Skills
收录 96,770 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。
云与 DevOps
发布 GrowthBook 功能标志的草稿修订，解决合并冲突，回退到先前的修订，或丢弃草稿。适用于用户说 “publish this draft”、“push this live”、“go live with revision X”、“there's a merge conflict on my flag”、“rebase my draft”、“fix the merge conflict on flag X”、“revert flag X to a previous version”、“roll back this flag change”、“discard this draft” 或 “abandon these changes” 时。若要在发布前请求或提交审批审查，请使用 flag-review。若要列出和检查草稿，请使用 flag-revisions。
当用户想把一段代码、动画或 3D 实验隔离为独立的 JOYCO Lab 实验并发布时，使用本技能。触发词包括："isolate this"、"publish this to the lab"、"create a lab experiment"、"extract this animation/effect/scene"、"submit to JOYCO lab"、"make this an experiment"。当用户向你展示一个自包含的视觉效果、动画、3D 场景、canvas 草图或交互式组件，并想分享或展示它时，也会触发。即使他们没有明确说出「lab」——只要存在可隔离的创意/技术代码以及分享的意愿，就使用本技能。
在通过自主支付让 AI Agent 变现、将 Agent 上架去中心化市场或大规模部署时使用该技能。成果：Agent 自动赚取收入（每天 50+ USDM）、无需信任的托管保护（95%+ 成功率）、市场发现（50+ 可用 Agent）、可扩展执行（1000+ 并发任务）。触发场景："monetize my agent"、"setup agent payments"、"list on marketplace"、"A2A transactions"、"deploy agent at scale"、"MIP-003 implementation"。不适用于：通用聊天机器人、简单 REST API、中心化支付。框架无关（CrewAI、AutoGen、PhiData、LangGraph）、可自托管、符合 MiCA。
为在 Brev 实例上运行的 NeMo-RL Agent 提供操作指南。其工作目录为 /home/ubuntu/RL，可用工作区磁盘空间有限，另有较大的 /ephemeral 卷，并可选使用 /home/ubuntu/RL/.env 中的机密。运行 nemo-rl-auto-research 活动、实验、训练任务、模型或数据集下载、占用大量共享缓存的命令、生成日志的运行、检查点生成、经过身份验证的 W&B 或 Hugging Face 工作流，或任何可能在 Brev 上生成大型文件的工作流时使用。
将 NemoClaw 连接到本地推理服务。在为 NemoClaw 设置 Ollama、vLLM、TensorRT-LLM、NIM 或任何兼容 OpenAI 的本地模型服务时使用。触发关键词 - nemoclaw local inference, ollama nemoclaw, vllm nemoclaw, local model server, openai compatible endpoint, switch nemoclaw inference model, change inference runtime, nemoclaw additional model, nemoclaw sub-agent model, openclaw sub-agent, agents.list, sessions_spawn, vlm-demo, nemoclaw tool calling, ollama tool calls, vllm tool-call-parser, raw json in tui, nemoclaw inference options, nemoclaw onboarding providers, nemoclaw inference routing.
讲解如何在远程 GPU 实例上运行 NemoClaw，包括已弃用的 Brev 兼容路径以及推荐的安装程序与 onboard 流程。适用于将 NemoClaw 部署到远程 VM、为 Brev 实例执行 onboarding，或从旧的 `nemoclaw deploy` 封装工具迁移的场景。触发关键词：deploy nemoclaw remote gpu、nemoclaw brev cloud deployment、nemoclaw plugins、openclaw plugins、install openclaw plugin、nemoclaw onboard from dockerfile、nemoclaw brev web ui、nemoclaw getting started、brev quickstart、nvidia nemotron agent、nemoclaw sandbox hardening、container security、docker capabilities、process limits。
安装 NemoClaw、启动沙盒并运行第一个 Agent 提示词。首次开始使用、安装或启动 NemoClaw 沙盒时使用。触发关键词 - nemoclaw quickstart、install nemoclaw openclaw sandbox、nemohermes quickstart、hermes agent nemoclaw、run hermes openshell sandbox、nemoclaw prerequisites、nemoclaw supported platforms、nemoclaw hardware software、nemoclaw windows wsl2 setup、nemoclaw install windows docker desktop。
讲解快速入门之后的运维操作：列出沙箱、状态与健康检查、日志、诊断、端口转发、多个沙箱、凭据重置、重建、网络预设、升级与卸载。触发关键词 - 管理 nemoclaw 沙箱、nemoclaw status、nemoclaw list、nemoclaw dashboard 端口、nemoclaw rebuild、nemoclaw 升级沙箱、nemoclaw uninstall、沙箱可变性、沙箱运行时配置、沙箱重建、nemoclaw 备份、nemoclaw 恢复、工作区备份、openshell 沙箱下载上传、nemoclaw 消息渠道、nemoclaw telegram、nemoclaw discord、nemoclaw slack、nemoclaw wechat、nemoclaw whatsapp、openshell 渠道消息、nemoclaw 工作区文件、soul.md、user.md、identity.md、agents.md、沙箱持久化。
使用 Next.js 在 Netlify 上部署和管理项目，涉及无服务器函数、环境变量和持续部署。在以下情况使用本技能：使用 Netlify 部署、配置 netlify.toml、管理 Netlify Functions、调试 webhook、设置环境变量，或排查 Netlify 上 Next.js 应用的部署问题。对 Twilio-Aldea 及类似的 serverless 短信/电话项目至关重要。v2.0 包含官方 Netlify 文档、来自 Twilio-Aldea 的生产实践模式（webhook 超时解决方案、后台函数）以及 TypeScript 代码示例。
使用 `nmemctl` 生命周期控制器安装、检查或升级可自托管的 Nowledge Mem 服务（无头 Docker 部署）。当用户提到运行自己的 Nowledge Mem 实例、在 NAS、VPS、homelab 或服务器上自托管 Mem、从 Docker Hub 部署 `nowledgelabs/mem`、排查 Mem 容器问题，或将 Mem 服务升级到更新版本时使用。即使用户只说 "my Mem server"、"self-hosted Mem"、"the docker version of Mem"、"memory server on my Synology / Proxmox / Raspberry Pi"，或只是描述一个位于 `docker.io/nowledgelabs/mem` 的容器而没有说出产品名称，也应触发。不要为 Mem 桌面应用、Mem Cloud 或任何不涉及运维人员自有服务器的情况触发。
使用 Observe CLI（`observe`）调查生产系统并拉取遥测数据。只要用户想要：搜索或追踪日志；查询指标（CPU、内存、延迟、错误率、请求量、自定义应用指标）；探索 trace 和 span；跨服务、主机、容器或 Kubernetes 资源关联事件；调查或分诊告警（什么触发了、为什么、还有什么仍处于活跃状态、相关信号）；调试事故或生产问题；检查服务或系统健康；弄清某个客户、部署或用户的情况；找出哪些服务发出某个标签或 label；按服务、环境、区域、主机、pod、状态码等切分生产数据；或从平台拉取任何可观测性数据用于分析、仪表盘或脚本，就使用本技能。当用户直接询问 CLI 暴露的底层原语（数据集、OPAL 查询、知识图谱标签搜索、告警、监控、AI Agent 技能、认证）时也会涉及。
使用 OpenTelemetry SDK 为 Java、Python、Node.js、.NET 和 Go 应用埋点，将链路追踪、指标与日志发送到 Coralogix。适用于 SDK 侧的 OTel 配置、OTLP exporter 环境变量、Coralogix 资源属性、APM 事务采样器、Kubernetes Operator 注入，或排查应用缺失链路追踪、指标、日志或无遥测数据的问题。不适用于 OTel Collector 配置（使用 opentelemetry-collector）、OTTL 编写（使用 opentelemetry-ottl）、eBPF 埋点或 Lambda layers。
当用户希望在 OSMO 上编排缺陷图像生成、运行相关设置或处理输出时使用。Day 0 路径通过 USD-to-ROI、图像编辑增强和 AnomalyGen 处理冷启动，创建初始 PCBA 数据集。Day 1 路径在真实图像上执行推理和标注。该技能有助于首次资产设置、创建微调检查点以及配置部署。触发关键词：缺陷图像生成、dig workflow、dig pipeline、缺陷图像检测 workflow、aoi pipeline、aoi anomalygen、usd2roi anomalygen、day 0 pcba、day 1 pcba、day 1 real-photo alignment、day 1 manual roi、metal surface anomaly、glass defect、anomalygen finetune、setup_pcb、setup_metal、setup_glass、setup_pretrained、dig setup、dig datasets、dig pretrained checkpoint、dig image-edit endpoint。
当用户希望为合成数据生成工作流搭建、扩展、验证或加固 NVIDIA physical AI 基础设施时使用，涵盖本地 MicroK8s 或 Azure AKS、Kubernetes 集群、推理端点部署、OSMO 部署、工作负载提交准备和基础设施故障恢复。触发关键词：physical ai infrastructure、resilient scaling、SDG infrastructure、microk8s、azure aks、NVCF deployment、NIM Operator、OSMO deploy、workflow scaling。不要用于：OSMO 日志摘要或仅限工作负载的操作，除非请求涉及基础设施搭建、扩展、验证或恢复。
使用 FlowStudio MCP 的缓存存储大规模治理 Power Automate 流和 Power Apps。按业务影响对流进行分类，检测孤立资源，审计连接器使用情况，执行合规标准，管理通知规则并计算治理评分——全部无需 Dataverse 或 CoE Starter Kit。在被要求执行以下任务时加载此技能：标记或分类流、设置业务影响、指定所有者、检测孤立对象、审计连接器、检查合规性、计算归档评分、管理通知规则、进行治理审查、生成合规报告、对制作人进行离职移交，或任何涉及向流写入治理元数据的任务。需要 FlowStudio for Teams 或 MCP Pro+ 订阅——详见 https://mcp.flowstudio.app
需要 Pro+ 订阅。使用 FlowStudio MCP 缓存存储进行租户级 Power Automate 监控：失败率、运行健康趋势、创建者/应用清单、不活跃负责人以及合规/健康报告。仅用于聚合的租户视图。若要针对单个环境、单个流、运行控制或根因调试，请使用 power-automate-mcp、power-automate-debug 或服务器 monitor-flow 组合。需要 FlowStudio for Teams 或 MCP Pro+。
查询和管理 Sentry 错误追踪数据——列出和搜索 issue、深入查看事件和堆栈跟踪、检查项目和 release、解决/忽略 issue，以及拉取统计。当用户提到 Sentry issue、崩溃、错误分组或异常时，粘贴 sentry.io 或可自托管 Sentry URL 时，询问“为什么报错”“这发生了多少次”“{project} 中排名第一的错误是什么”“解决这个 issue”，或想要基于 Sentry 的摘要时使用——即使他们没有说“API”。与服务交互时始终从本技能开始——其内置脚本和配方是最快的路径。
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。