人工智能 Skill技能列表
网关脚本设计Skill gateway-script-design
这个技能专注于设计网关脚本,作为智能体(AI代理)编码的入口点,用于创建命令行接口(CLI)命令、程序化调用代理、构建自动化工作流脚本等。适用于AI代理集成、自动化脚本开发和DevOps工具链优化。关键词:网关脚本设计、AI智能体、CLI接口、自动化工作流、Python脚本、代理调用。
模型使用情况Skill model-usage
这是一个用于分析和汇总CodexBar CLI本地成本日志中AI模型(如Codex、Claude)使用情况的技能工具。它支持按模型(当前模型或所有模型)生成成本摘要,提供命令行脚本和JSON输出格式,便于开发者和AI应用管理者进行成本监控和优化。关键词:CodexBar, 模型成本, AI使用分析, 成本监控, 命令行工具, JSON摘要, 开发工具。
PDCA-trackerSkill pdca-tracker
PDCA-tracker是一个专门用于跟踪PDCA(计划-执行-检查-行动)循环和改进管理的技能。它支持AI驱动的PDCA跟踪,包括循环设置、假设开发、实验规划、结果验证、标准工作更新、循环迭代跟踪、学习文档和多项目组合视图。
Gemini3Pro图像生成器Skill nano-banana-pro
这是一个使用Gemini 3 Pro Image模型进行AI图像生成和编辑的技能,允许通过命令行脚本快速生成高分辨率图像,支持单图像编辑和多图像组合。关键词:图像生成、图像编辑、Gemini 3 Pro、AI图像处理、命令行工具、Python脚本。
Agentuity云向量统计工具Skill agentuity-cli-cloud-vector-stats
Agentuity云向量统计工具是一个命令行接口(CLI)技能,专门用于获取和管理Agentuity云平台上向量存储的统计信息。该工具需要用户先完成身份验证,并可在项目上下文中运行,支持查看所有命名空间或特定命名空间(如“products”、“embeddings”)的向量存储详细统计数据。关键词:Agentuity CLI、向量存储统计、云平台操作、身份验证、命名空间管理、数据统计、命令行工具、云服务。
Claude应用连接器Skill connect-apps
此技能允许Claude人工智能连接并操作1000多个外部应用,如Gmail、Slack、GitHub等,实现发送电子邮件、创建GitHub问题、发布Slack消息、管理Notion笔记等自动化任务,提升工作效率和集成能力。关键词:Claude、应用连接、自动化、电子邮件、Slack、GitHub、Composio、工具路由、AI智能体。
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。
模型监控Skill ModelMonitoring
模型监控技能用于确保部署在生产环境中的机器学习模型维持良好的性能,通过检测数据漂移、概念漂移和性能退化来实现模型的可靠性和准确性。关键词包括:模型性能、数据漂移、概念漂移、异常检测、机器学习可观测性。
简短随意技术解释Skill "short-casual-technical-explanation"
这个技能用于按请求生成简洁、非正式的技术概念解释,优先考虑简洁性和对话风格,帮助快速理解复杂技术话题。关键词包括技术解释、简洁说明、对话式AI、AIGC、内容生成。
MCP服务器构建指南Skill mcp-builder
这个技能是指导如何创建高质量的MCP(模型上下文协议)服务器,使大型语言模型(LLMs)能通过精心设计的工具与外部服务和API交互。涵盖从研究规划到实施评估的全流程,适用于AI智能体开发、后端集成和LLM应用构建。关键词:MCP, 服务器, AI, LLM, 工具, 外部服务, 开发指南, 智能体, API集成。
MCP服务器开发指南Skill mcp-builder
这个技能提供创建MCP(模型上下文协议)服务器的全面指南,用于让大型语言模型(LLMs)通过工具与外部服务交互,支持Python和Node/TypeScript开发,涵盖从研究、规划到实现、测试的全过程。关键词:MCP服务器、LLM工具、API集成、AI代理、后端开发、模型上下文协议、Python、TypeScript、AI应用、智能体交互。
MCP服务器开发Skill mcp-builder
这个技能专注于创建高质量的MCP(模型上下文协议)服务器,使大型语言模型(LLMs)能够通过设计良好的工具与外部服务进行交互。它涵盖了从研究规划到实现、测试和评估的全流程,支持Python和TypeScript开发,并包括错误处理、分页和可操作错误消息等关键功能。关键词:MCP服务器、LLM交互、API集成、工具设计、TypeScript开发、Python开发、AI智能体、模型上下文协议、服务器开发、AI应用集成。