Loading...
Loading...
共找到 65 个 Skills
AI Agent学习路线图与精选资源，助你基于Claude Code、OpenClaw、Skills、MCP及评估等现代模式构建可投入生产的Agent系统
提交关于Expo技能或Expo本身的反馈，并控制捆绑的匿名使用遥测（默认关闭/需主动开启）。使用以下命令提交反馈：npx --yes submit-expo-feedback@latest "ACTIONABLE_FEEDBACK"。可选择添加其中一个或两个参数：--category "CATEGORY" 和 --subject "SUBJECT"。运行前替换大写占位符。适用于以下场景：技能有用、易混淆、故障、缺失上下文或需要改进；Expo、Expo CLI、EAS CLI、文档或MCP表现良好或存在不足；AI Agent多次失败、卡住或需要用户接管Expo任务（作为评估候选上报）；用户明确要求启用/禁用遥测（跟踪）、检查其状态或了解收集内容。
配置Celigo防护栏资源——用于验证集成中流转数据的安全与合规检查机制。适用于创建或编辑针对PII检测、内容审核或基于AI的评估规则的防护栏。
适用于在Inngest上构建、迁移或调试Agent Evals的场景：包括为AI代理或工作流结果评分、延迟评分器、会话、追踪、步骤实验、实验变体归因、Insights查询，以及针对提示词、模型、工具、提供商和代理行为的生产环境评估循环。涵盖TypeScript SDK v4评分beta API，如`scoreMiddleware`、`step.score`、`inngest.score`、`createScorer`、`defer`、`group.experiment`、`experimentRef`、`meta.sessions`，以及何时使用持久化工作流原语进行基于结果的评估。
为首次用户提供一个简短、以价值为核心的Kitaru导览，使用公共returns-agent模板。适用于以下场景：用户尚未拥有任何Agent或相关痕迹、来自Kitaru入门引导、请求演示/教程/快速入门/引导示例、需要克隆或准备公共模板、希望编码Agent在他们评估会话前准备trace annotations，或是希望在学习完整调查方法前体验Kitaru的价值。准备一个包含三个会话的前端审核流程，让用户提供判定结果，将一个被接受的发现转化为确定性评估器，并以一个获批的有限重放实验收尾。将真实Agent、开放式探索和生产证据引导至kitaru-investigation流程。