Loading...
Loading...
共找到 232 个 Skills
30分钟内将全新Ubuntu VPS快速搭建为包含安全工具与协作基础设施的完整多Agent AI开发环境
当用户表示已完成工作、结束会话、收尾或道别时，主动使用此Skill。当大量工作已完成但用户未明确要求继续时，也可使用此Skill。它会分析会话以优化技能/命令/Agent，并将有用的项目权限同步到全局设置中。
该流程通过一套规范的探索→规划→实现→验证循环，让你能够有信心地调整AI Agent的行为——无论是修复已报告的故障，还是引入新需求、业务规则或策略。它基于MLflow追踪进行问题诊断，将期望行为编码为回归测试套件（在`@mlflow.test` pytest测试中使用`mlflow.genai.evaluate`断言），并迭代Agent而非测试，直到测试通过。当真正的修复需要从上游解决时（如缺失工具、检索源或能力），拒绝采用临时的系统提示补丁。当用户想要修复或更改Agent行为时均可使用此流程，例如“修复我的Agent中的这个问题”“这个答案是错误的”“Agent在幻觉生成内容”“基于此追踪记录改进我的Agent”“让Agent做X而不是Y”“我希望Agent优先推荐/采用X”“新业务规则：Agent应该执行X”“始终/绝不执行X”“更改Agent的默认行为”，或者用户分享了需要处理的追踪记录时。
当用户希望将重复的浏览器工作流转换为可复用的参数化Agent Skill时，请使用此Skill，尤其适用于具有明确输入和输出的任务，例如定时抓取、表单提交、数据提取、监控流程、价格探测或登录受限报告等场景。请勿将其用于一次性网页任务；此类任务请使用steel-browser。
适用于在Medusa项目中构建面向内部管理员的AI Agent。这些Agent由商家和店铺运营人员操作，而非客户。内容涵盖数据模型、模块服务、Agent运行时（工具、系统提示词、streamText）、流式API路由（NDJSON）以及管理端UI聊天扩展。适用于所有内部Agent类型：店铺运营助手、商品审核、群组分析、客服人员专用客服工具等。请勿用于面向客户的Agent（店铺前端聊天机器人、买家端助手）。
借助Cloudflare Agents SDK在Workers + Durable Objects上构建AI Agent。它提供WebSocket、状态持久化、任务调度以及多Agent协同功能，可预防23种已记录的错误。 适用场景：构建WebSocket Agent、基于Vectorize的RAG应用、MCP服务器，或排查“Agent类必须继承”“new_sqlite_classes”、绑定错误、WebSocket负载限制等问题。
面向AI Agent的完整Valyu API工具包。当需要执行跨网页、学术、医疗、交通、金融数据源的实时搜索、URL内容提取、带引用的AI生成答案或综合性深度研究报告时，可使用此工具。
面向工作流Agent的GitHub数据采集模式，涵盖按意图构建搜索查询、日期范围处理、代码仓库范围收窄、preferences.md集成、跨仓库智能分析、并行流采集模型以及空结果自动恢复机制。适用于构建需要检索GitHub Issues、PR、讨论、版本发布、安全告警或CI状态的Agent。
使用带有run_in_background参数的Task工具实现子Agent并行执行的模式。适用于协调多个独立任务、生成动态子Agent，或是实现可并行化功能的场景。
LangGraph框架，用于构建有状态的多Agent AI应用，支持循环工作流、人在回路模式和持久化检查点。
当创建或配置Claude Code Agent及其frontmatter时，可使用本技能。
当使用Inngest和AgentKit构建持久化AI Agent或Agent工作流时使用，包括模型调用、工具调用、多Agent网络、人工审批、实时进度、服务商速率限制、崩溃安全执行以及Agent Evals交接。涵盖AgentKit、`step.ai`、`step.run`、`step.waitForEvent`、原生实时功能，以及何时使用底层Inngest原语替代内存中的Agent循环。当用户需要为Agent进行评分、会话管理、实验、延迟评分或基于结果的评估时，可搭配`inngest-agent-evals`使用此技能。