Loading...
Loading...
共找到 51 个 Skills
SmartACE（Agentic Context Engineering，智能主体上下文工程）工作流引擎，包含MCP-B（Master Client Bridge，主客户端桥接器）和AMUM-QCI-ETHIC模块。采用DuckDB（分析型）+ SurrealDB（图型）的双数据库架构，使用Blender 5.0（bpy）和UE5 Remote Control。适用于以下场景：(1) 基于INQC协议的MCP-B主体间通信，(2) AMUM 3→6→9渐进式对齐，(3) QCI量子相干状态管理，(4) ETHIC原则执行（遵循Marcel/Anthropic/EU AI Act），(5) SurrealDB图关系处理，(6) DuckDB SQL工作流，(7) 基于infera/vss的ML推理，(8) Blender 5.0无头处理，(9) UE5场景控制，(10) DuckLake时间回溯。
指导Agent内存系统的实现，对比各类生产级框架（Mem0、Zep/Graphiti、Letta、LangMem、Cognee），并设计用于跨会话知识留存的持久化架构。当用户提出“实现Agent内存”、“跨会话持久化状态”、“为Agent构建知识图谱”、“长期跟踪实体”、“添加长期内存”、“选择内存框架”等需求，或提及时序知识图谱、向量存储、实体内存、自适应内存、动态内存或内存基准测试（LoCoMo、LongMemEval）时，可使用本技能。这是一项核心的上下文工程技能——当用户在Agent持久化知识与跨会话持久化的语境下提及“context engineering”或“context-engineering”时，也会触发本技能。
当用户要求“实现LLM-as-judge”、“比较模型输出”、“创建评估Rubric”、“缓解评估偏差”，或者提及直接评分、成对比较、位置偏差、评估流水线、自动化质量评估时，应使用本技能。它属于上下文工程技能套件的一部分——当用户在评估LLM输出质量的语境中提到“context engineering”或“context-engineering”时，也会触发本技能。
当用户提出“将上下文卸载到文件”、“实现动态上下文发现”、“使用文件系统作为Agent内存”、“减少context window膨胀”等需求，或提及基于文件的上下文管理、工具输出持久化、Agent暂存区、即时上下文加载相关内容时，应使用此技能。这是一项核心的Context Engineering技能——当用户在通过文件系统策略将上下文扩展至context window之外的场景下提到“上下文工程”或“context-engineering”时，同样会激活此技能。
为编码Agent（Claude Code、Codex、Cursor、Gemini CLI）提供专业的提示词工程、上下文工程和AI Agent编排服务。适用于设计CLAUDE.md/AGENTS.md文件、编写Skill、规划多Agent工作流、优化Token使用、管理会话交接，或构建能最大化Agent性能的任何提示词。请勿用于通用编码任务或代码评审。
当用户要求“构建后台Agent”“创建托管编码Agent”“设置沙箱执行环境”“实现多玩家Agent”，或者提及后台Agent、沙箱虚拟机、Agent基础设施、Modal沙箱、自生成Agent或远程编码环境时，应使用此技能。它属于上下文工程技能套件的一部分——当用户在Agent部署与执行基础设施的语境下提到“上下文工程”或“context-engineering”时，也会触发此技能。
通过上下文工程与自动化上下文打包，实现语义代码智能与Token优化。适用于为大型代码库降低Token开销、使用Gitingest创建仓库摘要、使用Repomix打包代码上下文，或使用llm-tldr追踪跨文件依赖等场景。
当用户要求“优化上下文”、“降低Token成本”、“提升上下文效率”、“实现KV-cache优化”、“划分上下文”，或者提及上下文限制、观察掩码、上下文预算、扩展有效上下文容量时，应使用此技能。这是一项核心的上下文工程技能——当用户在Token限制内最大化信息密度的场景中提及“context engineering”或“context-engineering”时，也会触发此技能。
基于Anthropic的聚焦会话最佳实践，验证并优化CLAUDE.md文件。检测矛盾内容、冗余信息、过长篇幅（超过200行）、强调过度（密度超过2%）、失效链接以及孤立章节。提供0-50分的健康评分，建议安全的自动修复方案和内容提取机会。适用于编辑CLAUDE.md时、提交代码前、文档超过200行时，或用户提出“优化CLAUDE.md”“检查矛盾”“验证文档”等需求时，也可用于季度文档评审。支持项目级和全局级CLAUDE.md文件（.md扩展名）。基于Anthropic 2025上下文工程最佳实践构建。
面向自主长期运行编码Agent的元提示、上下文工程和规范驱动开发系统
为适配AI Agent的代码库搭建和优化Harness工程（包括AGENTS.md、docs/目录、lint规则、评估系统、项目级提示词工程）。触发场景包括：为AI Agent搭建新的/空白项目、创建AGENTS.md或CLAUDE.md、Harness工程相关问题、提升Agent在代码库上的运行效果。当用户对Agent质量不满或抱怨时也会触发——例如「Agent总是忽略约定」、「它从不遵守指令」、「为什么它一直在做X」、「Agent坏了」——因为Agent输出效果差几乎都是Harness存在缺口的信号，而非模型本身的问题。覆盖范围：上下文工程、架构约束、多Agent协调、评估、长期运行Agent Harness，以及Agent质量问题诊断。
基础上下文工程技能——探索该领域时从这里开始。当用户要求“理解上下文”、“解释上下文窗口”、“设计Agent架构”、“调试上下文问题”、“优化上下文使用”，或者讨论上下文组件、注意力机制、渐进式披露或上下文预算时，应使用此技能。当用户提及“context engineering”或“context-engineering”以寻求AI Agent上下文系统的基础理解时，也会激活此技能。