Skills
收录 97,222 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
使用 Railcode CLI 构建、测试、发布、调用、安排运行和更新 Railcode 托管的 Agent。适用于创建组织或个人托管 Agent、编辑 Agent 清单(JSON 或 YAML)、运行草稿或已保存的 Agent、调查运行情况、管理其 cron 计划、从 Slack(@Railcode $agent)运行、与配套应用配对、在沙盒中处理文件,或通过个人拥有的连接器(其 Gmail、Slack、Granola 等)执行操作。不适用于静态 Railcode 应用、应用内 LLM 工具循环(llm.generate({ tools })——参见 create-railcode-app)或一般组织管理。
将编码任务委派给 Muse Code(`muse`)作为后台实现者,然后由你审查其差异并自行合并。用户想把实现工作交给 Muse(例如“让 Muse 做 X”“把这个委派给 Muse”“通过 Muse 运行”“用 Muse 实现/修复/重构”),或想通过 Muse 批量处理编码任务并由自己担任审查者时使用。适用于用户会自行审查差异并提交的情况。仅在用户想要单独运行 `muse exec` 实现任务时使用:如果你本身就是 Muse,且用户只是让你编写代码,就直接完成。任务小到可以直接完成时,切勿使用。
Synapse A2A Agent 通信——发送消息、生成 Agent、委派任务、共享记忆、管理 LLM wiki 并协调文件编辑。以下情况使用此技能:运行 synapse send/reply/broadcast/interrupt;使用 synapse spawn 或 synapse team start 生成 Agent;使用 synapse memory 共享知识;使用 synapse wiki 管理 wiki 页面;使用 synapse file-safety 锁定文件;使用 synapse list/status 查看 Agent 状态;或协调任何多 Agent 工作流。用于 AI/程序化操作时,优先使用 synapse list --json、synapse status <target> --json 或 MCP list_agents 工具,而非交互式 synapse list。
通过 inference.sh 为 AI Agent 提供浏览器自动化。浏览网页,使用 @e 引用与元素交互,截图和录制视频。功能包括:网页抓取、填写表单、点击、输入、拖放、文件上传、执行 JavaScript。适用于:网页自动化、数据提取、测试、Agent 浏览和研究。触发词:browser、web automation、scrape、navigate、click、fill form、screenshot、browse web、playwright、headless browser、web agent、surf internet、record video
以路由为先的可视化审批关卡,适用于 AI Agent 计划、Markdown 规格说明和差异。适用于需要人工在执行前审查具体计划、在浏览器中检查指定差异、批注规格说明/PRD/架构说明,或为 Claude Code、Gemini CLI、Codex CLI 或 OpenCode 设置审查流程的场景。将计划/规格说明创建路由到 `task-planning` 或 `ralph`,广泛的 PR 策略审查路由到 `code-review`,渲染后 UI 的评审路由到 `agentation`,新会话中的浏览器验证路由到 `browser-harness`。
鲁班(Luban)——Skill 打磨工坊。把一个“能用的 Skill”打磨成“能被理解、能被安装、能被传播、能被验证、能持续进化”的公共 Skill 资产。方法论是工匠式的五个动作:验料(先挑战这个 Skill 的前提是否成立,不值得雕的料直说)、访行(联网寻找同类 Skill,看清自己在生态里站什么位置)、过尺(结构、实测、活体三把尺一起量——活体指拉真实运行产物对账,绿色的 CI 会撒谎)、慢刨(冻结原版做基线,改动必须通过验证门才保留,否则回刀;验证手段尽量沉淀为仓库里的工具和规矩)、回炉(发布不是终点,留对标观察清单,下一轮从真实反馈进)。当用户想要升级、优化、打磨、产品化、发布自己开发的 Skill 时使用。最终产出一份结构化的《Skill 打磨报告》、可直接替换的改写片段,以及一张可截图传播的“出师证书”结果卡。触发词包括但不限于:让鲁班看看这个 skill、班门打磨、打磨我的 skill、升级我的 skill、优化这个 skill、skill 体检、skill 审计、产品化我的 skill、这个 skill 怎么发布、对标一下同类 skill、为什么我的 skill 没人装、帮我把 skill 发到 GitHub/ClawHub、改进 SKILL.md。即使用户只是丢来一个 Skill 目录、GitHub 仓库链接或一段 SKILL.md 说“帮我看看怎么改”,只要上下文是想让 Skill 变得更好用、更可传播,都应该触发。不要用于从零创建一个新 Skill(用 skill-creator)、不要用于普通的代码 review(用 code-review)、不要用于改写一段和 Skill 资产无关的普通提示语。
设计、构建、运行和测试 TypeScript、Python、Java 和 Go 中的 Restate 持久服务、虚拟对象、工作流和 AI Agent。用户提到“restate”“durable execution”“virtual object”“restate service”“restate workflow”或“durable agent”,或者想构建具有自动故障恢复能力的弹性后端服务、AI Agent 或工作流时使用。将现有应用转换为 Restate,或从工作流编排器迁移时也使用。如果项目的 package.json、requirements.txt、pyproject.toml、pom.xml、build.gradle 或 go.mod 中包含 restate 依赖项,也应主动使用。
当用户询问“Make MCP server”“Make MCP tools”“MCP token”“Make OAuth”“scenario as tool”“MCP scopes”“Make API access”“connect Make to Claude”“scenario not appearing”“MCP timeout”“MCP connection refused”,或讨论配置、排查或了解 Make.com MCP 服务集成时,应使用此技能。提供连接方式、作用域、访问控制和故障排除方面的技术参考。
指导用户为工具或 SDK 配置 ZenMux Base URL、API endpoint、API Key 和模型设置。用户想在 Cursor、Claude Code、Cline、Cherry Studio、Open-WebUI、Dify、Obsidian、Sider、Copilot、Codex、Gemini CLI、opencode 或自定义 SDK 代码中设置、配置或连接 ZenMux 时使用。触发词包括“configure”“setup”“set up”“base url”“endpoint”“api key”“how do I set up ZenMux”“help me fill in API settings”“接入”“配置”“设置”“base url 填什么”“怎么填”“怎么接入”“API 地址”“接口地址”。将用户视为首次使用者,逐步引导。不要用于使用问题或文档查询;改用 zenmux-usage 或 zenmux-context。
AWS 上 AI Agent 工作的入口:选择运行时、规划现有工作负载迁移,并构建可执行的 POC——分阶段完成。适用于以下需求:为我的 Agent 选择运行时、比较 AgentCore 与 ECS/EKS/Lambda、比较 AgentCore 与 Lambda MicroVMs、在 AWS 上部署 AI Agent、设计 AWS 上的 Agent 架构、我有一个 Agent 想法该构建什么、将 Agent 移至/迁移至 AWS、制定 Agent 迁移计划、为已在 AWS 上运行的 Agent 添加 AgentCore 服务(memory、gateway、identity、policy、observability)、在 AWS 上使用 Temporal(迁移/运行 Temporal workers、由 Temporal 编排的服务、比较 Temporal Cloud 与可自托管方案)。绝不将 Temporal Workflow 代码改写为 Step Functions。必须至少包含一个 Agentic 组件——纯非 Agent 系统(普通服务、批处理任务、HTTP 端点、非 Agent 的 Temporal Activities)不在范围内,应转至 gcp-to-aws / heroku-to-aws / llm-to-bedrock。不适用于:不涉及 AI Agent 的计算/数据迁移;纯 LLM SDK 重写(使用 llm-to-bedrock);按模型定价。
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。
