Loading...
Loading...
共找到 20 个 Skills
通过检查、评估逻辑与测试的分步协作指导，为LangSmith追踪的Agent创建基于代码的评估器。
当发现由你或实现Agent产生的漏洞或重复问题时使用。本质上，每次当你说“你完全正确，我本应该换种方式做”时，就需要针对该问题创建规则，避免其再次发生。
终结LLM冗余输出。这是一个精心设计的系统提示词，在保留信息的前提下，可将LLM冗长、官腔化的输出减少56-71%（经实测）。支持双语（英文+中文），可安装到你的AGENTS.md中作为持久生效的行为修正器。
Cavekit Agent的行为约束准则。包含四项原则——编码前思考、简洁优先、精准修改、目标驱动执行——可防止过度设计、隐性假设、范围蔓延以及工作偏离重点。所有任务构建者、审核者、规划者和检查者在编写任何代码之前都必须内化这些原则。触发短语："guardrails"、"karpathy"、"scope creep"、"over-engineering"、"stop adding features"、"surgical fix"。
猫咪互动、增益效果与关系建立
这是一个交互式会话，用于为基于Sanity Context MCP服务器的AI Agent编写系统提示词。当用户想要定义Agent的个性、设置语气风格、建立边界与防护规则、配置拒绝行为，或是控制Agent的沟通方式时，可使用此技能。当用户提到他们的Agent语气不对、需要拒绝特定请求、语气不合适，或是想要设置沟通规则与策略时，触发此技能。
在仅聊天模式下，像聊天助手一样回复，不修改当前代码库。
当发现由你或实现Agent造成的差距或重复问题时使用。本质上，每次当你说“你完全正确，我本应该换一种方式做”时，就需要针对这个问题创建规则，避免它再次发生。