Loading...
Loading...
共找到 137 个 Skills
当需要监控、照看、审核、评审、对比或修复其他Agent的工作时使用，支持的来源包括Codex会话ID、Claude Code会话/转录文本、聊天/线程链接、PR、分支、日志或粘贴的运行摘要。持续监控直到该Agent完成工作或陷入阻塞，还原用户的初始请求，检查该Agent实际做出的更改和验证内容，报告存在的差距，并在用户授权修复时可进行限定范围内的修正。
探索面向专业软件的Agent原生CLI。访问实时目录，查找适用于创意工作流、生产力工具、AI等场景的工具。
创建或修订Agent Skill。适用于添加新Skill文件、重命名Skill、简化现有Skill、优化触发描述，或是判断内容应归入Skill还是参考资料、脚本、资源或普通文档的场景。
端到端实现一个标记为ready-for-agent的GitHub问题，并提交一个经过审核的拉取请求。
通过提出最多5个针对性极强的澄清问题，识别当前功能规格说明书中描述不明确的区域，并将答案整合回规格说明书中。
用于将工作委托给子Agent或tmux工作者的填空式提示模板——包含SEARCH/LOCATE（搜索/定位）、IMPLEMENT（实现）、REFACTOR（重构）、RESEARCH（调研）、REVIEW/VERIFY（评审/验证）五种类型。在编写任何委托提示（Agent工具、agent-tmux工作者或分支任务）之前调用此模板，确保提示包含明确的目标（GOAL）、验收标准（ACCEPTANCE）和报告（REPORT）部分，而非模糊的需求。本模板不用于决定是否委托，也不用于启动工作者后的驱动管理（相关内容请查看tmux-delegate agent和tmux-agent-tools skill）。
使用Railcode CLI构建、测试、发布、调用、调度和更新Railcode托管Agent。适用于创建组织或个人托管Agent、编辑Agent清单（JSON或YAML格式）、运行草稿或已保存的Agent、排查运行问题、管理其cron调度、通过Slack调用（@Railcode $agent）、与配套应用配对、在沙箱中处理文件，或是代表单个所有者使用个人连接器（Gmail、Slack等）的场景。不适用于静态Railcode应用、应用内LLM工具循环（llm.generate({ tools }) — 请查看create-railcode-app）或一般组织管理操作。
利用经过验证的项目证据和最窄的有效范围，创建或补全缺失的仓库级Codex指南，尤其是AGENTS.md。适用于全新或严重不完整的指南。使用kf-maintain-guidance来精简、重组或更新已确立的指南。请勿仅因仓库开始工作、常规功能实现或bug修复而使用本方法。
当用户希望通过Penpot MCP Server使用AI Agent处理Penpot设计文件时，可使用本技能。触发场景包括：通过AI Agent使用Penpot、处理设计文件、设计系统、设计令牌、Penpot MCP、设计转代码、从设计生成UI、审计设计系统、创建组件/变体、重命名图层、从Penpot导出资源、添加流程、交互、动画、遮罩或在Penpot中制作原型，以及触发AI Agent读取/修改Penpot文件。此外，当用户希望设置Penpot MCP、将任何兼容MCP的AI Agent或IDE连接到Penpot，或者从Penpot设计生成可用于生产的HTML/CSS/React时，也可触发本技能。本技能适用于Penpot-Agent工作流——设计、编码、审计、原型制作或设置。
设置并维护仓库的Agent指令层——包含一个真实的根指令文件、一个AGENTS.md符号链接（确保所有Agent读取同一文档）、一个注释规范块，以及一个漂移检查功能，用于捕获文档中记录的命令、路径、结构和数量与仓库实际情况不匹配的问题。
利用Agentic Context Engineering（ACE）将反思和评论中的见解整理到CLAUDE.md中
通过证据对问题进行调查。适用于开展调查、从数据中梳理结论，或通过主张树（claim tree）达成对问题的共识。