搜索结果: "智能体"
迭代检索Skill iterative-retrieval
迭代检索技能是一种用于多代理系统中解决上下文缺失问题的技术。它通过四个阶段（派遣、评估、精炼、循环）逐步检索和精炼相关文件，确保代理获得足够且相关的上下文信息，以提高任务执行效率。关键词：迭代检索、上下文检索、子代理、文件检索、精炼搜索、AI智能体、RAG应用。
幽灵规范提取技能Skill ghost
这个技能用于从现有代码仓库中提取语言无关的规范（spec）和测试，创建可移植的幽灵包。它支持跨语言实现，确保行为一致性，适用于函数库和智能体系统的测试场景，并包括验证和证据记录。关键词：幽灵包、规范提取、测试自动化、语言无关、行为验证、仓库分析。
提示优化器技能Skill octocode-prompt-optimizer
这个技能用于分析和优化AI代理的提示、文档和指令，通过6步门控流程、命令强化和失败模式分析，提高可靠性和可执行性，同时保留原始意图。适用于AI智能体开发、提示工程、代理协议优化等领域，关键词：提示优化、AI智能体、指令工程、代理协议、可靠性提升、SEO搜索优化。
OctocodePR审查代理Skill octocode-pr-review
这个技能是一个基于人工智能的PR（Pull Request）审查代理，专注于自动化代码审查，使用Octocode工具进行缺陷检测、安全分析、架构评估和质量检查。它通过智能工具链分析代码变更，识别潜在问题，并提供可操作建议，提升开发效率和代码质量。关键词：PR审查、代码审查、自动化测试、安全漏洞、架构设计、Octocode工具、AI智能体、代码质量、缺陷检测。
内存质量审计Skill memory-quality-auditor
内存质量审计技能用于监控和优化AI系统中的内存检索过程，通过检测漂移、评估陈旧性、确保引用基础性，并生成修复建议，以提升系统性能和可靠性。关键词：内存审计、检索质量、漂移检测、陈旧性分析、引用基础性、AI智能体、RAG应用、修复积压、性能优化。
模型选择技能Skill model-selection
此技能帮助开发者为自定义AI代理任务选择适当的Claude模型（Haiku、Sonnet、Opus），基于任务复杂度、成本敏感性、质量要求和延迟需求进行权衡优化。关键词：Claude模型选择，AI智能体，成本优化，性能评估，自定义代理开发。
Gemini上下文桥接Skill gemini-context-bridge
这个技能用于在Claude Code和Gemini CLI之间同步上下文和提供代理委托策略，促进AI智能体之间的协作。它通过同步CLAUDE.md到GEMINI.md来确保项目规则一致，并帮助用户根据任务类型选择最合适的AI代理。关键词：上下文同步、代理委托、Gemini CLI、Claude Code、AI智能体、AI代理协作。
LangSmith抓取调试技能Skill langsmith-fetch
LangSmith 抓取调试技能用于通过从 LangSmith Studio 抓取执行轨迹来调试 LangChain 和 LangGraph 智能体。关键词包括：调试、LangChain、LangGraph、执行轨迹、LangSmith、智能体、错误分析、性能监控、工具调用、内存操作、轨迹抓取、AI 调试。
Printautopilot自动化工具Skill printautopilot-automation
此技能用于通过Rube MCP和Composio平台自动化Printautopilot任务，包括工具发现、连接验证和执行工作流，适用于自动化工作流和工具集成。关键词包括自动化、Printautopilot、Rube MCP、Composio、AI智能体、工作流、工具集成。
Passcreator自动化技能Skill passcreator-automation
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。
MCP服务器开发技能Skill mcp-builder
本技能提供创建高质量MCP（模型上下文协议）服务器的全面指南，帮助开发者构建工具使大型语言模型（LLM）能有效与外部服务和API交互，支持Python和Node/TypeScript实现，专注于AI智能体集成和API开发。关键词：MCP服务器、AI智能体、外部服务集成、Python开发、TypeScript开发、API工具、LLM交互、模型上下文协议。
LLM项目开发方法论Skill project-development
本技能用于设计和构建基于大型语言模型（LLM）的项目，从创意构思到部署实施。涵盖识别适合LLM处理的任务、设计有效项目架构、使用智能体辅助开发、估计成本和规模等关键步骤。关键词：LLM项目开发、AI智能体、架构设计、成本估计、批量处理、智能体辅助开发、任务模型匹配、管道架构。