Loading...
Loading...
共找到 43 个 Skills
为AI Agent优化的无头浏览器自动化CLI，支持可访问性树快照和基于引用的元素选择
优化Agent上下文设置。适用于开启新会话、Agent输出质量下降、切换任务，或者需要为项目配置规则文件和上下文的场景。
当用户要求「创建ReAct Agent」「使用工具构建Agent」「实现工具调用Agent」「使用dspy.ReAct」，提到「带工具的Agent」「推理与执行」「多步骤Agent」「使用GEPA优化Agent」，或者需要构建可借助工具解决复杂任务的生产级Agent时，应使用本Skill。
通过引导式问答创建和优化OpenCode Agent。可主动用于Agent创建、性能提升或配置设计。 示例： - 用户：“创建一个代码审核Agent” → 询问范围、权限、工具、模型偏好，生成AGENTS.md前置内容 - 用户：“我的Agent忽略上下文” → 分析描述清晰度、允许使用的工具、权限，提出改进建议 - 用户：“添加一个数据库专家Agent” → 收集需求，在subagent_type中设置convex-database-expert，配置权限 - 用户：“让我的Agent更快” → 建议使用更小的模型、减少允许的工具、收紧权限
从ccbox会话日志（项目/会话/历史记录/技能）中总结经验教训，让Agent在后续表现更优。生成有证据支持的可直接使用的指令更新（项目级+全局级），可选择通过技能跨度上下文将失败归因于特定技能。当被要求运行/ccbox:insights、生成“经验教训”备忘录或根据会话历史提出常规指令时使用。
设计Agent可有效使用的工具，包括何时降低工具复杂度。适用于创建、优化或精简Agent工具集的场景。
在Agent任务完成后，从6个维度（目标一致性、效率、决策质量、错误处理、沟通能力、可复用性）开展回顾分析。对表现进行评分，识别低效模式，评估Skill的使用情况，并生成可落地的改进建议。触发条件为收到“进展如何”“回顾总结”“绩效评审”“如何优化”等指令，或在任何耗时较长的Agent任务完成后自动触发。
分析Claude Code会话记录以评估技能组合健康度——包括路由错误、描述间的注意力竞争以及覆盖缺口。生成带有单技能健康卡片、竞争矩阵、注意力预算分析和可执行补丁的交互式HTML报告。与孤立优化单个技能的skill-creator不同，skill-auditor将技能组合作为一个系统进行整体优化，可检测跨技能注意力窃取和级联风险。当用户说出"audit my skills"、"skill audit"、"run skill-auditor"、"analyze skill routing"、"check skill competition"、"portfolio health"、"スキル監査"、"スキルの精度を分析"、"スキルルーティング分析"时可使用本工具。
💰 Token 节省器 触发场景：当Token成本较高、对话篇幅较长、文件被多次读取，或是在执行复杂任务前使用。 这是一项指导性技能，可帮助Agent识别并避免向LLM API发送重复上下文。 指导Agent识别重复内容，通过摘要替代重复发送的方式来节省Token。
为目标导向型Agent构建了一套持续改进循环流程：EVAL（评估）、ANALYZE（分析）、RESEARCH（研究，包含假设+证据+反论点）、IMPROVE（改进）、RE-EVAL（再评估）、DECIDE（决策）。自动提交满足要求的改进（净提升≥2%，且无超过5%的性能退化），并在失败时自动回滚。支持全部4种SDK实现。当触发关键词如"improve agent"、"self-improving loop"、"agent eval loop"、"benchmark agents"、"run improvement cycle"时自动激活。
用于让Agent实现自我改进的元技能。涵盖更新AGENTS.md、从重复工作流创建新技能，以及确定需要系统化的内容。可在完成任务后、发现重复操作阻碍时或会话结束时调用。
分析Agent与用户的交互记录，识别上下文网络的维护需求与指引优化方向。适用于重要Agent交互完成后，或用于优化上下文网络时。