蜂巢智能体构建核心概念技能提供了构建目标驱动AI智能体的完整基础知识体系，涵盖智能体架构设计、节点类型（事件循环与函数节点）、工具发现与验证、工作流编排等核心概念。本技能适用于AI智能体开发者、LLM应用工程师、自动化流程构建者，帮助用户理解智能体开发的基础原理、架构模式和最佳实践，为构建复杂的AI驱动应用提供理论指导。关键词：AI智能体开发、目标驱动架构、事件循环节点、工具发现、工作流编排、LLM应用、自动化流程、Python智能体、MCP工具、图执行引擎。

这个技能专注于为LLM代理设计测试框架，包括工具使用、多代理系统评估，以及覆盖成功、安全、可靠性、延迟和成本的全面测试方法。关键词：LLM代理测试、工具沙盒、评分标准、回归测试、AI智能体评估。

这是一个用于在Cloudflare Workers上构建和部署AI智能体的技能。它支持工具集成、多种LLM提供商（如OpenAI、Anthropic、Google Gemini）、MCP协议，并利用Cloudflare的serverless平台实现高效AI应用开发。关键词：Cloudflare、AI智能体、serverless、MCP、LLM、工具集成。

这个技能是一种基于文件的规划方法，专为复杂任务和AI代理设计，通过创建task_plan.md、findings.md和progress.md文件来维护持久上下文，优化工作流程管理。适用于多步骤任务、研究或涉及许多工具调用的场景。关键词包括文件规划、任务管理、AI智能体、持久化内存、工作流程优化、上下文管理。

这个技能指导团队创建基本的代理层组件，用于启动代理式编码，包括设置AI开发者工作流、创建提示模板和实现脚本，适用于新项目启动或现有代码库自动化。关键词：代理层, AI智能体, 工作流, 自动化编码。

这个技能用于在指定级别生成Agentic提示，利用元提示技术自动化创建slash命令或工作流提示。关键词：Agentic提示、元提示、提示生成、AI智能体、自动化工作流、技能开发、元编程。

该技能用于通过钩子架构实现自定义代理的安全和治理控制，包括权限控制、危险操作拦截、审计日志记录等，适用于构建需要安全要求的代理。关键词：代理安全、钩子编程、权限治理、审计跟踪、安全控制、AI智能体、自定义代理开发。

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。

技能创建器：一个用于创建和管理AI代理技能的完整指南，提供技能定义、结构、创建步骤、最佳实践和工具集成。帮助用户高效开发可重用、可发现的技能，优化代理能力扩展和自动化工作流程。关键词：技能创建、AI智能体、技能管理、自动化、指南、代理开发。

这是一个用于自动化执行去中心化应用（DApp）开发任务的智能体技能。它遵循软件设计文档（SDD）规范，通过读取任务清单、实施计划和技术规格，自主完成智能合约编写、TypeScript开发、文档撰写等工作。该技能内置了严格的质量检查流程，包括代码检查、格式验证、类型检查和合约编译，并采用零容忍政策确保代码质量。它支持分阶段评审，能调用专门的评审代理进行代码审查，并在每个任务完成后自动提交代码、更新状态。最终，它能生成实施摘要并更新Pull Request状态，实现从开发到代码提交的端到端自动化工作流。关键词：DApp开发，智能合约，自动化实施，代码评审，质量检查，任务管理，Git提交，区块链开发，Midnight Network。

智能研究协调技能通过协调多个专业智能代理，自动化执行研究项目，支持文献检索、批判性分析、假设探索、量化分析等模块化任务，提升研究效率。关键词：智能研究、代理协调、AI智能体、文献回顾、数据分析、研究自动化、智能代理、学术搜索、研究项目管理。

这个技能封装了OpenAI Assistants API v2，用于快速构建状态ful的聊天机器人应用，支持代码解释器、文件搜索和RAG技术，提高开发效率并预防常见错误。关键词：OpenAI, 助手API, 聊天机器人, RAG, 代码解释器, 文件搜索, AI智能体, 状态ful对话, 向量存储, 错误处理。