「AI 智慧體」AI 技能排行榜第 11 頁

參考 Codex 任務拆分、並行執行和結果彙總的編排模式。

給 AI agent 用的社交平台客戶端技能。

透過自然語言在命令列實現網頁瀏覽器互動自動化，用於瀏覽網站、導航頁面、提取資料、截圖、填寫表單、點選按鈕或與網頁應用互動。

Claw Brain 為 OpenClaw/ClawDBot 提供個人 AI 記憶、人格、關係互動和學習能力。

自主金融研究智慧體，支援股票分析、財務報表、指標、價格、SEC檔案及加密貨幣資料。

Proactive Agent 是一套讓 AI agent 主動檢查需求、維持記憶並持續改進的架構指南，包含工作區記憶、週期任務、心跳檢查、工具遷移和驗證機制。

用於深度研究任務的AI智慧體

tg 提供 Telegram 命令列訊息、會話與聯絡人操作指南。

組織複雜決策的循證分析。

ima（ima.qq.com）：用於處理所有 ima 請求，包括讀取、建立和更新資料；凡涉及 ima的任務均應使用此技能，而非呼叫其他功能。

把小說或故事創意轉成短劇提示詞包，輸出可供外部工具消費的 JSON。

在 Telegram 論壇群裡按訊息自動開新話題的技能。

幫助識別重複性業務流程，梳理瓶頸與跨系統步驟，設計、記錄、實施並監控銷售、營運、財務、人力或客服自動化，並評估預期收益。

結合已提供的脈絡與關係背景，起草合適的溝通回覆。

規劃結合向量檢索、結構化記錄和檔案搜尋的代理記憶系統。

安裝並配置 NEXO Desktop 的本地執行時核心。

審查 AI 訂閱工具的功能重疊、使用評分和缺口類別。

MCP Atlassian 描述在 Docker 中執行的 Atlassian MCP 服務。

Agent 上下文管理方法論：透過分層檔案體系實現跨 session 記憶延續、職責分離和高效上下文恢復。Use when: (1) 搭建新 agent 工作區, (2) 最佳化 agent 記憶和上下文管理, (3) 長期執行 agent 的記憶維護。

處理雲模型限流並回落到本地模型的技能。

在安裝或執行陌生 agent skill 前檢查來源、檔案和許可權風險。

透過託管 OAuth 整合 Google Forms API，可建立表單、檢查結構、查看回復、修改釋出設定並管理回覆通知。

連線 Office 365/Outlook 郵件、行事曆和聯絡人。

為 AI Agent 提供持久記憶、情感識別與語義召回的本地記憶系統。

Skill Scaffold 是用於建立 AI 智慧體技能結構的 CLI 工具。

幫助使用者在提問如‘如何做X’時發現並安裝智慧體技能，並提供50多種圖像生成、影片生成、文字轉語音模型。

透過 ACP 控制 OpenCode：開會話、發提示、續聊。

備份與恢復 ClawdBot 配置的技能。

透過 MCP 協議查詢和控制 Home Assistant 智慧家居裝置的技能。

規劃程式設計、業務分析與 NAS 後設資料只讀任務。

Moltspaces 讓代理加入語音房間，與其他代理和使用者交流。

Moltpixel 是供 AI 代理在共享像素畫布上協作創作和互動的服務。

Serenity的思維框架與認知工具。基於5個維度的深度調研

quick-reminders 描述用於不足 2 天后的一次性訊息提醒。

為智慧體記錄獎勵與動機狀態，並在後續會話中持續使用。

從筆記和對話記錄提取結構化事實、構建知識圖譜並生成會話簡報。

AI 影片生產線的全域性統籌 Skill。管理文案、分鏡與素材交付標準，在交付前統一檢查字幕、音訊、畫面是否合規，擔任五環流水線的"專案經理"。當用戶說"做一條影片""影片生產線""分鏡""交付前檢查""成片驗收"時啟用。

CodeBuddy Code CLI 的安裝、配置與使用指南。CodeBuddy Code 是騰訊推出的 AI 驅動 CLI 程式設計助手，支援自然語言驅動開發。 - 必備觸發詞：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 適用場景：安裝 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 問題

ai-boss-assistant 提供行政助理角色與工作流模板。

Proactive Agent 描述持久記憶與主動工作模式。

WorkBuddy 技能管家 —— 技能(Skill)、專家(Expert)、聯結器(Connector) 的統一入口，並升級為「排程層」。 **為什麼需要它**：技能、專家、聯結器本質上是同一樣東西——一段在需要時被載入進上下文的專業能力。 它們共同的三個病症也一樣：① 裝了沒記住（想不起有哪些可用）；② 裝了沒用上（不用的還在佔位、 還在干擾判斷）；③ 用得上但沒裝（不知道市場上有）。 而真正的斷層還有第四層：④ **市場/SkillHub 都沒有，但 GitHub 上有現成方案**——普通人既不知道、也不會把它變成自己的技能。 **它做四件事**（對應四個病症）： 1. **清庫**：掃描本地真實的呼叫記錄，找出視窗內幾乎不用的資產，疊加四類豁免 （應急類/新裝類/配置受限類/被編排類）後給出關閉清單。經你確認後走官方通道關閉，**只關不刪**。 2. **喚起**：你一描述需求，它先在一份「一行一條」的全量資產速查表裡掃一遍， 挑出 0–3 個最對口的已裝資產，告訴你叫什麼、能幹什麼、以及**怎麼喚醒它**。 3. **補貨**：同一個需求，它再去 SkillHub 找能實現它的技能；如果確實更合適而你沒裝， 就推薦你安裝（走官方市場搜尋/安裝，不繞過校驗）。 4. **排程（v2.0 新增）**：你給「需求 + 驗收標準」，管家負責中間——先路由已裝資產、不夠再推薦 SkillHub 未裝技能、還沒有就去 GitHub 調研、缺則建立新技能併發布到 SkillHub， 最後用你的驗收標準真實驗證產出，不達標就迭代。讓你把注意力放在「把需求說清、把驗收定清」， 中間環節（挑技能 / 喚起 / 推薦 / 造貨 / 驗證）交給管家。 **關鍵立場（反直覺但重要）**： - **低頻 ≠ 無用**：應急類技能（防詐騙、C 盤急救、金鑰交接）平時零呼叫，價值在"出事那一刻它已經在那"。 - **"僅手動點名"是隱藏陷阱**：被配置成不可自動呼叫的技能，計數天然偏低， 用呼叫次數判它沒用，等於拿一把被自己撥壞的尺子量東西。 - **語義匹配靠判斷，不靠關鍵詞**：實測"爸媽又被保健品講座騙了"用關鍵詞匹配不到 elder-fraud-guard。所以喚起功能的正解是——把全量資產壓成一行一條的速查表，由模型掃一遍做語義判斷。 - **採用而非重建（v2.0 立場）**：自動呼叫借鑑 技能路由樞紐 的分桶+歷史降權；發現安裝直接複用 find-skills；建立複用 skillcreator + skillhub-publish-helper。管家只新建"編排中間層"，不重複造輪子。 Make sure to use this skill whenever the user says or asks about: "技能管家"、"skill 管家"、"我的技能"、"我裝了哪些技能"、"有哪些技能可以用"、 "哪些技能能幫我做這個"、"有什麼技能適合"、"該用哪個技能"、"喚醒技能"、"技能太多了"、 "關閉不用的技能"、"清理技能"、"技能使用統計"、"哪些技能沒用過"、"技能清了"、 "專家"、"聯結器"、"mcp 用不上"、"SkillHub 上有沒有"、"市場上有沒更好的技能"、 "有沒有更合適的技能"、"我是不是該裝個什麼"、"workbuddy skill butler"、"skill butler"、 "prune my skills"、"which skills do I have"、"what skill should I use"、 或使用者描述一個具體需求後明顯在問"我有沒有工具能做這件事"。

編寫便於 AI agent 在上下文中檢索和使用的專案文件。

永久記憶自動歸檔系統。每次對話自動記錄，語義搜尋，跨會話繼承。重啟不丟、永不覆蓋。適用於所有 AI agents。

面向沒有產品設計或開發經驗的小白使用者，將“我想做一個工作臺”之類的模糊想法，透過低門檻、多輪、動態的需求訪談，整理為包含目標、角色、場景、功能、頁面、流程、資料、許可權、異常、依賴、視覺和驗收標準的完整工作臺搭建提示詞。當用戶想製作工作臺、整理工作臺需求、最佳化已有工作臺方案，或需要把業務想法交給工作臺搭建師時使用。

讓智慧體透過企業微信收發訊息的通道外掛。

在 SkillHub 平台查詢/搜尋 Skill 技能。基於 skills 列表介面，支援關鍵詞分詞搜尋、一級標籤（一級分類）篩選、以及二者組合檢索。當用戶說『找個 xxx 技能』『有沒有處理 PDF 的 skill』『SkillHub 上搜一下 xxx』『按分類看技能』『辦公效率類有哪些技能』『推薦一個做資料分析的 skill』『這個需求有現成技能嗎』等需要在 SkillHub 上發現/檢索/推薦 Skill 的場景時使用本技能。

phone-calls-bland 使用 Bland AI 代使用者進行有明確任務的電話外呼。

Harness Engineering — AI Agent 複雜任務執行方法論 一個按需載入的 AI 程式設計 Agent 技能，讓你的 Agent 在處理大型、多步驟軟體任務時更可靠、更徹底、更持久。 核心能力： · 強制行為規範：每個功能完成後必須 commit + push，不允許偷懶、不允許半成品、不允許"看起來對了"就算驗證透過 · 對抗性自審：Agent 在提交前自動切換為 Reviewer / QA / 架構師三種角色逐一審查，借鑑"門下省封駁"機制，不透過就打回重做 · 持續推進：TODO 列表驅動，不完成不停止，不跳步不切換，功能列表只允許改狀態不允許刪描述 · 分離評估：即使單 Agent 也能跑"生成 → 評估 → 迭代"迴圈，用執行時驗證替代"我覺得沒問題" · 上下文管理：子代理優先探索、按需讀取、上下文焦慮檢測、多會話交接協議，確保長任務不迷失 適用場景：跨 3+ 檔案的重構、功能開發、效能最佳化、程式碼遷移、多會話大型專案。日常小改動無需載入。 相容：Claude Code / Cursor / CodeBuddy / WorkBuddy / OpenClaw / OpenHarness 及所有支援 .md 技能檔案的 Agent 平台。 知識來源：綜合 Anthropic、OpenAI 等 15+ 個來源、近 60 篇文章的工程實踐和 Claude Code 512K 行洩露原始碼分析。 GitHub: github.com/rickyma/harness-engineering

AI智慧體的習慣形成與程式性學習，透過重複形成偏好和捷徑。屬於AI大腦系列。

ralph-evolver 根據專案上下文提出改進假設，並追蹤多輪改進的模式與結果趨勢。