提示工程技能是专门用于设计和优化与大型语言模型（LLM）交互的提示和上下文的方法论。它基于Anthropic的最佳实践，核心是通过上下文工程，以最小的、高信号令牌集合来最大化AI智能体的输出效果。该技能强调清晰度、结构化、渐进式信息加载和信噪比优化，旨在提升AI智能体在对话、任务执行和问题解决中的效率和准确性。关键词：提示工程，上下文工程，AI智能体，LLM优化，信噪比，渐进式发现，Anthropic最佳实践，智能体设计。

本技能详细介绍了多智能体架构的设计模式、应用场景与最佳实践，旨在解决单智能体上下文限制问题，通过任务分解、上下文隔离和智能体协调来提升复杂任务的处理能力。关键词：多智能体架构、上下文隔离、任务分解、智能体协调、监督者模式、对等模式、层级模式、共识机制、故障缓解、LangGraph、AutoGen、CrewAI。

这个技能是专家级框架，用于帮助AI代理或人类在实施前检测模糊或不完整的需求，通过询问澄清问题来确保相互理解，减少幻觉和重做，提高首次成功率。它提供系统方法用于模糊性检测、问题制定和问题重述，支持AI-人类协作和提示工程。关键词：问题框架化、模糊性解决、需求分析、澄清问题、AI智能体、提示工程、SEO搜索、技能提升。

本技能指南详细介绍了如何使用Beads（bd）CLI和bv图侧车进行依赖感知任务规划、优先级管理和多智能体工作协调。关键词：任务管理、依赖规划、优先级排序、多智能体协作、项目管理工具、执行计划、工作流自动化、DevOps工具、AI辅助规划、开源项目管理。

这是一个用于AI智能体协作系统的核心管理技能。它定义了一个高级别的“经理与规划师”角色，负责协调多个AI智能体（如守门员、分析师、文书员等）的工作流程。核心功能包括：强制执行“计划先行”原则、运行系统完整性测试、委派任务、进行质量控制审计、确保证据链的完整性与可追溯性。适用于构建法律级证据分析、文档处理自动化、多智能体系统协调等场景。关键词：AI智能体协调，计划优先工作流，系统完整性测试，证据链管理，质量控制审计，自动化文档处理。

本技能详细讲解如何为事件驱动微服务架构配置Dapr发布/订阅组件，支持Kafka和Redis两种主流消息中间件。涵盖从基础组件配置、订阅模式（声明式与编程式）、事件发布到Kubernetes生产部署的全流程，特别适用于构建多智能体（Agent）通信系统、微服务间解耦以及云原生应用开发。关键词：Dapr发布订阅，微服务事件驱动，Kafka配置，Redis消息队列，云原生架构，智能体通信，Kubernetes部署，FastAPI集成。

此技能专注于设计和协调多代理系统，通过代理群架构、任务分发、通信协议和集体行为来实现复杂任务的分布式执行和集体智能。关键词：多代理系统、代理协调、任务分配、通信模式、集体智能、AI代理、智能体、分布式执行、涌现行为、系统设计。

这个技能用于在结构和最佳实践方面提供专家指导，帮助用户创建或编辑 Claude Code 代理技能。关键词包括：代理技能、Claude Code、技能创建、专家指导、最佳实践、结构优化、智能体开发、AI技能构建。

Ralph Wiggum模式是一种自主AI编码循环技能，用于实现无人值守的软件开发。它通过AI智能体如Claude在安全沙箱中连续工作，自动处理任务如功能开发、bug修复和代码重构。关键词：AI编码，自主开发，安全沙箱，Claude AI，自动化软件工程，智能体开发。

这个技能用于通过Composio的Passcreator工具包和Rube MCP自动化Passcreator操作。它包括工具发现、连接管理和工作流执行，适用于需要自动化任务和工具集成的场景。关键词：Passcreator自动化、Rube MCP、Composio、工具发现、自动化工作流、AI智能体。

此技能通过Rube MCP自动化Parallel任务，实现工具发现、连接管理和工作流执行，适用于AI代理、自动化脚本和集成开发场景。关键词：Rube MCP, Parallel, 自动化, Composio, 工具集成, AI智能体, 工作流自动化。

持续学习v2系统是一个基于本能架构的AI智能体学习框架，通过100%可靠的钩子机制观察用户与Claude的交互会话，自动提取原子本能行为并赋予置信度评分，最终演化为可重用的技能、命令和专用智能体。该系统支持模式检测、本能聚类、置信度演化、导入导出等功能，实现个性化AI助手持续优化。关键词：AI智能体学习，持续学习系统，本能架构，置信度评分，模式检测，技能演化，Claude插件，自动化学习，个性化AI，智能体训练