Agent Skills 目录
共收录 199 个 Agent Skills(Claude 技能),一份 SKILL.md 让 AI 助手掌握一项专项能力。
ponytail-gain
以记分板形式展示 ponytail 的实测收益:代码更少、成本更低、速度更快,数据来自 agent 基准测试平均值。一次性展示。
agent-reach
当用户想在网上调研/research/搜索/查/找/look up任何内容时必须使用——例如:全网调研 X / 帮我调研一下 X / 查一下 X / 搜搜 X / 看看大家怎么评价 X / X 上有什么讨论 / research this topic。用户提到任何平台或分享任何 URL/链接时也必须使用:小红书/xiaohongshu/xhs、Twitter/推特/X、B站/bilibili、Reddit、Facebook、Instagram、V2EX、LinkedIn/领英/Boss直聘/招聘/求职/jobs、YouTube、GitHub 代码搜索、小宇宙播客、雪球/股票行情、RSS feeds 或任何网页 URL。支持 16 个平台,多后端路由(OpenCLI / 各平台 CLI / API),6 个渠道零配置。运行 `agent-reach doctor --json` 可查看各平台由哪个后端服务
understand-knowledge
分析 Karpathy-pattern LLM wiki 知识库,通过实体提取、隐含关系和主题聚类生成交互式知识图谱。
improve-animations
以资深动效顾问的视角审查代码库中的动画与动效代码,产出按优先级排序的审计报告和可独立执行的实施方案,供其他代理(或更便宜的模型)执行。对源码只读——只规划改进,不做修改。当用户要求「改进动画」「审计动效」「让应用体验更好」,或想要一份动画修复路线图而非单个 diff 的评审时使用。
open-code-review-delegate
open-code-review(OCR)的委托模式。OCR 不调用 LLM 接口,而是指示宿主 agent 自己执行代码审查,OCR 仅用于确定性工程:文件选择和规则解析。当宿主 agent 应使用自身 LLM 能力驱动审查时使用。
open-code-review
使用 alibaba/open-code-review 的 `ocr` CLI 对 Git 变更执行 AI 驱动的代码审查。当用户要求审查代码、审查 PR、审查暂存/未暂存变更、审查提交或对比分支查找代码质量问题时使用。生成行级审查评论,并可在要求时自动应用修复。配合适当的审查规则,可检测各类问题,包括 bug、安全漏洞、性能问题和代码质量隐患。
open-code-review
使用 alibaba/open-code-review 的 `ocr` CLI 对 Git 变更执行 AI 驱动的代码审查。当用户要求审查代码、审查 PR、审查暂存/未暂存变更、审查提交或对比分支查找代码质量问题时使用。生成行级审查评论,并可在要求时自动应用修复。配合适当的审查规则,可检测各类问题,包括 bug、安全漏洞、性能问题和代码质量隐患。
open-code-review-delegate
open-code-review(OCR)的委托模式。OCR 不调用 LLM 接口,而是指示宿主 agent 自己执行代码审查,OCR 仅用于确定性工程:文件选择和规则解析。当宿主 agent 应使用自身 LLM 能力驱动审查时使用。
aas-compose-stack
将编码代理明确选择的 AAS 技能保存为经验证的 stack 及可选的依据记录。
007
为任何项目提供安全审计、加固、威胁建模(STRIDE/PASTA)、红队/蓝队、OWASP 检查、代码审查、事件响应和基础设施安全服务。
add-educational-comments
为指定文件添加教学性注释;若未提供文件,则提示用户指定要注释的文件。
acreadiness-generate-instructions
通过 AgentRC 的 instructions 命令生成定制的 AI agent 指令文件。生成 .github/copilot-instructions.md(默认,推荐用于 VS Code 中的 Copilot),还可选择为 monorepo 生成带 applyTo glob 的分区 .instructions.md 文件。在运行 /acreadiness-assess 之后使用,以补齐 AI Tooling 支柱的缺口。
agent-memory-mcp
混合记忆系统,为 AI agent 提供持久化、可搜索的知识管理(架构、模式、决策)。
cognee-improve-sessions
在处理 cognee 的会话记忆或使用 improve() 时使用——用 session_id 存储对话轮次、agent 轨迹和反馈,把会话桥接到永久图谱,读取 ImproveResult,理解 improve 阶段为何被跳过、already_completed 或 lock_held,或调整 IMPROVE_* 配置时。
add-atomic-chat-tool
添加 Atomic Chat MCP 服务器,让容器内 agent 能通过其 OpenAI 兼容 API 调用 Atomic Chat 桌面应用提供的本地模型。
add-codex
使用 Codex(OpenAI 的 codex app-server)作为完整的 agent 提供方——规划、工具编排、MCP 工具、服务端历史、会话恢复——可与 Claude 并用或替代 Claude。需要 ChatGPT 订阅或 OpenAI API key,仅通过所选网关保管凭证。按群组配置:`ncl groups config update --provider codex`。区别于把 OpenAI 当作 MCP 工具使用(那种情况下 Claude 仍是规划者)。
monetization-strategy
头脑风暴 3-5 种变现策略,包含受众匹配度、风险和验证实验。适用于探索收入模式、评估定价策略,或决定产品如何变现。
gemini-agents-api
管理 Gemini Enterprise Agent Platform 上的自定义 Agent 资源。当用户想在执行对话之前,以编程方式创建、配置、列出、更新或删除有状态的、由服务端托管的 Agent 资源(包括挂载文件、技能和工具)时使用。
agent-platform-skill-registry
与 Gemini Enterprise Agent Platform Skill Registry 交互,创建和搜索可用的技能。用于让 agent 注册功能或发现新能力。
smoke-test
基于 git diff 对已部署或本地应用运行冒烟测试。每个测试使用 Skyvern 浏览器工具(导航、操作、验证、截图),并以 Chrome DevTools MCP 作为备选。将截图证据发布为 PR 评论。
auto-review-loop-llm
使用任意 OpenAI 兼容 LLM API 的自主科研评审循环。通过 llm-chat MCP 服务器或环境变量配置。触发词:"auto review loop llm" 或 "llm review"。
auto-review-loop
自主多轮科研评审循环。在 Copilot CLI 中默认使用原生的互补“橡皮鸭”子代理并结合宿主事件的模型证据;其他环境使用 Codex,同时仍可显式指定外部评审。会实施修复并反复评审,直到获得策略认可的正面评价或达到最大轮数。
auto-review-loop-minimax
基于 MiniMax API 的自主多轮科研评审循环。当想用 MiniMax 替代 Codex MCP 进行外部评审时使用。触发词:"auto review loop minimax" 或 "minimax review"。
memory-systems
用于 agent 系统中的持久化语义记忆:跨会话知识保留、实体追踪、时间有效性、图谱或向量检索、记忆整合以及记忆基准选择。基于文件的暂存区请路由到 filesystem-context,交接摘要请路由到 context-compression,token 效率优化请路由到 context-optimization。