已發佈技能 90
slash-command-encoder
為 AI 工作流程建立快速斜線命令
將重複的 AI 任務轉換為快速、可編寫腳本的斜線命令。此技能為微技能、級聯和代理生成符合人體工學的命令介面,具備自動發現、參數驗證和智慧路由功能。
skill-forge
建立生產級 Claude Code 技能
建立有效的 Claude Code 技能需要系統化方法,而非臨時性模板。Skill Forge 提供七階段流程,結合基於證據的提示技術,將技能需求轉化為遵循最佳實踐並提供一致結果的策略性設計、生產級功能。
skill-creator-agent
創建基於代理的技能
創建專業化的 AI 技能需要架構指導和 SDK 實作模式。此技能提供一個 8 步驟框架,用於構建能夠生成具有基於證據提示和生產就緒的 Claude Agent SDK 實作的專家代理的技能。
skill-builder
建立 Claude Code 技能
手動創建 Claude Code 技能容易出錯且耗時。此技能可生成具備適當 YAML 前置資料、漸進式揭露結構和完整目錄組織的生產級技能模板,讓您專注於功能開發。
sandbox-configurator
配置沙盒安全邊界
Claude Code 沙盒配置複雜且安全權衡不明確。此技能提供專業代理,分析您的開發需求並生成適當的沙盒配置,包含從最大隔離到開發模式的四個安全級別。
research-driven-planning
以研究為基礎的風險緩解進行專案規劃
停止基於假設進行開發。此技能使用 6 個代理研究團隊和 5 次迭代的事前驗屍分析,創建基於證據的專案計畫,失敗信心度低於 3%。
reasoningbank-with-agentdb
使用 ReasoningBank 和 AgentDB 實現自適應學習
構建自學習代理需要追蹤經驗並隨時間改進決策制定。此技能提供使用 AgentDB 高性能向量數據庫的 ReasoningBank 自適應學習模式,可實現 150 倍更快的模式檢索和記憶體管理。
reasoningbank-intelligence
建立具備自適應智能的自學習 AI 代理
AI 代理經常浪費時間重複相同的錯誤並使用次優策略。ReasoningBank Intelligence 使您的代理能夠從每次經驗中學習、識別模式,並隨著時間持續改進其性能。
reasoningbank-adaptive-learning-with-agentdb
使用 ReasoningBank 實現自適應學習
構建自我學習代理需要追蹤決策軌跡並從經驗中提取模式。ReasoningBank 搭配 AgentDB 提供一個五階段系統,用於軌跡追蹤、判斷評定、記憶提煉和模式識別,以持續改善決策品質。
quick-quality-check
並行執行即時程式碼品質檢查
程式碼品質檢查耗時過長,拖慢開發速度。並行執行劇場偵測、程式碼檢查、安全掃描和測試,獲得即時回饋。
prompt-architect
使用結構化框架設計更好的 AI 提示詞
不佳的提示詞會產生不一致的 AI 回應。本框架提供系統化的方法,使用循證技術來分析、改進和優化提示詞。建立能持續產生高品質輸出的提示詞。
production-readiness
驗證程式碼以進行正式環境部署
程式碼經常因錯過品質關卡而在正式環境中失敗。此技能執行全面的部署前驗證,包括安全性掃描、效能基準測試和文件檢查,以在部署前發現問題。
pptx-generation
使用 AI 生成專業 PowerPoint 簡報
製作專業簡報既耗時又需要設計專業知識。此技能提供一個系統化框架,使用基於證據的提示和基於約束的設計原則來生成高品質的 PowerPoint 簡報。
parallel-swarm-implementation
執行平行多代理實作
複雜專案需要協調多個專業代理。此元技能根據專案需求動態分配任務給最佳代理,平行執行工作,並通過多代理共識驗證所有程式碼的真實性。
pair-programming
與 AI 協作進行程式開發
獨自寫程式會拖慢速度並限制學習。此技能可實現靈活駕駛員-導航員角色的 AI 輔助配對程式設計、自動測試和持續程式碼審查。您可以在加速開發和學習最佳實踐的同時獲得即時品質回饋。
network-security-setup
為 Claude Code 設定零信任網路隔離
保護您的 AI 程式開發環境免受提示注入攻擊和資料外洩。設定信任網域白名單、代理伺服器設定,以及安全的環境變數處理,確保開發安全。
ml-training-debugger
偵錯機器學習訓練失敗
機器學習訓練經常因不明原因失敗。此技能會啟動一個專業代理,系統化地分析訓練日誌、損失曲線和模型程式碼,以識別根本原因,例如學習率問題、模式崩潰或架構問題。
ml-expert
實作 PyTorch 機器學習模型
將機器學習研究轉化為生產程式碼。獲得神經網路架構、訓練管線和效能最佳化的專業實作,並附帶完整的測試與驗證。
micro-skill-creator
使用專業代理創建原子化 AI 技能
構建可組合的 AI 技能需要結構化方法和基於證據的模式。此技能提供模板和工作流程,用於創建專注的微技能,這些微技能會生成針對特定任務優化的專業代理,並使用經過驗證的技術。
interactive-planner
透過互動式問題收集需求
透過結構化的多選題將模糊的專案想法轉化為清晰的規格說明。通過系統化的互動式規劃會議消除歧義和遺漏的需求。
intent-analyzer
分析用戶意圖以提供更清晰的回應
模糊的用戶請求會浪費時間並導致無關的回應。此技能應用認知科學來解碼用戶的真正需求。通過第一性原理思維和策略性提問,將模糊的請求轉化為可執行的目標。
i18n-automation
自動化網頁應用程式國際化,提供完整的 i18n 工作流程
建立多語言網頁應用程式需要複雜的翻譯函式庫設定、金鑰管理和語系路由。此技能自動化整個 i18n 工作流程,從函式庫安裝到翻譯生成和 SEO 優化。
hooks-automation
使用智能鉤子自動化開發工作流程
手動管理 Claude Code 操作既耗時又容易出錯。此技能提供智能鉤子,可自動協調代理、格式化代碼、驗證語法,並從模式中學習以簡化您的開發工作流程。
github-workflow-automation
使用 AI 智慧自動化 GitHub 工作流程
手動管理 GitHub Actions 工作流程既耗時又容易出錯。此技能提供 AI 驅動的自動化功能,可優化 CI/CD 管道、協調多代理工作流程,並透過智慧建議簡化儲存庫管理。