并行生成模式是一种AI智能体协同工作框架，用于高效生成和管理多个并行子代理。该技能通过任务拆分、上下文准备和并发执行，实现多任务并行处理，适用于代码开发、系统探索、测试验证等场景。关键词：AI智能体，并行处理，任务协调，子代理生成，并发编程，软件开发自动化，多任务管理，智能体协同。

验证输出技能是一种用于在软件开发流程中，确保AI智能体或自动化工具生成的JSON输出数据符合预定模式（Schema）的自动化验证方法。该技能通过Bash脚本和模式文件，在数据写入最终位置前进行强制验证，防止无效数据污染系统。核心功能包括模式匹配、错误诊断、数据格式校验，适用于AI智能体协作、自动化任务输出、数据管道验证等场景。关键词：输出验证、JSON模式、数据校验、自动化测试、AI智能体、软件开发流程、数据质量保证。

这个技能用于管理Ralph编排循环，包括循环的启动、停止、监控、合并队列处理，以及通过诊断数据进行错误分析、性能监控和故障排除。适用于AI智能体运维和DevOps场景，关键词包括Ralph、循环管理、诊断、运维、AI代理、hat选择、backpressure。

通用型智能体技能是一个多功能问题解决工具，专为处理复杂研究项目和多步骤工作流设计。它结合了系统性研究方法、分析思维和协调执行能力，适用于跨领域分析、信息综合和复杂任务分解。该技能支持多源信息收集、模式识别、解决方案综合和适应性策略执行，帮助用户从研究到行动的全流程管理。关键词：通用智能体，复杂问题解决，多步骤工作流，跨领域分析，研究执行，任务分解，信息综合，适应性策略，系统性方法，协调执行。

提示模板设计技能专注于创建和管理结构化AI提示模板，支持变量插值、多格式输出、版本控制和动态上下文注入。该技能适用于大语言模型应用开发、AI智能体构建、RAG系统优化等场景，帮助开发者实现高效、可维护的提示工程工作流。关键词：提示工程，模板设计，变量管理，版本控制，AI提示，大模型应用，RAG系统，LangChain，提示优化

灵流（SoulFlow）是一个专为OpenClaw设计的AI工作流自动化框架，支持构建自定义多步骤任务流水线。该工具通过创建隔离的智能体会话，实现开发安全审计、错误修复、功能开发、内容创作、运维自动化等多种场景的自动化执行。关键词：AI工作流、自动化框架、智能体开发、任务自动化、OpenClaw扩展、多步骤流程、开发工具、AI自动化、工作流引擎、智能体协作。

该技能专注于有限状态机的设计与实现，特别适用于游戏AI开发。它支持构建分层状态机、定义清晰的状态转换逻辑以及处理各类事件，是构建复杂、响应式游戏角色行为和控制系统的核心工具。 关键词：有限状态机 FSM 游戏AI 状态机设计 分层状态机 状态转换 事件处理 游戏开发 行为树 智能体

本技能文档详细介绍了如何使用中继代理SDK构建和编排多智能体工作流系统。涵盖WorkflowBuilder API、DAG步骤依赖管理、智能体定义配置、步骤输出链式传递、验证门机制、专用通道设置、多种集群模式（如扇出、管道、Map-Reduce等）、错误处理策略和事件监听。适用于需要协调多个AI智能体（Claude、Codex、Gemini等）完成复杂任务的开发场景，提供完整的多智能体工作流编排解决方案。关键词：多智能体工作流、AI智能体编排、DAG依赖管理、集群模式、中继代理SDK、工作流自动化、智能体协同、验证门机制、错误处理、事件监听

本技能专注于设计和实现由多个AI智能体协同工作的复杂系统架构。它提供了一套完整的框架和模式，用于协调智能体之间的任务分配、工具使用、状态管理和通信。核心内容包括四层架构设计、七种协调模式（如扇出/扇入、递归委托、MAKER等）、工具协调机制、生命周期管理以及生产环境加固方案。适用于需要多个AI代理协作完成复杂任务（如代码审查、数据分析、自动化流程）的场景。关键词：多智能体系统，AI智能体协调，任务编排，工具使用，架构模式，LLM应用，智能体协作，系统设计。

这个技能使用多智能体架构从产品UI截图自动提取功能并生成开发任务清单，适用于竞品分析、需求文档生成、UI设计评估等场景。关键词包括截图分析、多智能体、功能提取、任务清单、竞品分析、AI应用。

这是一个用于自动化任务完成后发送邮件通知的技能工具。主要功能包括：SMTP邮件发送、任务状态通知（成功/失败/部分完成等）、项目信息自动提取、环境变量配置管理。适用于AI智能体运行监控、DevOps自动化流程、任务完成提醒等场景。关键词：邮件通知，SMTP，任务监控，自动化提醒，Codex，Claude，AI智能体，DevOps自动化。

上下文优化是一种用于扩展大型语言模型有效上下文容量的关键技术。它通过压缩、掩蔽、缓存和分区等策略，在不增加模型规模或硬件要求的情况下，显著提升智能体处理长对话、大文档和复杂任务的能力。核心应用场景包括降低AI应用成本、减少推理延迟、构建长期运行的智能体系统以及优化大规模生产部署。关键词：上下文优化，LLM上下文扩展，AI成本优化，智能体性能提升，KV缓存优化，上下文压缩，大模型工程。