Skills
收录 101,174 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。
全部
用于在 Polygon 上进行链上操作的完整 Polygon Agent 工具包。只要在帮助 Agent 设置钱包、查询余额、发送或兑换代币、跨链转移资产、向收益协议存入或提取（Aave aTokens、ERC-4626 vaults）、注册链上身份、提交或查询声誉/反馈，或进行 x402 微支付时，就使用此 Skill。涵盖完整生命周期：Sequence 智能合约钱包、Trails DeFi 操作、ERC-8004 身份 + 声誉、x402 支付。单一命令行入口（`polygon-agent`），AES-256-GCM 加密存储。
此技能应通过设备端的 qmd 引擎（BM25 + vector + LLM rerank），按语义而非仅关键词来搜索本地 Obsidian vault / markdown 知识库。当用户要求“search my vault/notes”“find notes about X”“what do my notes say about Y”“do I have anything on Z”“semantic search my knowledge base”，或希望对 markdown 做概念性/跨语言检索时触发。完全本地——任何内容都不会离开本机。
在进行卫星、航空或无人机影像的经典分析、分类、验证或可比性评估时，务必调用。此技能负责传感器、产品、处理级别与处理基线的和谐化，包括多时相输入；只有在存在可比观测之后才加入变化检测。同一产品级别的两景影像并不自动可比：Sentinel-2 L2A 在 2022 年 1 月的 Processing Baseline 04.00 处跨越了一个反射率偏移，因此任何跨越该日期的影像对都从这里开始。涵盖光谱指数、掩膜、合成、SAR、土地覆盖和精度评估。将神经方法路由至 geo-deep-learning，将行星级服务端执行路由至 google-earth-engine。
Salla Admin（Merchant）API 的基础参考——基础 URL、Bearer token 认证、请求头、商户身份、常用资源端点、分页、速率限制层级/请求头、带 slug 的 HTTP 状态码、结构化错误结构，以及 App Settings 的读取-修改-写入模式。在编写、审查或调试任何 Salla Admin API 调用时使用——认证设置、分页、错误处理、app settings 读写或速率限制。所有其他 Salla 技能都建立在此之上；商户 token 处理 → salla-app-auth。
审计页面能被 AI Agent 和具备 Agent 能力的浏览器操作的程度——语义化交互控件（使用 <button>/<a href> 而非 div/span 点击处理器）、具名按钮和链接、带标签的表单控件、不使用 javascript: href、主要内容不在 iframe 内，以及 WebMCP 检测——遵循 Google 的生成式 AI 指南和 web.dev 的 agent-friendly websites 指南。模块 M22 "Agent-readiness"。为 AI Visibility 分数提供输入（权重 4，全部为方向性）。
面向 SEO 素材的 AI 图像生成：OG/社交预览图、博客主图、结构化数据图像、产品照片、信息图。由 nanobanana-mcp 通过 Gemini 驱动。需要安装 banana 扩展。当用户说出 "generate image"、"OG image"、"social preview"、"hero image"、"blog image"、"product photo"、"infographic"、"seo image"、"create visual"、"image-gen"、"favicon"、"schema image"、"pinterest pin"、"generate visual"、"banner" 或 "thumbnail" 时使用。
针对任何网站或业务类型的全面 SEO 分析。整站审计、单页分析、技术 SEO（可抓取性、可索引性、含 INP 的 Core Web Vitals）、schema 标记、内容质量（E-E-A-T）、图片优化、站点地图分析，以及面向 AI Overviews/ChatGPT/Perplexity 的 GEO。针对 SaaS、电商、本地、出版商、代理商进行行业识别。触发词：SEO、audit、schema、Core Web Vitals、sitemap、E-E-A-T、AI Overviews、GEO、technical SEO、content quality、page speed、structured data。
搜索体验优化：逆向解读 Google SERP，检测页面类型不匹配，从搜索意图信号中推导用户故事，并从多个用户画像视角为页面评分。通过分析 Google 对每个关键词的偏好，找出优化良好的页面为何无法排名。在用户说 "SXO"、"search experience"、"page type mismatch"、"SERP analysis"、"user story"、"persona scoring"、"why isn't my page ranking"、"intent mismatch" 或 "wireframe" 时使用。
使用 Datadog 构建插件（@datadog/esbuild-plugin、@datadog/rollup-plugin、@datadog/rspack-plugin、@datadog/vite-plugin、@datadog/webpack-plugin）配置构建时 JavaScript sourcemap 上传到 Datadog，使 RUM 和 Error Tracking 显示附带 git 元数据的未压缩堆栈跟踪。当 Datadog 中的错误显示压缩后的堆栈跟踪，用户要求“上传 sourcemap”“设置 sourcemap”“反压缩错误”或“配置 Datadog 构建插件”，或者项目有打包器配置和 @datadog/browser-rum 但没有 sourcemap 上传时使用。
在一次全自主运行中，把单个功能需求从提示词推进到经过评审和审计的交付——一个可运行的 Workflow，负责规划、评审规划、逐任务构建、对构建做交叉评审，并可选运行上线审计，然后返回验证后的发现而非循环（是否修复由用户决定；Workflow 无法在运行中途询问，而自主修复循环正是导致数小时苦耗的原因）。它串联现有技能——plan-to-task-list-with-dag（每个任务一个专家 Agent）→ plan-founder-review → 跨越 DAG 的专家工程师/评审员构建 → 完整的 claude ∥ codex/kiro 交叉评审 → go-live-audit——并严格遵循图：每个任务声明其依赖，层级必须是拓扑序，规划评审会阻止顺序错误的图，任务绝不会在其依赖集成之前开始构建（不在破损的基础上构建）。每个任务的评审是切片范围的（只评判该任务自身的变更是否符合其验收标准，把整个代码库终态层面的缺口归因于负责它们的任务），因此构建不会被误报的阻塞淹没，而实现评审是终态门禁。门禁失败即关闭——未真正运行的评审员绝不被计为通过，崩溃的 codex/kiro 评审员会回退到原生评审，绝不伪造阻塞。持久且可恢复：每次运行都会写入实时状态文件（总体 + 各阶段 + 各任务），并配有用于状态查看/停止/恢复的 journal reader，恢复时从 GIT 事实重建集成状态，因此中断的运行绝不丢失或重复丢失已落地的任务。代码编写和每次评审都独立选择 native / codex / kiro（评审可跳过；编写者与评审者可不同），因此用户可控制质量与 token 成本的权衡。
用于系统性解决 bug、重构和功能开发任务的八阶段 PDCA 工作流：明确 → 分析 → 探索方案 → 审查 → 计划 → 执行 → 验证 → 复盘。手动模式（默认）在每个阶段结束时暂停等待用户确认；自动模式端到端运行；ai-proxy 叠加层（薄冻结再占用）可独立使用。触发词——「明确问题」「分析问题」「探索方案」「审查方案」「制定计划」「执行计划」「检查验证」「复盘改进」（别名「回顾总结」）；「继续分析」「深入分析」「修改方案」「完善方案」「优化方案」「更新计划」「修订计划」「修改计划」；「自动模式」「自动分析」「自动解决」；「ai-proxy 模式」「AI 代理模式」「切换 ai-proxy」/ clarify problem、analyze problem、explore solutions、review solution、make plan、execute plan、verify、retrospective、auto mode、ai-proxy mode、switch to ai-proxy。
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。