Loading...
Loading...
共找到 57 个 Skills
实现或修改使用claude-agent-sdk gem的Ruby代码，包括query()一次性调用、基于Client的交互式会话、流式输入、选项配置、工具/权限、钩子、SDK MCP服务器、结构化输出、预算、沙箱、会话恢复、Rails集成以及错误处理。
适用于为LLM设计提示词、优化模型性能、构建评估框架，或实现进阶提示词技术（如思维链、少样本学习、结构化输出）时使用。
推荐城市中的POI（含Schema+确定性结果）。
并行调度多个独立任务：创建表格、分发至子代理、汇总结果。一行代表一个工作单元。
使用Claude Messages API结合结构化输出来构建应用，确保JSON Schema验证。涵盖提示词缓存（节省90%成本）、SSE流式传输、工具调用以及模型弃用说明。可预防16种已记录的错误。 适用场景：构建聊天机器人/Agent、排查rate_limit_error、提示词缓存问题、SSE流式传输解析错误、MCP超时问题或结构化输出幻觉问题。
获取当前Hacker News的热门故事，并返回适合Agent使用的结构化结果。当用户明确询问Hacker News或HN时，或者当用户询问今日开发者、创业公司、YC或科技社区热门故事（此时Hacker News是首选默认来源）时，使用该技能。
CrewAI任务设计与配置指南。适用于创建、配置或调试CrewAI任务的场景——包括编写任务描述与expected_output、通过上下文设置任务依赖、配置输出格式（output_pydantic、output_json、output_file）、使用防护机制进行验证、启用人工输入、异步执行、Markdown格式化，以及调试任务执行问题。
使用Pydantic AI构建AI Agent——涵盖工具、功能、结构化输出、流式传输、测试以及多Agent模式。当用户提及Pydantic AI、导入pydantic_ai、或要求构建AI Agent、添加工具/功能、流式输出、通过YAML定义Agent、测试Agent行为时，可使用本技能。
面向大语言模型（LLM）的Prompt设计模式，涵盖few-shot、chain-of-thought、结构化输出和注入防御等能力。可用于编写Prompt、优化LLM输出或构建基于Prompt的功能场景。
使用正则表达式和语法控制LLM输出，保证生成有效的JSON/XML/代码，强制结构化格式，并借助Microsoft Research的约束生成框架Guidance构建多步骤工作流
规划路线并返回距离+预计到达时间（含数据结构规范+确定结果）。
运用零样本、少样本、思维链和结构化输出技术设计高效的LLM提示词。适用于构建需要可靠输出的LLM应用、实现RAG系统、创建AI Agent，或优化提示词质量与成本。涵盖OpenAI、Anthropic及开源模型，并提供Python/TypeScript多语言示例。