Loading...
Loading...
共找到 190 个 Skills
为LLM交互设计、测试并优化prompt。 涵盖prompt模式（few-shot、chain-of-thought、ReAct）、系统prompt设计、 输出格式化、prompt评估以及prompt优化技术。 当输入以下关键词时触发本技能："write prompt"、"optimize prompt"、"design system prompt"、 "few-shot examples"、"chain of thought"、"prompt evaluation"、 "LLM output formatting"、"prompt testing"或"prompt patterns"。
作为自主后台子Agent执行单个DAG步骤。是v-planning生成的DAG计划中phase-running的同类组件。直接读取step-<n>.md文件，通过前置元数据（frontmatter）状态以原子方式认领该步骤，运行三类成功标准，并返回报告。由v-implementing或/run-step触发启动。
适用于设计多智能体系统、实现监督者模式、协调多个智能体，或咨询关于“multi-agent”、“supervisor pattern”、“swarm”、“agent handoffs”、“orchestration”、“parallel agents”相关问题的场景
通过代码库调研将研究成果转化为设计决策。适用于以下场景：(1) 将研究成果转化为实现方案；(2) 在多种设计方案中做选择；(3) 在执行/research或deep-research之后使用；(4) 为/plan阶段准备输入内容。
用于问题解决的统一团队Skill。所有角色通过传入--role参数调用该Skill，以执行对应角色的任务。触发关键词为"team issue"。
交互式待办事项梳理：探索、头脑风暴、讨论，然后整合。 编排Agent和工单创建技能，生成优先级明确的GitHub Issues。 执行Misty Step全组织标准。
用于迁移的TDD工作流——编排Agent，主上下文零膨胀
当用户提出‘wrap up session’、‘end session’、‘session wrap’、‘/wrap’、‘document learnings’、‘what should I commit’这类需求，或是希望在结束编码会话前分析已完成的工作时，即可使用该Skill。
为新仓库或现有仓库搭建Memory Bank，然后接入PRD驱动的工作流或遗留系统（brownfield）工作流。
面向Fusion生态系统的基于源文件的研究编排工具。根据问题类型路由到对应的研究Agent。仅返回有来源支撑的证据；不会虚构Framework行为、组件API或技能目录关系。适用场景：任何需要关于Fusion Framework API、EDS组件或Fusion技能目录的来源支撑证据的研究问题。不适用场景：实施代码变更、安装或编辑技能、MCP设置或故障排查，或无证据地虚构Fusion行为。
记录最近解决的问题，积累团队知识
基于任务复杂度自动选择模型、匹配专业Agent、采用Zero-shot CoT推理并强制进行自我校验，启动智能子Agent