Skills
收录 97,501 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
Tour — Claude tự diễn cho user xem harness chặn mình theo thời gian thực trên project thật. Hai độ dài — "short" = 3 cảnh (R1·R2·R3), "full" = 10 (R1–R10). Tự phát hiện PoC vendor-neutral (cách CHÍNH) hay harness production. Tự dọn sạch demo. Trigger: "harness tour", "xem harness làm gì", "/harness-tour", "test short", "test full".
审计 Claude Code 设置中的 token 浪费情况,仅报告,不更改任何文件或设置。使用 shell 和文件工具测量各项成本驱动因素,而非估算,涵盖 CLAUDE.md 大小和 @imports、MCP 服务和工具数量、工具延迟是否启用、会静默禁用该功能的代理、模型/effort/会话中途切换、减少输出的 hooks、各 Agent 的模型继承、cron 和循环间隔与实测缓存 TTL 的对比,以及最新会话日志中的 token 分布。输出一张按严重程度排序的表格,以及最具杠杆效应的一项修复建议。用户询问 token 或上下文浪费、如何降低 token 成本、缓存命中率低的原因或如何诊断上下文膨胀时使用。触发词包括“token waste”“token audit”“context bloat”“cache hit rate”“why is my context so big”“cut token cost”。
将项目决策持久化为可审阅的 `.agent-memory/` Markdown 文件。适用于用户要求“记住项目决策”“保存会话经验”“初始化 .agent-memory”“管理项目记忆”“迁移记忆”“根据文档构建记忆”“同步记忆”“维护记忆”“检查记忆状态”或“引导新开发者”;涉及 `.agent-memory/` 或 `AGENTS.md` 记忆指针;与其他开发者分享项目上下文、约定或会话交接内容,或在拉取请求中审阅项目记忆;或上下文“会话之间会遗忘”的情况。同步会协调检出目录中已有的文件。不适用于供应商自动记忆整合、个人 Agent 规则手册、内存泄漏、RAM 使用情况或人类记忆
为内容创作工作区提供端到端的视频制作编排。用户要求制作、重制、打包、渲染、质检或归档视频;说“制作待制作队列”“按交接稿制作”或“制作队列视频”;指向 01-内容生产/视频工作台/待制作/ 下的交接项目文件夹(其中包含合同文件 交接稿.md),或 01-内容生产/图文工作台/待制作/ 下的图片卡片交接(其 frontmatter 是具有约束力的制作合同);请求可能涉及 HyperFrames、Remotion、字幕、TTS、下载/转录、网站/产品视频、动态图形或参考复刻;或者用户需要在剪辑前规划制作时使用。
查询 ChatGPT/Codex 重置公告及多个 Pro 账号的剩余额度、备用 Full reset;复用 Google 登录逐个核实并恢复网页账号,换算北京时间。区分 Tibo 官宣、未官宣的平台静默重置、banked reset 与账户级周期重置。Use when 用户问「什么时候重置」「额度什么时候恢复」「下次全员重置几点」 「banked reset 到了吗」「Tibo 说了什么」「usage limit when reset」,或说「额度突然回到 100%」「好像/肯定又重置了」,或问「几个账号都用完了吗」「哪个还满额」。必须用实时产品状态、独立用户实测与公告交叉核验;禁止因 Tibo Radar 没有新条目就否定已经发生的重置,并须把太平洋时间当场换算为北京时间。
UAT THẬT cho một bản framework sắp phát hành - dựng một dự án TRỐNG hoàn toàn mới, cài overstack đúng đường NGƯỜI MỚI (curl bootstrap từ GitHub raw, không phải file:// working-tree), rồi kiểm chứng năng lực MỚI của chính bản đó có tới tay người dùng không (skill reachable, rule CẮN thật, docs khớp). HAI PHA - (1) nhánh CANARY trước merge: đẩy lên nhánh tạm uat/<ts>, curl từ raw của chính nhánh đó (kèm HARNESS_BASE + REPO_RAW + SKILLS_REF trỏ canary), UAT đầy đủ; FAIL thì xoá canary và nhánh chính chưa hề bị bẩn. (2) main-URL smoke NGAY SAU merge: chạy đúng lệnh người mới gõ, KHÔNG override biến nào - chỉ pha này kiểm được các giá trị MẶC ĐỊNH (chỗ hardcode tên nhánh); FAIL thì gỡ commit khỏi remote (revert hoặc reset --force-with-lease). Gọi khi user nói "uat", "test thật", "test downstream", "kiểm tra người mới cài có chạy không", "acceptance", "/fdk-uat", hoặc trước khi công bố một bản có năng lực mới. KHÁC medic --ci và fresh-install-smoke (cả hai cài từ working-tree qua file:// nên KHÔNG chứng minh được đường remote).
使用公共的 `orca` CLI 操作 Orca 管理的 worktree、文件夹上下文、终端、仓库、自动化、产物、worktree 评论以及 Orca 应用内嵌的浏览器。当用户说出「$orca-cli」、「use orca cli」、「Orca worktree」、「child worktree」、「cardStatus」、「spawn codex/claude in a worktree」、「read/wait/send Orca terminal」、「terminal send」、「full handoff」、「handover」、「give this to another agent」、「another worktree」、「Orca browser」、「orca artifacts」、「share HTML/Markdown」、「public artifact link」或「control the browser inside Orca」时使用。任务涉及 Orca 管理的状态时,优先使用它而非原始的 `git worktree`、临时 PTY、Playwright 或 Computer Use。对于 Orca 内嵌浏览器之外的浏览器窗口、webview 或桌面 UI,使用 Computer Use。
Mở rộng một draft SPEC ĐÃ ĐƯỢC DUYỆT thành kế hoạch thi hành được — file `DDMMYY-<tên>-PLAN.md` mà một agent KHÔNG có context nào (CLI rẻ chạy headless, không hỏi lại được) vẫn làm đúng: đường dẫn file chính xác, khối Interfaces (Consumes/Produces) khai chữ ký cho task hàng xóm, ràng buộc bao trùm chép nguyên văn, và từng bước 2-5 phút kiểu TDD có code thật + lệnh chạy + output mong đợi. Gọi SAU `/propose` và SAU khi user duyệt ở cổng, TRƯỚC khi dispatch task cho agent. Trigger - "viết plan", "mở rộng proposal thành plan", "plan thi hành", "chuẩn bị brief cho agent", "/plan". KHÔNG dùng để thiết kế hay để hỏi yêu cầu (đó là `/propose`), KHÔNG dùng khi chưa có SPEC duyệt.
当优化目标本身是 harness、脚手架、工作流或优化器时,应使用此技能:递归自我改进(RSI)循环、元 harness、从自身失败中汲取经验并提出有界修改的自我改进 harness、针对 Agent 脚手架的进化式或基于群体的搜索、自我修改系统的验收门槛,以及上下文生成机制经过版本管理和演进的 Agent 上下文演进。单个自主循环的治理(锁定区域、持久日志、回滚、新颖性门槛、审批边界)应交由 harness-engineering;测量与质量门槛设计交由 evaluation;评审器设计交由 advanced-evaluation;远程沙箱基础设施交由 hosted-agents。
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。
