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
面向已埋点的 ml_app 的端到端 LLM 可观测性流水线——对生产跟踪记录分类、分析故障根因、初始化评估器,然后(可选)采样并发布数据集、生成并运行实验以及分析结果。分为六个讲解阶段,每个阶段之间都有标准化横幅和“continue”检查点。仅编排 dd-llmo 子技能(`llm-obs-session-classify`、`llm-obs-trace-rca`、`llm-obs-eval-bootstrap`、`llm-obs-experiment-py-bootstrap`、`llm-obs-experiment-analyzer`)。用户说“运行评估流水线”“从跟踪记录进入评估”“端到端初始化评估”“先分类,再做 RCA,然后初始化”“从零构建评估集”“带我了解数据集和实验”“带我逐步进行实验”“我有一个 ml_app,接下来呢”“LLM Obs 入门”“引导式实验设置”“从跟踪记录到实验”,或希望以确定性、讲解式流程从生产数据逐步处理到评估器、数据集和实验时使用。使用 `--stop-after <phase>` 可提前在评估器或数据集阶段停止,使用 `--start-at <phase>` 可从中间阶段继续。
独立开发者的项目全生命周期管理:需求验证、选词选品、建站或做原生 App、上线接入、SEO/GEO 获客、支付变现、监控迭代与跨会话接力。以下情况使用:用户提到 rankup 或 /rankup(check、review、init;doctor 仅指整理项目 .rankup 记录);当前目录或工作区有 .rankup/,或要读取、续做、整理项目计划、路线图、待办、PRD、交接或进度文档;在这些项目记录上下文里说“继续”“接着做”“上次做到哪”“下一步做什么”;以及项目规划、需求验证、关键词调研与 SERP、独立 Google Trends 热度查询或对比、AI 搜索推荐(GEO)、网站体检、sitemap/IndexNow/Search Console、流量、建站、上线、支付(Stripe、Anyway、PayPal)、变现与增长。SEO/GEO 是主要手段,不是适用边界,非 SEO 的项目计划与 macOS、iOS、iPad 原生 App 同样适用。纯文案(含 SEO 趋势博客等主题写作)、纯视觉设计、与项目管理无关的通用开发及基础设施排错(含 Cloudflare 部署报错、普通 CLI doctor)不触发;目录内有 .rankup/ 时仅叠加项目记录维护义务;外链执行交 backlink,浏览器驱动交 opencli,配图生成交 imagegen,多模型派单交 agent-fleet。
将当前对话压缩为一个大型独立交接文件并保存到磁盘,然后以当前聊天命名(计数器递增)打开一个全新的 Claude Code 会话,仅以指向该文件的指针作为初始内容,同时保持当前聊天完全完整。凡是用户想要一个干净的上下文窗口又不想丢失已有内容,或说出以下任一说法时使用——"compact to a new chat"、"compact but start fresh"、"carry this over to a new session"、"hand this off"、"new chat with this context"、"my context is getting heavy"、"this chat is too long"、"start over but remember this"、"dump the context and open a fresh one",或者要求交接、上下文转储或可日后复用的会话摘要。当一项长期调查结束、后续工作值得拥有独立窗口时也使用它。只要用户希望旧聊天之后仍可读,就优先使用它而非普通的 /compact,即使用户从未说过 "compact" 一词也应使用。
组织多位顾问围绕影响重大的架构、技术或产品决策展开辩论。调度 3–5 个领域原型子 Agent(pragmatic-engineer、architect-advisor、security-advocate、product-mind、devils-advocate、the-thinker),依次进行开场陈述、探讨分歧、观点演进和综合总结。保留不同意见,并给出附有风险记录的可执行建议。适用于评估权衡、压力测试 PRD 或技术规格、解决存在多个可行选项的难题,或决策需要多元专家视角时。不适用于简单的是非题、事实查询、没有权衡因素的创意头脑风暴,或单一专家视角足以完成的任务。
面向 Claude Code 的高效持久记忆系统,可在会话预热时节省约 67% 的 token(经 tiktoken 验证)。采用分层架构,支持渐进式加载、紧凑编码、感知分支的上下文、智能压缩、会话差异比对、冲突检测、会话续接协议和恢复模式。在会话开始时(如果存在 MEMORY.md)、用户说“记住这个”“接着上次继续”“我们刚才在做什么”“收尾”“保存进度”“别忘了”“切换上下文”“交接”“记忆状态”“保存状态”“继续上次的工作”“上下文预算”“还剩多少上下文”,或在含有现有记忆文件的项目中开始会话时激活。此技能同时解决两个问题:Claude 在会话间忘记所有内容,以及会话过快达到上下文限制。它用紧凑、结构化的记忆加载取代数千个浪费在重复解释上的 token,让 Claude 以不到 2,000 个 token 获得完整的项目上下文。
根据 PRD 构建 dark factory:一个将任务作为 issue 接收,并在无人操作键盘的情况下输出经过验证代码的仓库;逐个组件构建,并直接在用户的实际仓库中实现。涵盖按构建顺序排列的五个组件:指导层、验证工具链、工作流驱动的仓库、部署,以及实现自动化的触发器;不限定底层使用哪种编码 Agent(Claude Code、Codex、Archon、Agent SDK、Cline、Goose、Amp、Pi)。它将用户现有的 AI 编码流程固化下来,而不是取而代之。需要以 PRD 作为输入,并且有意不负责编写 PRD。用户想构建 dark factory、自主或自动驾驶仓库、软件工厂、能自行交付代码的 Agent、无人值守或通宵运行的编码循环,询问如何达到 AI 编码自主性的第 4 或第 5 级,或提到 dark factory、lights-out coding、autonomous PR、能够自我维护的仓库时使用。
来自 Google Gemini 的跨模型第二意见——由另一款具备深厚 Google 生态知识的 AI 审查相同更改。提供三种模式:review(对 Google Ads 营销活动、SEO 元数据或代码进行通过/不通过判定)、challenge(以对抗方式压力测试,尝试找出更改的问题)和 consult(就 Google Ads 策略、SEO 最佳实践或实现问题与 Gemini 开放问答)。用户说“gemini review”“ask gemini”“gemini challenge”“second opinion from gemini”“consult gemini”“stress test with gemini”“what would gemini say”“cross-model review”或“get another opinion”时使用。语音别名:“gem”“gemini check”。尤其适用于 Google Ads 更改、SEO 元数据更新、营销活动结构决策、关键词策略以及出价/预算调整;Gemini 对 Google 生态的原生了解可补充 Claude 的分析。
使用此技能解释或分析上下文工程的基础概念:上下文是什么、上下文窗口的构成、注意力机制如何运作、U 形注意力曲线、上下文质量为何比数量更重要,以及理解其他上下文工程决策所需的思维模型。用于概念讲解、入门引导和背景阅读。实际操作任务应转交专门技能:注意力失效调试交给 context-degradation,Token 效率工作交给 context-optimization,对话摘要交给 context-compression,项目结构决策交给 project-development。
如何在 Software Lifecycle 项目(`software-lifecycle` starter pack)中工作:提案 → 决策 → 规格说明 → 复盘,以及相关指南。当项目包含这些文件夹,或有人询问项目组织方式时阅读。它包含文档生命周期、状态流转和各文件夹对应的 Agent 行为,避免将指导内容放进模板正文或文件夹说明中。五种工作流——构思提案、编写规格说明、记录决策、撰写复盘、评审设计——在此工具包中各自作为独立的同级技能提供。它补充平台的 `open-knowledge` 技能,但不取代它
通过多次运行同一真实任务,分别保留和移除 AI 指令层,评估仓库中的 AI 指令是否仍有价值;随后根据实际变化逐条评估规则。工具会在临时 Git worktree 中自行运行两组测试,不会改动工作树。兼容多种 Agent:CLAUDE.md、AGENTS.md、.claude/、.agents/、.cursor/rules、.clinerules、.windsurfrules 和 copilot-instructions。当用户想精简、审计、清理、缩减或“删除”其 CLAUDE.md、AGENTS.md、Cursor 规则、Agent 指令或 AI 指令层,询问规则是否仍有必要、上下文是否臃肿或该删掉什么,或提到消融、消融实验、测试不带指令的 Agent 时使用。
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。
