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
将工作规划为垂直切片,或规划为明确选定的机制精简项目,并以小步、已知良好的增量推进;每个切片使用独立拉取请求,也可跨一个或多个有序切片采用堆叠 PR 拓扑。适用于启动重要工作、将已拆分的故事转化为实施计划、规划 PR 或安排复杂任务。如果是机制精简项目,先使用 reduce-system-complexity 定义守恒契约、最终机制移除状态以及行为/机制门槛,再由 planning 安排顺序。如果输入是仍需产品切片的宽泛故事、史诗、功能构想或待办事项,先使用 story-splitting;如果切片需要评审层,或后续切片应在较低层 PR 合并前基于持续演进的基线启动,也使用 stack-pull-requests。
即使输入内容能放入上下文窗口,也按照 Recursive Language Models (Zhang, Kraska, Khattab, 2025) 的方法拆解涉及整个代码库、多文档、PDF 和聚合的繁重任务。用户要求分析所有文件、整个代码仓库、所有文档、大型 PDF,或汇总分散来源的信息、进行多跳分析时使用。单个文件、单个函数、单一问题或单页 PDF 转换不适用。触发词:长上下文、上下文退化、大型代码库、多个文件、所有文件、大型文档、多文档、PDF、聚合、总结全部内容、全代码库、多跳、递归、子 Agent、map-reduce。
运行 `@metaharness/darwin evolve <repo>`,以变更 harness 的七个策略面(planner/contextBuilder/reviewer/retryPolicy/toolPolicy/memoryPolicy/scorePolicy),对每个变体进行沙箱评分,并且只提升经测量验证的改进。模型保持不变;harness 持续进化。闭合 ADR-150 开启的循环(score+genome 用于描述;evolve 用于变更)。当缺少 @metaharness/darwin 时可平稳降级(符合 ADR-150 + ADR-153 架构约束)。
将工作流实际创建的 git worktree 推送到 Paseo 的工作区注册表,因为 Paseo 不会自行发现任何内容。用户说“paseokit”“sync my worktrees to paseo”“sync all my projects to paseo”“my paseo sidebar is missing worktrees”“paseo doesn't show my worktree”或“where should paseo put new worktrees”时使用。它还会清理已完成的工作和失效条目:“clean up the worktrees whose PRs merged”“clean up my paseo workspaces”“my paseo sidebar is full of dead entries”。
Doctor Strange——通过平行宇宙子 Agent 进行因果沙盘模拟。建模参与者、动机、约束、反馈循环、状态变化和故障模式,然后逐步呈现未来事件可能如何展开,类似人类在脑海中预演多种未来。将模拟存为持久记忆,以便日后调用。以下情况触发:用户明确要求模拟、演练或推演某个情境;用户说“推演”“模拟”“预演”“imagine”“what if”“run through”“play this out”“what could go wrong”;用户面临高风险的未来决策,且不确定事态将如何发展。以下情况不要触发:用户需要事实查询或研究;用户想分析过去事件(使用常规记忆);用户只需要简单建议而不需要模拟;用户正在调试代码或进行与决策无关的技术工作。三种模式:SIMULATE(运行新的前向模拟)、RECALL(调取过往模拟作为参考先验)、MANAGE(列出、作废或重新运行已存储的模拟)。
运行 `@metaharness/darwin security bench`(上游项目“Darwin Shield”/ ADR-155)——针对包含 10 个漏洞和 9 个诱饵的语料库,迭代改进冠军安全检测测试框架,并依据四个基线(B0 static、B1 LLM-single-pass、B2 fixed-agent、B3 Darwin-champion)评估其 TPR/FPR/patch-pass/repro/unsafe 指标。当 @metaharness/darwin 不存在时可优雅降级。这是 ruflo 自身 ADR-155 夜间自学习安全测试框架最接近的参考实现(PR #2417)。
由 AWS 精选的 AI 编码 Agent 可复制粘贴提示词(MVP 脚手架、在 Bedrock 上使用 Claude 的 RAG 聊天机器人、安全基线评估、成本异常检测、GPU 配额申请、EKS 部署、Well-Architected 审查等),以及可下载和安装的 Agent(Multi-Account Transition Advisor、Bill Shock Preventer、Service Quota Agent、Bedrock Model Availability Agent、AWS DB Advisor)。用户询问如何使用 AWS 提示词、请求用于 AWS 某项任务的提示词,或需要用于多账户、成本监控、配额管理、Bedrock 模型可用性或数据库选择的可安装 Agent 时使用。对于迁移需求(GCP 到 AWS、Azure 到 AWS、OpenAI/Gemini 到 Bedrock),转到此插件中的迁移技能(`gcp-to-aws`、`azure-to-aws`、`heroku-to-aws`、`llm-to-bedrock`)。以下情况不要使用:有关 AWS Activate、计划或积分的事实性问题、学习文章、示例架构,或不在附带的 `references/prompt-library/` 目录树中的提示词。
当需要将嵌入式项目命令安装到命令目录(.github/commands、.claude/commands、.cursor/command、.codex/commands)时使用,可交互选择目标目录,并从项目资源中复制嵌入式命令定义。适用于“Install embedded commands”“Bootstrap .cursor/command”“Bootstrap .claude/commands”“Copy project commands”“Install project command suite”等请求。属于 Plinth Toolkit。
当需要将内置机器人 Agent 安装到 .github/agents、.claude/agents、.cursor/agents 或 .codex/agents 时使用;交互式选择目标目录,并从项目资源中复制内置 Agent 定义。适用于“安装内置 Agent”“初始化 .github/agents”“初始化 .cursor/agents”“初始化 .claude/agents”“初始化 .codex/agents”“复制机器人 Agent”等请求。属于 Plinth Toolkit 的一部分
已由 /claudex-loop(原 /crucible;其文档感知模式涵盖此变体)取代——除非明确需要此技能,否则优先使用该技能。通过持续更新文档来强化双阶段计划。第一阶段(你 ↔ Claude)——Claude 逐个提问,深入访谈你对计划的想法,并根据项目现有领域模型和术语表(CONTEXT.md)提出质疑,明确模糊术语,用具体场景进行压力测试,交叉参考代码,并在决策逐渐明确时直接更新 CONTEXT.md 和 ADR。第二阶段(Claude ↔ Codex)——Claude 将定稿计划写入 PLAN.md,OpenAI Codex 在只读沙盒中对其进行对抗性审查(VERDICT:APPROVED/REVISE);Claude 修改后在同一个 Codex 会话中重新提交,直到获批或达到 MAX_ROUNDS 上限,然后你在编写任何代码前签字确认。用户说“/grill-with-docs-codex”“根据文档质询我,再让 codex 审查”“根据领域模型对计划进行压力测试,再请另一个模型检查”,或者即将在术语和 ADR 已确立的项目中构建高风险功能,并希望确保一致性、完善文档并进行跨模型核验时使用。基于 Matt Pocock 的 grill-with-docs(MIT)。不用于审查已编写的代码(使用 /codex:review),也不用于琐碎更改。
将 pstack 的委派与可移植资源原语映射到当前命令行(Claude Code、Codex、Hermes、Grok Build 或任何其他 harness)。涵盖如何定位已安装的 skill 和最新的 trunk 资源、生成子 Agent、为每个子 Agent 设置模型、并行运行多个分支、切换为只读、提出结构化问题(AskQuestion)、跟踪工作清单、循环,以及定位转录存储。每当 pstack skill 提到 spawn、Task tool、subagent_type、per-subagent model、AskQuestion 或 worklist,或提到你找不到的同级 skill,或运行 playbook 中的路径时,都要阅读本文。每个原语在不同 harness 中的命名都不同,因此在断定你的 harness 不具备此类能力或资源之前,请先阅读本文。
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。
Составляет однозначный план реализации без написания кода. Используй, когда пользователь явно просит составить, подготовить или расписать план реализации, внедрения либо исправления. Не используй, когда пользователь хочет обсудить варианты и ещё не выбрал решение, просит зафиксировать только желаемый результат без шагов, сразу реализовать задачу или провести ревью изменений.
面向 AI 编码 Agent 的端到端、分阶段门控 SDLC:深入设计访谈 → 经评审的规范 → 依赖关系图任务看板 → 安全波次 TDD 执行 → 验证 → 收敛。适用于功能、Bug、重构、绿地项目、规划拆解和迁移。触发词:“absolute work”、“build this end-to-end”、“plan and build”、“break this into tasks”、“grill me on this plan”、“pick up this ticket”、“run this migration”。
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。
