「AI 智能体」AI 技能排行榜第 11 页

参考 Codex 任务拆分、并行执行和结果汇总的编排模式。

给 AI agent 用的社交平台客户端技能。

通过自然语言在命令行实现网页浏览器交互自动化，用于浏览网站、导航页面、提取数据、截图、填写表单、点击按钮或与网页应用交互。

Claw Brain 为 OpenClaw/ClawDBot 提供个人 AI 记忆、人格、关系互动和学习能力。

自主金融研究智能体，支持股票分析、财务报表、指标、价格、SEC文件及加密货币数据。

Proactive Agent 是一套让 AI agent 主动检查需求、维持记忆并持续改进的架构指南，包含工作区记忆、周期任务、心跳检查、工具迁移和验证机制。

用于深度研究任务的AI智能体

tg 提供 Telegram 命令行消息、会话与联系人操作指南。

组织复杂决策的循证分析。

ima（ima.qq.com）：用于处理所有 ima 请求，包括读取、创建和更新数据；凡涉及 ima的任务均应使用此技能，而非调用其他功能。

把小说或故事创意转成短剧提示词包，输出可供外部工具消费的 JSON。

在 Telegram 论坛群里按消息自动开新话题的技能。

帮助识别重复性业务流程，梳理瓶颈与跨系统步骤，设计、记录、实施并监控销售、运营、财务、人力或客服自动化，并评估预期收益。

结合已提供的上下文与关系背景，起草合适的沟通回复。

规划结合向量检索、结构化记录和文件搜索的代理记忆系统。

安装并配置 NEXO Desktop 的本地运行时核心。

审查 AI 订阅工具的功能重叠、使用评分和缺口类别。

MCP Atlassian 描述在 Docker 中运行的 Atlassian MCP 服务。

Agent 上下文管理方法论：通过分层文件体系实现跨 session 记忆延续、职责分离和高效上下文恢复。Use when: (1) 搭建新 agent 工作区, (2) 优化 agent 记忆和上下文管理, (3) 长期运行 agent 的记忆维护。

处理云模型限流并回落到本地模型的技能。

在安装或运行陌生 agent skill 前检查来源、文件和权限风险。

通过托管 OAuth 集成 Google Forms API，可创建表单、检查结构、查看回复、修改发布设置并管理回复通知。

连接 Office 365/Outlook 邮件、日历和联系人。

为 AI Agent 提供持久记忆、情感识别与语义召回的本地记忆系统。

Skill Scaffold 是用于创建 AI 智能体技能结构的 CLI 工具。

帮助用户在提问如‘如何做X’时发现并安装智能体技能，并提供50多种图像生成、视频生成、文本转语音模型。

通过 ACP 控制 OpenCode：开会话、发提示、续聊。

备份与恢复 ClawdBot 配置的技能。

通过 MCP 协议查询和控制 Home Assistant 智能家居设备的技能。

规划编程、业务分析与 NAS 元数据只读任务。

Moltspaces 让代理加入语音房间，与其他代理和用户交流。

Moltpixel 是供 AI 代理在共享像素画布上协作创作和互动的服务。

Serenity的思维框架与认知工具。基于5个维度的深度调研

quick-reminders 描述用于不足 2 天后的一次性消息提醒。

为智能体记录奖励与动机状态，并在后续会话中持续使用。

从笔记和对话记录提取结构化事实、构建知识图谱并生成会话简报。

AI 视频生产线的全局统筹 Skill。管理文案、分镜与素材交付标准，在交付前统一检查字幕、音频、画面是否合规，担任五环流水线的"项目经理"。当用户说"做一条视频""视频生产线""分镜""交付前检查""成片验收"时启用。

CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题

ai-boss-assistant 提供行政助理角色与工作流模板。

Proactive Agent 描述持久记忆与主动工作模式。

WorkBuddy 技能管家 —— 技能(Skill)、专家(Expert)、连接器(Connector) 的统一入口，并升级为「调度层」。 **为什么需要它**：技能、专家、连接器本质上是同一样东西——一段在需要时被加载进上下文的专业能力。 它们共同的三个病症也一样：① 装了没记住（想不起有哪些可用）；② 装了没用上（不用的还在占位、 还在干扰判断）；③ 用得上但没装（不知道市场上有）。 而真正的断层还有第四层：④ **市场/SkillHub 都没有，但 GitHub 上有现成方案**——普通人既不知道、也不会把它变成自己的技能。 **它做四件事**（对应四个病症）： 1. **清库**：扫描本地真实的调用记录，找出窗口内几乎不用的资产，叠加四类豁免 （应急类/新装类/配置受限类/被编排类）后给出关闭清单。经你确认后走官方通道关闭，**只关不删**。 2. **唤起**：你一描述需求，它先在一份「一行一条」的全量资产速查表里扫一遍， 挑出 0–3 个最对口的已装资产，告诉你叫什么、能干什么、以及**怎么唤醒它**。 3. **补货**：同一个需求，它再去 SkillHub 找能实现它的技能；如果确实更合适而你没装， 就推荐你安装（走官方市场搜索/安装，不绕过校验）。 4. **调度（v2.0 新增）**：你给「需求 + 验收标准」，管家负责中间——先路由已装资产、不够再推荐 SkillHub 未装技能、还没有就去 GitHub 调研、缺则创建新技能并发布到 SkillHub， 最后用你的验收标准真实验证产出，不达标就迭代。让你把注意力放在「把需求说清、把验收定清」， 中间环节（挑技能 / 唤起 / 推荐 / 造货 / 验证）交给管家。 **关键立场（反直觉但重要）**： - **低频 ≠ 无用**：应急类技能（防诈骗、C 盘急救、密钥交接）平时零调用，价值在"出事那一刻它已经在那"。 - **"仅手动点名"是隐藏陷阱**：被配置成不可自动调用的技能，计数天然偏低， 用调用次数判它没用，等于拿一把被自己拨坏的尺子量东西。 - **语义匹配靠判断，不靠关键词**：实测"爸妈又被保健品讲座骗了"用关键词匹配不到 elder-fraud-guard。所以唤起功能的正解是——把全量资产压成一行一条的速查表，由模型扫一遍做语义判断。 - **采用而非重建（v2.0 立场）**：自动调用借鉴 技能路由枢纽 的分桶+历史降权；发现安装直接复用 find-skills；创建复用 skillcreator + skillhub-publish-helper。管家只新建"编排中间层"，不重复造轮子。 Make sure to use this skill whenever the user says or asks about: "技能管家"、"skill 管家"、"我的技能"、"我装了哪些技能"、"有哪些技能可以用"、 "哪些技能能帮我做这个"、"有什么技能适合"、"该用哪个技能"、"唤醒技能"、"技能太多了"、 "关闭不用的技能"、"清理技能"、"技能使用统计"、"哪些技能没用过"、"技能清了"、 "专家"、"连接器"、"mcp 用不上"、"SkillHub 上有没有"、"市场上有没更好的技能"、 "有没有更合适的技能"、"我是不是该装个什么"、"workbuddy skill butler"、"skill butler"、 "prune my skills"、"which skills do I have"、"what skill should I use"、 或用户描述一个具体需求后明显在问"我有没有工具能做这件事"。

编写便于 AI agent 在上下文中检索和使用的项目文档。

永久记忆自动归档系统。每次对话自动记录，语义搜索，跨会话继承。重启不丢、永不覆盖。适用于所有 AI agents。

面向没有产品设计或开发经验的小白用户，将“我想做一个工作台”之类的模糊想法，通过低门槛、多轮、动态的需求访谈，整理为包含目标、角色、场景、功能、页面、流程、数据、权限、异常、依赖、视觉和验收标准的完整工作台搭建提示词。当用户想制作工作台、整理工作台需求、优化已有工作台方案，或需要把业务想法交给工作台搭建师时使用。

让智能体通过企业微信收发消息的通道插件。

在 SkillHub 平台查找/搜索 Skill 技能。基于 skills 列表接口，支持关键词分词搜索、一级标签（一级分类）筛选、以及二者组合检索。当用户说『找个 xxx 技能』『有没有处理 PDF 的 skill』『SkillHub 上搜一下 xxx』『按分类看技能』『办公效率类有哪些技能』『推荐一个做数据分析的 skill』『这个需求有现成技能吗』等需要在 SkillHub 上发现/检索/推荐 Skill 的场景时使用本技能。

phone-calls-bland 使用 Bland AI 代用户进行有明确任务的电话外呼。

Harness Engineering — AI Agent 复杂任务执行方法论 一个按需加载的 AI 编程 Agent 技能，让你的 Agent 在处理大型、多步骤软件任务时更可靠、更彻底、更持久。 核心能力： · 强制行为规范：每个功能完成后必须 commit + push，不允许偷懒、不允许半成品、不允许"看起来对了"就算验证通过 · 对抗性自审：Agent 在提交前自动切换为 Reviewer / QA / 架构师三种角色逐一审查，借鉴"门下省封驳"机制，不通过就打回重做 · 持续推进：TODO 列表驱动，不完成不停止，不跳步不切换，功能列表只允许改状态不允许删描述 · 分离评估：即使单 Agent 也能跑"生成 → 评估 → 迭代"循环，用运行时验证替代"我觉得没问题" · 上下文管理：子代理优先探索、按需读取、上下文焦虑检测、多会话交接协议，确保长任务不迷失 适用场景：跨 3+ 文件的重构、功能开发、性能优化、代码迁移、多会话大型项目。日常小改动无需加载。 兼容：Claude Code / Cursor / CodeBuddy / WorkBuddy / OpenClaw / OpenHarness 及所有支持 .md 技能文件的 Agent 平台。 知识来源：综合 Anthropic、OpenAI 等 15+ 个来源、近 60 篇文章的工程实践和 Claude Code 512K 行泄露源码分析。 GitHub: github.com/rickyma/harness-engineering

AI智能体的习惯形成与程序性学习，通过重复形成偏好和捷径。属于AI大脑系列。

ralph-evolver 根据项目上下文提出改进假设，并追踪多轮改进的模式与结果趋势。