Loading...
Loading...
共找到 410 个 Skills
使用Agentica SDK构建Python Agent——包含@agentic装饰器、spawn()函数、持久化功能、MCP集成
搜索对话历史和语义记忆，以调取之前的讨论内容、决策信息及上下文。当用户提出“搜索记忆”“我们之前讨论了什么”“还记得当时”“查找之前的对话”“查看历史记录”等需求时，或是在开始工作前需要调取过往决策信息时，可使用该功能。
为使用子Agent的复杂多任务工作启用编排器模式。当你需要协调多个独立的Task子Agent完成工作，同时保持主上下文窗口整洁时使用该模式。
编排并行科学家Agent，通过AUTO模式实现全面分析
为计划的每个部分配备并行研究Agent，以丰富计划深度、补充最佳实践与实现细节
使用DAG调度的多Agent并行执行已获批的OpenSpec提案
当通过Claude Code或任何AI Agent管理cmux终端面板、会话界面（surface）和工作区时，使用此技能。在为子Agent生成拆分面板、向终端会话界面发送命令、读取屏幕输出、创建/关闭工作区、通过cmux实现浏览器自动化，以及任何需要多面板终端编排的任务时触发。当提及“cmux”、“split pane”、“new-pane”、“read-screen”、“send command to pane”，或进行需要独立终端会话界面的子Agent驱动开发时，也会触发此技能。
两阶段流程：追踪（因果调查）→深度访谈（需求固化），搭配三点注入机制
使用并行处理解决所有待处理的CLI待办事项，总结经验教训，然后清理已完成的待办事项。
借助并行测试Agent实现全面验证。适用于验证实现方案或变更内容的场景。
采用双循环架构编排端到端的自主AI研究项目。内循环以明确的优化目标快速运行实验迭代，外循环综合结果、识别模式并引导研究方向。可路由至特定领域技能执行任务，通过Claude Code /loop和OpenClaw心跳机制支持智能体持续运行，并生成研究演示文稿和论文。适用于启动研究项目、运行自主实验或管理多假设研究工作场景。
主动清理代码库，移除AI冗余代码（AI slop）、死代码、弱类型、过度防御性工程、重复代码以及遗留冗余代码。它会并行调度8个专门的子代理（subagents），以实现代码去重、类型合并、移除未使用代码、梳理循环依赖、强化弱类型、移除不必要的try/catch、删除废弃/遗留代码路径以及清理无意义注释。当用户要求‘清理代码库’、‘移除冗余代码’、‘提升代码质量’、‘移除死代码’、‘清理AI冗余代码’、‘收紧类型定义’、‘移除遗留代码’、‘代码去重’、‘实现DRY原则’、‘梳理依赖关系’，或者需要全面优化代码质量时，即可使用该工具。此外，当用户提及代码异味、技术债务清理或为提升可读性而重构时——即使没有使用‘冗余代码（slop）’一词，也可使用。