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
通过 OpenAI Codex CLI 获取独立的第二意见——由独立的审查运行时基于实际差异进行审查,而不是让 Claude 审查自己的工作。验证 Codex 是否可用,确定审查范围(分支、某个提交或未提交的更改),根据实际更改集编写有针对性的说明文件,在磁盘读取沙箱中运行 `codex review`,以便根据源代码核实发现,然后按优先级汇总。不会将密钥和凭据值写入说明文件;会将发现视为需要在本地验证的候选项,然后再进行修复,并明确报告审查无问题的结果,而不会捏造结论。仅在用户明确要求 Codex 审查或交叉审查时使用。
让 LLM 输出更有人味,读起来像是细心的人写出来的。减掉 AI 腔(奉承、三段排比、破折号滥用、「delve」「tapestry」「testament」、层层对冲、工整的五段式结构),注入句长起伏与校准后的不确定性,同时保持技术准确性。支持强度等级:subtle、balanced(默认)、full、voice-match、anti-detector。当用户说「humanize this」「make this sound human」「de-slop this」「rewrite without AI tone」「match my voice」「less robotic」,或调用 /unslop 时使用。在要求文本质量时也会自动触发。
此技能用于为 OpenClaw 安装和配置 **Tablestore Mem0** 插件。Tablestore Mem0 使用 Alibaba Cloud Tablestore 作为 mem0 的向量存储后端,为 AI Agent 提供持久化的长期记忆。用户希望 OpenClaw 使用 Alibaba Cloud Tablestore 作为后端来持久化或管理长期记忆时使用此技能。触发语:“设置 tablestore memory”“安装 tablestore mem0 插件”“使用 tablestore 配置长期记忆”“记住这个”。
设计、评估、审计并实现 WebMCP 工具:网页通过 document.modelContext 向浏览器内 AI Agent 暴露的客户端工具,可使用 registerTool、声明式表单属性(toolname、tooldescription)、React useWebMCP 或 Angular provideExperimentalWebMcpTools。当开发者希望让网站或 Web 应用具备 Agent 使用能力、分析网站或 URL 中的 WebMCP 用户旅程、添加或审查浏览器内 Agent 工具、编写工具 schema、描述、注释或 evals.json、审计现有 WebMCP 工具,或修复 Lighthouse“Agentic browsing”和 DevTools WebMCP 问题时使用。不适用于通过 stdio 或 SSE 通信的后端 MCP 服务,也不适用于独立的抓取脚本。
应用 Karpathy 理解优先原则——验证 AI 构建的内容、掌握自己的理解、描绘 LLM 参差不齐的能力图景。当用户使用 AI 构建了某些东西并需要验证、想要审计自己的理解、需要了解 LLM 在哪些方面可靠与不可靠,或说"verify this"、"do I actually understand this"、"what can I trust the AI on"、"jagged capabilities"、"understanding not outsourcing"时使用此技能。基于 46k-like 引用帖。
编写、增强或评估长期运行的自主 Agent,或用于攻克难题的并行多 Agent 编排的启动提示词时,应使用此技能:编写以伪形式化方式定义术语并用语言精确定义成功判定条件的任务简报,列出不计入的结果,设置明确的停止与返回条件及最低投入要求的持久化规则,使用方案注册表和受阻路线记录管理多样化的并行方案组合,并通过对抗性审计控制返回。将 Agent 拓扑和协调协议交由 multi-agent-patterns,将运行时控制界面和循环治理交由 harness-engineering,将评估器和质量门构建交由 evaluation,评审器设计交由 advanced-evaluation,压缩或记忆机制交由 context-compression 和 memory-systems。
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。
