Loading...
Loading...
共找到 415 个 Skills
将自然语言描述的Nexor需求映射为精准配置，并通过Nexor MCP工具完成构建。涵盖任意潜客metadata、通知、CRM同步、字段/状态事件、资格校验门限、工作流工具与钩子、webhook、任务、云/定时函数、触达节奏、渠道与知识库分配、多Agent系统以及转移功能。适用于客户询问Agent如何接收或使用自定义潜客信息、描述自定义行为、集成方案、路由规则或多Agent构建场景。在答疑前先查看账户配置，分解变量、阶段与边界，修改配置前需进行方案审核与签字确认，优先使用确定性原语，无论创建顺序如何，均需回读所有预期的渠道、连接和知识库分配情况。
当用户希望通过Penpot MCP Server使用AI Agent处理Penpot设计文件时，可使用本技能。触发场景包括：通过AI Agent使用Penpot、处理设计文件、设计系统、设计令牌、Penpot MCP、设计转代码、从设计生成UI、审计设计系统、创建组件/变体、重命名图层、从Penpot导出资源、添加流程、交互、动画、遮罩或在Penpot中制作原型，以及触发AI Agent读取/修改Penpot文件。此外，当用户希望设置Penpot MCP、将任何兼容MCP的AI Agent或IDE连接到Penpot，或者从Penpot设计生成可用于生产的HTML/CSS/React时，也可触发本技能。本技能适用于Penpot-Agent工作流——设计、编码、审计、原型制作或设置。
适用于任何代码库探索或理解任务——从Entire检查点读取历史意图，而非主观猜测。可协调其他Entire技能，为Agent提供有溯源依据的代码相关答案。
设置并维护仓库的Agent指令层——包含一个真实的根指令文件、一个AGENTS.md符号链接（确保所有Agent读取同一文档）、一个注释规范块，以及一个漂移检查功能，用于捕获文档中记录的命令、路径、结构和数量与仓库实际情况不匹配的问题。
执行从假设生成到决策的完整FPF周期
利用Agentic Context Engineering（ACE）将反思和评论中的见解整理到CLAUDE.md中
将重复性工作转化为Superset自动化流程——草拟Agent提示词、确认调度计划和目标、通过CLI创建自动化，并共同审核首次运行结果。当用户需要定时或周期性运行的Agent、每日/每周任务，或希望通过Superset自动化重复任务时使用。
通过证据对问题进行调查。适用于开展调查、从数据中梳理结论，或通过主张树（claim tree）达成对问题的共识。
针对论文、文章、社交媒体帖子和行业动态等多来源调查特定主题，交付一份带索引的Markdown报告。当用户要求进行调查、调研、收集资料、建立索引、收集证据、汇总参考文献，或需要针对特定主题进行全面的跨来源汇总时使用。依赖documenting-with-sources和writing-quotation技能。
任何对话开始时使用——明确技能的查找与使用方法，要求在包括澄清问题在内的任何回复前调用Skill工具
创建新Skill - 按照Claude Code规范和本仓库的模式快速搭建技能定义。添加新技能时使用。
为AI Agent生成或更新项目记忆文件——默认输出为AGENTS.md，支持CLAUDE.md等特定Agent的目标文件，在捕获稳定架构、约定和运维知识的同时保持同级记忆文件同步