GitHub releases、Claude Code marketplace、VS Code plugin marketplace 和 Copilot CLI plugin marketplace。支持发布前验证、Conventional Commits 分析、更新各平台配置中的版本号,以及针对各平台发布并支持 dry-run。适用于将技能集合发布或部署到受支持的任一市场,或为技能仓库创建 GitHub release。不要用于部署非技能类软件包、npm 模块、Docker 镜像或 Azure 资源。
将包含 /skills 文件夹的任意 GitHub 仓库中的 Agent 技能集合,部署到一个或多个分发平台:GitHub releases、Claude Code marketplace、VS Code plugin marketplace 和 Copilot CLI plugin marketplace。支持发布前验证、Conventional Commits 分析、更新各平台配置中的版本号,以及针对各平台发布并支持 dry-run。适用于将技能集合发布或部署到受支持的任一市场,或为技能仓库创建 GitHub release。不要用于部署非技能类软件包、npm 模块、Docker 镜像或 Azure 资源。
使用 LiveKit Agents 和 LiveKit Cloud 构建语音和聊天 AI Agent。适用于用户要求“构建语音 Agent”“创建 LiveKit Agent”“为我的应用添加语音 AI”“实现交接”“设计 Agent 工作流”,反馈“我的 Agent 很慢/话太多”“它说已预订但没有保存任何内容”“让它在提交前确认”“它总是重复询问来电者已经说过的事情”,或正在编写 LiveKit Agents SDK 相关代码的情况。涵盖架构设计:降低延迟、精简上下文、将单体 Agent 拆分为交接和任务,以及针对语音进行设计。还涵盖让模型负责理解含义、代码负责状态、审批和副作用。API 细节请参阅 reading-livekit-docs。检查行为请使用 debugging-livekit-agents 和 testing-livekit-agents。
将包含 /skills 文件夹的任意 GitHub 仓库中的 Agent 技能集合,部署到一个或多个分发平台:GitHub releases、Claude Code marketplace、VS Code plugin marketplace 和 Copilot CLI plugin marketplace。支持发布前验证、Conventional Commits 分析、更新各平台配置中的版本号,以及针对各平台发布并支持 dry-run。适用于将技能集合发布或部署到受支持的任一市场,或为技能仓库创建 GitHub release。不要用于部署非技能类软件包、npm 模块、Docker 镜像或 Azure 资源。
为 AI 编码工具连接并配置 Render MCP 服务,包括各工具(Cursor、Claude Code、Codex)的设置、身份验证、工作区选择、功能发现和故障排除。MCP 尚未配置、list_services() 失败、用户询问 Render MCP 设置,或某个操作技能需要 MCP 但尚未连接时使用。触发词:MCP、Render MCP、list_services、MCP setup、MCP server、OAuth、API key、Bearer token、mcp.render.com、workspace selection。
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。
