Loading...
Loading...
共找到 51 个 Skills
创建用于内部知识共享的教育类Teams频道帖子，内容围绕Claude Code的功能、工具和最佳实践。适用于撰写帖子、公告或文档，以指导同事有效使用Claude Code、宣布新功能、分享生产力技巧或记录经验教训。提供模板、写作指南和结构化方法，强调具体示例、底层原理以及与上下文工程等最佳实践的关联。适用于涉及Teams帖子、频道公告、功能文档或技巧分享的内容。
当用户要求「评估Agent性能」「构建测试框架」「衡量Agent质量」「创建评估标准」，或者提及LLM-as-judge、多维度评估、Agent测试、Agent流水线质量门时，应使用本技能。本技能属于上下文工程技能套件的一部分——当用户在衡量Agent有效性的语境下提到「context engineering」或「context-engineering」时，也会触发本技能。
面向AI Agent的高级上下文工程技术。通过结构化推理、反思循环和多Agent模式实现的Token高效插件，可提升输出质量。
精通AI Agent系统的上下文工程。适用于设计Agent架构、调试上下文故障、优化Token使用、实现内存系统、构建多Agent协作机制、评估Agent性能或开发基于LLM的流水线场景。内容涵盖上下文基础原理、退化模式、优化技术（压缩、掩码、缓存）、压缩策略、内存架构、多Agent模式、LLM-as-Judge评估、工具设计以及项目开发。
管理LLM上下文窗口的策略，包括总结、裁剪、路由以及避免上下文衰减。适用场景：上下文窗口、令牌限制、上下文管理、上下文工程、长上下文。
适用于所有AI系统的全链路prompt与上下文工程工具，包含四大模式：(1) 从零构建全新prompt；(2) 对现有prompt进行诊断评分并可选择提供优化方案；(3) 在不同模型系列（Claude/GPT/Gemini/Llama）之间转换prompt；(4) 借助测试套件和评分规则评估prompt效果。所有推荐方案都会适配模型类别（指令遵循型 vs 推理型），并对照当前官方文档验证结论。可用于system prompt、agent prompt、RAG pipelines、工具定义或任何LLM上下文设计场景。**不支持运行prompt、生成内容或构建Agent**。
创建、审核和更新Prompt、Agent及工作流。涵盖5种工作流模式、Agent委托、任务交接、上下文工程。适用于所有.agent.md文件相关工作或多Agent系统设计。触发关键词包括'agent workflow'、'create agent'、'工作流设计'。
面向独立开发者的规范驱动开发编排工具，结合上下文工程能力。通过全新的子Agent上下文与原子化任务执行防止上下文衰减。适用场景：启动项目、规划功能、执行开发阶段，或当用户说出“gsd”、“plan”、“new project”、“execute phase”时。触发命令：/gsd init、/gsd plan、/gsd execute、/gsd status、/gsd verify
基于Anthropic最佳实践的AI Agent提示工程标准与上下文工程原则。涵盖清晰度、结构化、渐进式信息发现以及信噪比优化等内容。
可最大化AI Agent效能的代码仓库结构方法论，包含三大支柱：上下文工程（将代码仓库作为知识产品）、架构约束（确定性规则落地）、垃圾回收（主动对抗熵增）。适用于搭建AI开发仓库、排查反复出现的Agent故障、编写AGENTS.md，或者设计CI门禁和结构测试等场景。
AI Agent Harness 设计模式 — 记忆、权限、上下文工程、委派、技能、 Hook、Bootstrap。中文版。
当用户要求“设计Agent工具”“创建工具描述”“降低工具复杂度”“实现MCP工具”，或者提到工具整合、架构简化、工具命名规范、Agent-工具接口时，应使用本技能。它属于上下文工程技能套件的一部分——当用户在设计影响Agent接收和处理上下文的工具时提到“context engineering”或“context-engineering”，也会激活本技能。