Loading...
Loading...
共找到 279 个 Skills
用于RAG/LLM的基础数据支撑。返回为LLM优化的预提取网页内容（文本、表格、代码）。支持GET和POST请求。可根据内容复杂度调整max_tokens/结果数量。支持Goggles、本地/POI功能。若需AI直接返回答案请使用answers接口。推荐给所有构建AI/Agent类应用的开发者。
在Cloudflare Workers上构建AI Agent，支持MCP集成、工具调用和大语言模型提供商对接。
应用适用于生产环境的LangChain SDK链、Agent与内存模式。 适用于实现LangChain集成、代码重构，或为LangChain应用制定团队编码标准的场景。 可通过如下短语触发：“langchain SDK patterns”、“langchain best practices”、“langchain code patterns”、“idiomatic langchain”、“langchain architecture”。
在创建新技能、编辑现有技能，或部署前验证技能是否可正常工作时使用
用于借助ADK在Google Cloud的Gemini Enterprise Agent平台上构建、评估和部署AI Agent的CLI及技能集
适用于Claude Code的交互式子Agent创建技能。当用户想要创建自定义子Agent，或提及需要针对特定任务的专用Agent时使用。该技能指导整个子Agent创建流程，包括标识符设计、系统提示词生成、技能/上下文选择，以及将格式规范的Agent文件写入.claude/agents目录。
使用LangGraph、ChromaDB RAG和Polygon.io数据构建用于实时金融期权分析的AI Agent
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）。