这个技能专注于大型语言模型（LLM）的提示缓存策略，通过多级缓存（包括提示前缀、完整响应和语义相似性匹配）来优化成本和性能。它包括Anthropic提示缓存、响应缓存和缓存增强生成（CAG）等技术，适用于减少LLM推理延迟、降低成本，并提高系统的响应效率。关键词：LLM提示缓存、成本优化、语义缓存、CAG、响应缓存、缓存失效、AI应用。

该技能用于生成正式文档，采用标准段落散文格式，不使用表格、项目列表或特殊符号，确保内容事实准确，避免推测性信息，适用于官方或政府场景。关键词：正式报告写作，政府文档，事实准确性，无格式限制，AI生成内容。

这个技能是关于如何开发MCP服务器的详细指南，帮助构建工具使大型语言模型能够与外部API和服务交互。适用于Python和TypeScript开发，涉及工具设计、API集成和AI应用部署。关键词：MCP开发, 服务器编程, 工具集成, AI交互, 类型安全, API设计, 模型上下文协议。

这是一个用于管理和自动化Zapier工作流的Claude AI技能，支持MCP工具编排、自动化流程、日常摘要和研究搜索，提升工作效率和自动化水平。关键词：Zapier, 工作流, 自动化, AI, Claude, MCP, 工具编排, SEO搜索。

这个技能用于利用Google Gemini 2.5 Flash Image模型，通过文本提示生成高质量图像，支持图像编辑、多图像组合等功能，适用于AI生成内容、视觉设计和创意项目。关键词包括：图像生成、AI、Google Gemini、文本转图像、图像编辑、AIGC。

该技能用于指导团队在代理编码中的自动化进展，从交互式 In-Loop 到离线 Out-Loop 再到完全自动化的零接触工程。它帮助评估代理成熟度级别、规划自动化进程、识别采用障碍，并建立自主操作信心。关键词包括 ZTE、自动化、代理成熟度、进展指导、测试覆盖、成功率、代理工作流。

本技能用于管理智能体舰队，通过CRUD操作（创建、命令、监控、删除）和生命周期模式，实现多智能体系统中的资源高效利用和清理。适用于AI智能体开发、自动化任务执行和系统资源优化。关键词：智能体管理、AI智能体、生命周期模式、CRUD操作、资源清理、多智能体系统。

这个技能用于通过Rube MCP自动化Onepage平台的操作，实现工具发现、连接管理和执行自动化工作流，提升任务效率和集成能力。关键词：Onepage自动化, Rube MCP, Composio, 工具集成, 自动化工作流, AI智能体。

该技能提供了 Agentica 多代理基础设施的全面 API 参考指南，用于构建、协调和调试多代理系统。涵盖模式类、核心组件和原语，适用于AI智能体开发和多代理工作流管理，帮助开发者实现自定义代理交互和优化协调流程。关键词：AI智能体、多代理、基础设施、API、协调、模式、开发、调试、工作流。

本技能用于在AI智能体系统中，通过文件协调和背景代理来隔离上下文，防止输出污染，优化资源使用，并提高开发效率。关键词：AI代理、上下文隔离、文件协调、背景任务、智能体管理、大模型微调、AI应用开发。

这是一个高质量提示模板库，用于优化AI模型的使用，包含角色扮演、任务特定模板和提示改进技术，适用于编码、写作、分析或创意任务。关键词包括：提示模板、AI提示、角色扮演、代码审查、技术写作、数据分析、SEO优化。

该技能用于实施全面的LLM应用评估策略，包括自动指标计算、人工反馈收集和基准测试。适用于测试LLM性能、测量AI应用质量、建立评估框架等场景。关键词：LLM评估、自动指标、人工评估、A/B测试、基准测试、AI应用质量。