这个技能用于研究和收集任何技术、框架或开发实践的外部最佳实践、文档和示例，包括官方文档、社区标准、开源项目中的优秀例子和领域特定约定。它擅长从多个来源合成信息，提供基于行业标准的全面指导，帮助用户实现最佳实践。关键词：最佳实践研究、技术文档、开源示例、行业标准、AI智能体、SEO搜索。

这个技能通过Rube MCP自动化Junglescout操作，用于亚马逊卖家数据分析和市场研究，实现工具集成和任务自动化。关键词：Junglescout自动化，Rube MCP，亚马逊工具，数据集成，AI智能体，自动化脚本。

这是一个用于管理AI智能体学习行为的技能。其主要功能是**关闭持续学习模式**，停止自动从用户交互中提取和积累知识。该技能适用于需要控制AI学习过程、管理知识库增长或进行阶段性学习的场景。关键词包括：AI学习模式控制、知识库管理、自动洞察提取、RAG应用、智能体行为配置。

这是一个针对AI研究智能体的性能优化技能，专注于解决API速率限制、提升搜索效率、改善用户体验。核心内容包括：实现指数退避重试机制和配额监控以优雅处理Gemini API的429错误；修复DuckDuckGo网络搜索工具集成；优化API调用，通过批处理、缓存和去重减少冗余请求；提供细粒度的流式进度更新，将工具执行过程可视化；改进前端结果渲染，用卡片式来源展示替代原始JSON。关键词：AI智能体优化，API速率限制处理，网络搜索集成，流式进度更新，前端结果渲染，缓存策略，错误处理，用户体验提升。

Mesh技能用于通过结构化对等评审协调子代理或工作者执行任务，优化解决方案质量。涉及提案、批评、合成、投票等循环，确保在共识和验证后完成，并持久化学习。关键词：群集协调，任务执行，代理协作，软件开发生命周期，AI智能体，高扇出，持续集成。

该技能专注于使用Convex平台构建和部署AI代理，实现线程管理、工具集成、流式响应、RAG（检索增强生成）模式和workflow orchestration，适用于开发智能助手、自动化工作流程和知识检索系统。关键词：AI代理、Convex、工具集成、RAG、workflow、智能体开发、AI应用、LLM集成、向量搜索、持久状态。

企业级代码审查智能体，自动化审查代码安全漏洞、性能问题、错误处理、架构设计和测试覆盖率。支持多语言、多仓库，无需依赖项，提升开发效率和代码质量。关键词：代码审查、自动化代码审查、安全漏洞扫描、性能优化、错误处理、架构设计、测试覆盖率、企业级开发工具、AI代码审查、DevOps工具。

智能体生成器是一个专为AI智能体开发设计的自动化工具，能够根据Babysitter SDK规范，快速生成结构完整、包含YAML前言、角色定义、专业领域和提示模板的AGENT.md文件。它简化了AI智能体（Agent）的创建流程，支持批量生成和流程集成，是构建AI应用、大模型微调和RAG应用生态的关键辅助工具。关键词：AI智能体生成，AGENT.md文件，提示模板，YAML前言，Babysitter SDK，自动化工具，AI应用开发。

本技能是ancplua-claude-plugins单仓库插件开发的权威指南，详细规定了创建、修改、调试Claude插件所需遵循的架构规范、工作流程和最佳实践。内容涵盖插件脚手架搭建、代码约定、测试验证、市场发布全流程，适用于AI智能体开发、大模型插件集成、RAG应用构建等场景。关键词：Claude插件开发，AI智能体，插件架构，单仓库管理，开发规范，测试验证，市场发布。

本技能专注于为AI智能体设计和优化工具接口，涵盖工具描述工程、整合原则、错误消息设计、命名空间组织等核心概念。旨在帮助开发者创建明确、高效、易于智能体理解和使用的工具集，提升AI智能体的任务执行效率和可靠性。关键词：AI智能体，工具设计，API设计，提示工程，整合原则，错误恢复，命名空间，MCP协议。

这个技能是用于AI代理的自我改进，通过系统收集反馈、识别错误和成功模式，实现从经验中持续学习和性能提升。它帮助AI代理建立记忆、优化决策和适应环境变化。关键词：AI代理、持续学习、模式识别、反馈机制、自我优化、机器学习、智能体改进、错误分析、成功策略。

这是一个基于直觉的AI学习系统，专为Claude Code会话设计。它通过钩子（Hooks）100%可靠地观测工具使用，检测用户模式，创建带有置信度评分的原子直觉，并自动聚类演进为技能、命令或AI智能体。该系统支持隐私保护、本地存储和直觉共享，帮助用户自动化学习过程，提高代码效率和个性化AI助手能力。关键词：持续学习，直觉学习，AI智能体，Claude Code，技能演进，置信度评分，钩子观测。