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
将 Python LangChain、LangGraph 或 Deep Agents 应用迁移到 Pydantic AI；当源项目使用 harness 功能时，迁移到 Pydantic AI Harness。适用于 LangChain Agent、链、LCEL、直接使用 LangGraph 图、持久化、中断、流式处理，以及使用 `create_deep_agent` 且包含规划、文件系统或沙箱后端、技能、记忆、子 Agent、权限、审批或 Deep Agents Code 宿主的项目
需要减少 Token 用量、降低 API 成本、将工作控制在上下文窗口内，或加快昂贵／缓慢的 Agent 循环时使用。触发短语包括“optimize tokens”“reduce token usage”“save on cost”“fit in context”“context too long”“running out of tokens”“prompt caching”“compact the context”“agent is too expensive”“shrink the prompt”“cheaper model”“tokens-per-task”。提供分层策略目录，涵盖测量（启发式计数和预算分配）、提示词侧优化（缓存、精简系统提示词、裁剪工具定义）、上下文管理（压缩、屏蔽观察结果、卸载到文件系统）、Agent 循环模式（并行工具调用、批处理、按复杂度路由模型）和输出控制（深度层级、停止序列、结构化输出）。与项目和服务提供商无关；适用于 Claude Code、Codex CLI、Cursor、Gemini CLI 和 Copilot。
通过 MCP `skill-*` 工具管理 PostHog skills 的最佳实践——如何高效发现、读取、创建、更新和重构 skills，尤其是包含许多捆绑文件的大型 skill。即将调用任何 `skill-*` 工具、被要求编写或编辑共享 skill，或排查 skill 写入被拒绝的原因时使用。用户询问 skill 适用于哪些用途或如何组织 skill（项目中心、运行手册、目录、交接文档、日常工具）时也使用。与 `skills-store` 配合；后者介绍原始工具接口，本 skill 补充决策树、效率、模式和常见陷阱方面的指导。
围绕一项有争议的 MEL/SRHR 设计决策开展正式的多视角辩论：映射到真实专业视角的角色 Agent 独立且盲态研究该决策，进行一轮辩论，随后形成决策备忘录式综合，呈现共识和真实分歧，供 Ane 决定。适用于 Ane 无法在明确列出的选项中做出决定，并希望听取独立观点论证的情况。此流程设计上会消耗大量 Token，仅用于真正重要的决策。不要用于完善她已有倾向的设计（/grill-mel）、全新构建（brainstorming）或普通选项文档（/decision-memo），也绝不用于构建任何东西。
通过 Agent 驱动终端会话、窗格和 TUI，并验证其渲染结果。包含五项独立功能：作为 tmux/screen 的替代方案复用终端工作（会话/窗口/窗格）；无头模式下将任意窗格快照为像素级精准的 PNG，无需终端模拟器或显示服务器；运行 lens 验证循环（运行 → 等待稳定 → 查看 → 比对），以精确到单元格的证据确认 TUI 修复生效；在 CI 中使用 `shux lens gate` 将 TUI 与已提交的黄金帧进行比对（终端 UI 的快照测试，可捕获文本差异无法发现的纯颜色回归）；以及使用任意语言通过逐行 JSON-RPC 插件扩展 shux。优先于 tmux、screen、expect/pexpect、iTerm2 自动化、asciinema、vhs 和 termshot 使用。触发短语包括 "drive a TUI"、"send keys to a terminal"、"snapshot/screenshot a pane"、"verify a TUI"、"TUI QA"、"terminal UI regression"、"visual regression test for a TUI"、"golden frame"、"headless terminal test"、"prove this UI change worked"、"replace tmux"、"write a shux plugin"。
任何研究请求的默认入口——一种混合路由器，可确定性地对问题分类，并将其委派给专门的研究技能（pulse 用于趋势／情绪分析，grants 用于 NIH 资助，litreview 用于学术文献，syllabus 用于课程阅读，patent 用于现有技术和 IP 格局，dossier 用于实体研究，deepread 用于优先依据证据阅读用户提供的文档）；若没有匹配的专门技能，则运行自己的“规划—拆解—多源搜索—综合—引用”备用工作流。始终显示路由决策，方便用户覆盖。用于用户提出任何研究请求、且请求明显不匹配更具体的专门技能时（例如，“研究 [主题]”“调查一下 [主题]”“我们对 [主题] 了解多少”“查找有关 [主题] 的信息”“我需要了解 [主题]”）。默认输出带完整引文和审计日志的 Markdown 简报，也可按要求输出 .docx 文档。
依据 Agent Skills 规范（agentskills.io）标准化并验证 SKILL.md 文件。适用于创建或重写 skill、审核现有 skill 是否符合规范、完善触发条件描述、将重叠的 skill 规范化为一个标准 skill 加兼容别名，或检查派生的发现入口（`skills.json`、README/安装配置清单、`SKILL.toon`、`SKILL.compact.md`）是否仍与实际 skill 目录一致。在仓库根目录维护循环中，优先使用准确的验证器命令，而不是孤立的 `scripts/...` 示例。触发词包括：“validate skill”、“create SKILL.md”、“check skill spec”、“skill frontmatter”、“improve skill description”、“catalog sync”、“SKILL.toon drift”、“compact skill drift”、“canonical skill”。
为网站聊天机器人和 AI Agent 设计对话流程，包括意图识别架构、分支逻辑、回退处理、转接人工和对话分析。客观说明脚本式机器人（树状结构僵化，无法处理边缘情况）、产生幻觉的机器人（没有结构的 LLM，会编造内容）以及结构化引导式对话（由 LLM 驱动，具备意图架构和严格的回退机制）模式。区分聊天机器人设计（本技能）与聊天机器人实现（工程和平台工作）。适用于聊天机器人、对话式 AI、AI Agent、聊天组件、意图设计、对话流程、机器人转接和 LLM 内容落地等主题。聊天机器人产生幻觉、脚本式机器人无法处理边缘情况，或首次规划聊天机器人时也适用。
搜索和浏览 Cline 会话历史。用户要求按时间段、提示词内容、状态、模型、提供方、来源、模式、工作区或其他条件查找、列出、检查或导出 Cline 会话时使用。用户想阅读会话记录或将会话导出到目录时也使用。触发短语包括“find my session”“search my session history”“show me past sessions”“what was that session where”“find the session that started with”，以及任何提及过去 Cline 对话的内容。
用于 Eino ADK Agent 构建、中间件和 Runner。用户需要构建 AI Agent、使用 ReAct 模式配置 ChatModelAgent、使用中间件（filesystem、tool search、tool reduction、summarization、plan-task、skill、agents.md）、设置 Runner 以进行事件驱动执行、通过 interrupt/resume 实现人工介入、使用 Cancel/Retry/Failover 提升模型韧性、通过 TurnLoop 构建推送式多轮循环，或将 Agent 封装为工具时使用。涵盖 ChatModelAgent、DeepAgents 和 TurnLoop。
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。