Loading...
Loading...
共找到 190 个 Skills
当用户需要对某个主题进行全面、深入的研究，且要求达到学术期刊或白皮书级别的详细分析时，应使用本Skill。该Skill通过网络搜索和内容分析开展多阶段研究，利用多个子Agent实现高并行处理，并生成带有引用的详细Markdown报告。
结合测试生成（会话、上下文、分析、任务生成）与迭代测试周期执行（自适应策略、渐进式测试、CLI降级方案）的统一测试修复流水线。可通过「workflow:test-fix-gen」「workflow:test-cycle-execute」「test fix workflow」触发。
编排完整的ToolUniverse自改进周期：发现API、创建工具、使用研究员角色测试、修复问题、优化技能，并通过git推送。会引用并调度所有其他devtu技能。适用于以下请求场景：运行自改进循环、执行一轮调试/测试、扩展工具覆盖范围、提升工具质量，或者迭代ToolUniverse。
多Agent并行开发周期，涵盖需求分析、探索规划、代码开发与验证环节。编排逻辑在主流程中内联运行（无需独立的编排Agent）。支持基于Markdown进度文档的持续迭代，通过“parallel-dev-cycle”触发。
分析任务，选择合适的Agent集群类型，并生成可直接启动的集群（包含fleet.json和prompt.md文件）。可动态发现可用的集群技能。适用于用户希望并行执行工作、要求“规划一个集群”或提及“fleet-plan”的场景。
安装并配置Workflow Development Kit，用于构建具备步骤级持久化、流恢复和Agent编排功能的可恢复、高耐用性AI Agent工作流。
使用POMASA模式语言生成声明式多智能体系统（MAS）。适用于构建智能体管道、编排多个AI Agent或创建研究自动化工作流。支持Prompt-Defined Agent、Orchestrated Pipeline、Filesystem Data Bus和Verifiable Data Lineage等模式。
用于PRD、架构以及Epic/Story生成的交互式项目规划工具。适用于新项目启动、功能规划、PRD创建、架构设计，以及将工作拆解为Epic和Story的场景。
关于amplihack框架架构、模式及使用方法的全面知识
端到端测试修复工作流，生成包含渐进式测试层级（L0-L3）的测试会话，然后执行迭代修复循环直至通过率≥95%。将测试修复生成与测试周期执行整合为统一流水线，通过触发词“workflow:test-fix-cycle”启动。
适用于multi-repo-swarm的Agent技能 - 通过$agent-multi-repo-swarm调用
通过并行多Agent分析与执行，高效规划并完成大规模重构或重写工作。当用户要求重构大量文件、拆分工作流、分析目标代码区域，以及协调具有明确职责和依赖感知执行能力的子Agent时，可使用本方法。