Agent Skills 目录

从 API 文档、OpenAPI 规范、现有 curl 示例、SDK、Web 应用、管理工具或本地脚本,为 Codex 构建可组合的 CLI。当用户想让 Codex 创建一个能在任意仓库运行、提供可组合读写命令、返回稳定 JSON、管理认证并搭配配套 skill 的命令行工具时使用。

构建、搭建、重构和排查结合 MCP 服务器与 widget UI 的 ChatGPT Apps SDK 应用。当 Codex 需要设计工具、注册 UI 资源、接入 MCP Apps bridge 或 ChatGPT 兼容 API、应用 Apps SDK 元数据或 CSP 或域名设置,或生成与文档一致的项目脚手架时使用。优先采用文档优先的工作流:在生成代码前先调用 openai-docs skill 或 OpenAI 开发者文档 MCP 工具。

依据 .NET Web 开发的最新官方指南,构建、审查、重构或设计 ASP.NET Core Web 应用。适用于开发 Blazor Web Apps、Razor Pages、MVC、Minimal APIs、基于控制器的 Web API、SignalR、gRPC、中间件、依赖注入、配置、认证、授权、测试、性能、部署或 ASP.NET Core 升级。

创建新的空白 Figma 文件。当用户想创建新的 Figma 设计或 FigJam 文件时使用，或者在调用 use_figma 之前需要新文件时使用。如需要可通过 whoami 解析套餐。用法 — /figma-create-new-file [editorType] [fileName]（例如 /figma-create-new-file figjam My Whiteboard）

当任务涉及将应用的页面、视图或多区域布局转化为 Figma 时，将此技能与 figma-use 配合使用。触发词：'写入 Figma'、'从代码在 Figma 中创建'、'把页面推送到 Figma'、'把这个应用/页面在 Figma 中搭建出来'、'创建一个屏幕'、'在 Figma 中构建落地页'、'更新 Figma 屏幕以匹配代码'。当用户想根据代码或描述在 Figma 中构建或更新完整页面、屏幕或视图时，这是首选的工作流技能。通过 search_design_system 发现设计系统组件、变量和样式，导入它们并进

测试 golden_chat 黄金构建时使用

测试 golden_chat_empty 黄金构建时使用

测试 golden_chat_single 黄金构建时使用

测试 golden_chat_topics 黄金构建时使用

测试 epub 黄金构建时使用

测试 html 黄金构建时使用

Hugging Face CLI,用于估算从 Hugging Face Hub 加载 Safetensors 或 GGUF 模型权重进行推理所需的内存。

当用户询问如何为某任务寻找最佳、顶级或推荐的模型,想知道该用什么 AI 模型,或想按基准分数比较模型时使用。触发词包括:"X 的最佳模型"、"我该用什么模型"、"[任务] 的顶级模型"、"哪个模型能在我的笔记本/机器/设备上运行"、"推荐一个模型"、"我该用什么 LLM"、"比较模型"、"最新最先进的是什么",或任何为特定用途选择 AI 模型的问题。当用户想要模型推荐或比较时务必使用本 skill,即使没有明确提及。

为 SageMaker 模型部署选择合适的 serving 容器并查找其当前 image URI。只要准备将模型部署到 SageMaker endpoint 且需要选择 image URI 时就使用本 skill——包括用户说"部署这个 LLM"、"托管这个 HuggingFace 模型"、"serve 这个微调模型"、"部署这个 embedding 模型"、"托管 reranker"、"serve 这个 sentence-transformers 模型",或在部署代码中准备硬编码任何容器 URI 时。始终优先使用 HuggingFace 官方精选的 Deep Learning Containers:HuggingFace vLLM(用于 LLM 和生成式 reranker)、HuggingFace

创建 SageMaker endpoint(实时、实时缩容到零或异步),默认启用自动扩缩、CloudWatch 告警和标签。只要准备创建 SageMaker endpoint、编写调用 `create_endpoint` 的部署代码,或在确定 image URI 和 IAM 角色后收尾部署时使用本 skill。提供 deploy.py(实时 endpoint)、deploy_ic.py(通过 inference components 缩容到零实例的实时 endpoint)和 deploy_async.py(异步 endpoint,同样支持缩容到零)。这是 SageMaker 部署工作流的最后一步。绝不生成

在部署或训练前确保存在可用的 SageMaker 执行角色。只要准备创建 SageMaker endpoint、模型、训练任务或任何需要执行角色的资源时使用本 skill。尤其在用户未明确提供角色 ARN、脚本即将调用 `iam:CreateRole`,或 AccessDenied 错误涉及 IAM 操作时使用。绝不要盲目调用 `iam:CreateRole`——务必先检查现有角色。本 skill 可防止最常见的 SageMaker 部署失败:试图从没有 IAM 写权限的 SSO 主体创建 IAM 资源。

规划并协调将模型部署到 Amazon SageMaker AI。只要用户想在 SageMaker 或 AWS 上部署、托管、serve 或开放模型时使用本 skill——包括"部署一个模型"、"在 AWS 上托管这个 LLM"、"serve 这个 embedding 模型"、"部署 reranker"、"部署 text-to-image / diffusion 模型"、"托管这个做异步推理"、"创建一个 endpoint"、"serve 我微调的模型"等表述,或任何涉及让模型在 AWS 上可进行推理的请求。即使用户表达模糊(如"我只想让它在 AWS 上跑起来,你看着办")也要使用。

Discover the user's local AWS context (active profile, region, account ID, caller identity) at the start of any AWS task. Use this skill before any other AWS work — deploying to SageMaker, creating resources, calling AWS APIs, or anything that touches an AWS account. Use it especially when the user has not specified a region or profile explicitly, when they say things like "use my AWS account", "deploy to AWS", "use my profile", or when about to make any AWS CLI or SDK call. Never guess the region or account ID — always use this skill to read it from the local configuration first.

Export a Remotion video

创建一个新的 Remotion 视频

Build an app with Remotion

在构建基于 Gemini Live API 的实时双向流式应用,或将旧版 Live 模型(2.0/2.5/3.1)迁移到 Gemini 3.8 Live 时使用该技能。涵盖基于 WebSocket 的音频/视频/文本流、语音活动检测(VAD)、后台推理(扩展思考)、异步函数调用、会话管理、临时令牌、实时转录和实时翻译。涵盖的 SDK:google-genai(Python)、@google/genai(JavaScript/TypeScript)。

在编写调用 Gemini API 的代码时使用该技能,如文本生成、多轮对话、多模态理解、图像生成、视频生成、语音生成(TTS)、声音设计、声音复刻、流式响应、后台研究任务、函数调用、结构化输出,或从旧版 generateContent API 迁移。涵盖 Python 和 TypeScript 中 Gemini 模型与 agent 的 SDK 用法和最佳实践。

使用该技能进行生成式视频编辑、文生视频、图像参考视频生成、首帧生视频、首尾帧转场,以及通过官方 google-genai SDK 调用 Gemini Omni 1.1 Flash (gemini-omni-1.1-flash) 进行视频扩展。包括使用 ffmpeg 预处理/优化高分辨率或长视频的工作流、去除音频以完全重新生成声音,以及处理逐轮视频编辑和并行执行。