已发布技能 90
skill-forge
创建生产就绪的Claude Code技能
创建有效的Claude Code技能需要系统化的方法论,而非临时模板。Skill Forge提供了一个七阶段流程,包含基于证据的提示工程技术,将技能请求转化为战略设计的生产就绪能力,遵循最佳实践并提供一致的结果。
smart-bug-fix
通过根本原因分析调试错误
调试复杂错误会浪费开发人员数小时的时间。此技能使用系统化的根本原因分析、多模型推理和自动化测试来更快地识别和修复错误,并提供经过验证的解决方案。
skill-creator-agent
创建基于代理的技能
创建专业的AI技能需要架构指导和SDK实现模式。该技能提供了一个8步框架,用于构建能够生成具有基于证据提示和可用于生产的Claude Agent SDK实现的专家代理的技能。
skill-builder
构建 Claude Code Skills
手动创建 Claude Code Skills 容易出错且耗时。此技能生成具有适当 YAML 前置元数据、渐进式披露结构和完整目录组织的生产就绪技能模板,让您可以专注于功能实现。
sandbox-configurator
配置沙盒安全边界
Claude Code 沙盒配置复杂且安全权衡不明确。本技能提供一个专业代理,分析您的开发需求并生成适当的沙盒配置,提供从最大隔离到开发模式的四个安全级别。
research-driven-planning
基于研究的风险缓解项目规划
停止基于假设构建。本技能使用6个代理研究团队和5次迭代事前验尸分析,创建基于证据的项目计划,失败置信度低于3%。
reasoningbank-with-agentdb
使用 ReasoningBank 和 AgentDB 实现自适应学习
构建自学习智能体需要跟踪经验并随时间改进决策。此技能提供使用 AgentDB 高性能向量数据库的 ReasoningBank 自适应学习模式,实现 150 倍更快的模式检索和内存管理。
reasoningbank-intelligence
构建具有自适应智能的自学习 AI 代理
AI 代理会浪费时间重复相同的错误并使用次优策略。ReasoningBank Intelligence 使您的代理能够从每次经验中学习,识别模式,并随着时间的推移不断提高其性能。
quick-quality-check
并行运行即时代码质量检查
代码质量检查耗时过长,拖慢开发速度。并行运行 theater 检测、代码规范检查、安全扫描和测试,获得即时反馈。
reasoningbank-adaptive-learning-with-agentdb
使用 ReasoningBank 实现自适应学习
构建自学习代理需要跟踪决策轨迹并从经验中提取模式。ReasoningBank 与 AgentDB 提供了一个五阶段系统,包括轨迹跟踪、判决判断、记忆蒸馏和模式识别,以持续提高决策质量。
prompt-architect
使用结构化框架设计更优质的 AI 提示词
糟糕的提示词会产生不一致的 AI 响应。本框架提供系统化方法来分析、优化和改进提示词,运用循证技术。构建能够持续产出高质量结果的提示词。
production-readiness
验证代码的生产部署
代码通常会因错过质量门控而在生产环境中失败。此技能运行全面的部署前验证,包括安全扫描、性能基准测试和文档检查,以在部署前发现问题。
pptx-generation
使用AI生成专业PowerPoint演示文稿
创建专业的演示文稿既耗时又需要设计专业知识。本技能提供一个系统化框架,使用基于证据的提示和基于约束的设计原则来生成高质量的PowerPoint演示文稿。
parallel-swarm-implementation
执行并行多智能体实现
复杂项目需要协调多个专业智能体。该元技能根据项目需求动态分配任务给最优智能体,并行执行工作,并通过多智能体共识验证所有代码的真实性。
pair-programming
与 AI 协作进行代码开发
独自编写代码会降低你的速度并限制你的学习。此技能支持 AI 辅助结对编程,具有灵活的驾驶员-导航员角色、自动测试和持续代码审查。你可以获得实时质量反馈,同时加快开发并学习最佳实践。
network-security-setup
为 Claude Code 配置零信任网络隔离
保护您的 AI 编码环境免受提示词注入攻击和数据泄露。配置可信域名白名单、代理设置和安全的环境变量处理,实现安全开发。
ml-training-debugger
调试机器学习训练失败
机器学习训练经常因不明原因失败。此技能生成一个专业代理,系统性地分析训练日志、损失曲线和模型代码,以识别根本原因,如学习率问题、模式崩溃或架构问题。
ml-expert
实现 PyTorch 机器学习模型
将机器学习研究转化为生产代码。获得神经架构、训练流程和性能优化的专业实现,配备全面的测试和验证。
micro-skill-creator
使用专业代理创建原子化 AI 技能
构建可组合的 AI 技能需要结构化方法和基于证据的模式。此技能提供模板和工作流程,用于创建专注的微技能,这些微技能能够生成针对特定任务优化的专业代理,并使用经过验证的技术。
interactive-planner
通过交互式问题收集需求
通过结构化的多选问题将模糊的项目想法转化为清晰的规格说明。通过系统化的交互式规划会议消除歧义和遗漏的需求。
intent-analyzer
分析用户意图以提供更清晰的响应
模糊的用户请求会浪费时间并导致无关的响应。此技能应用认知科学来解码用户的真实需求。通过第一性原理思维和策略性提问,将模糊的请求转化为可执行的目标。
i18n-automation
自动化 Web 应用国际化,完整的 i18n 工作流
构建多语言 Web 应用需要复杂的翻译库设置、键值管理和语言环境路由配置。此技能可自动化整个 i18n 工作流,从库安装到翻译生成和 SEO 优化。
hooks-automation
使用智能钩子自动化开发工作流
手动管理Claude Code操作既耗时又容易出错。此技能提供智能钩子,可自动协调代理、格式化代码、验证语法并从模式中学习,从而简化您的开发工作流。
github-workflow-automation
使用 AI 智能自动化 GitHub 工作流
手动管理 GitHub Actions 工作流既耗时又容易出错。此技能提供 AI 驱动的自动化功能,可优化 CI/CD 流水线、协调多代理工作流,并通过智能推荐简化仓库管理。