Loading...
Loading...
共找到 1,862 个 Skills
使用AWS Bedrock AgentCore构建AI Agent。适用于在AWS基础设施上开发Agent、创建工具使用模式、实现Agent编排或与Bedrock模型集成的场景。触发关键词包括AgentCore、Bedrock Agent、AWS agent、Lambda工具。
与X（Twitter）API v2进行交互。可通过AI Agent发布推文、搜索内容、互动、审核以及分析数据——全部操作都能通过你的AI Agent完成。这是一套包含31个命令的Twitter/X自动化Skill。
OpenClaw 官方文档知识库，一个多渠道 AI Agent 网关。当用户询问 OpenClaw 相关问题（如安装、配置、Gateway、WhatsApp/Telegram/Discord 等渠道连接、Sessions、Tools、Skills、Pi Agent、故障排查等）时使用此 skill。
AI知识库CLI - 为AI Agent查询和管理全球知识。当用户想要搜索知识、添加知识源或与worldbook知识库交互时使用。这是一种以CLI优先的方案，将AI Agent视为一等公民。
基于PostgreSQL的AI Agent持久化共享内存（支持全文检索+pg_trgm，可选pgvector），包含压缩日志和维护脚本。
Tavily：为AI Agent优化的网页搜索工具，支持答案合成、域名过滤、搜索深度控制
系统性地审核AI Agent工作的质量、准确性和完整性。在提交变更前发现漏洞、验证模式、对照需求检查并提出改进建议。
AI Agent的动态工具选择、组合与错误处理模式。当你需要高效利用可用工具并优雅处理故障时使用。
面向AI Agent的任务分解、目标导向规划以及自适应执行策略。适用于需要结构化方法处理的复杂多步骤任务场景。
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。
在编码项目中使用beads（bd）进行持久化任务跟踪。这是一款基于Git的问题跟踪器，专为AI Agent设计，支持依赖图谱、分层任务与多Agent协作。
Amazon Bedrock AgentCore Evaluations 用于测试和监控AI Agent的质量。包含13个内置评估器以及自定义LLM-as-Judge模式。适用于Agent测试、生产质量监控、告警设置或Agent行为验证场景。