标签：AI与自动化

seedance-prompt-en 是 dexhunter 出品的 AI 技能，专注使用 Seedance 提示词，生成视频，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

langgraph-python-quickstart 是 LangChain 推出的技能，LangGraph Python 快速上手，省去了自己摸索的麻烦。它还能组织模块与包、处理数据与脚本。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

docker-compose-orchestration 是 manutej 出品的 AI 技能，专注编排 Docker Compose，把相关操作和判断整理成一套固定流程。它还能优化镜像体积、排查容器问题。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

inkos-multi-agent-novel-writing 来自 Reason Machines，主打撰写智能体，把相关操作流程化，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

arize-prompt-optimization 是 Arize AI 推出的技能，优化 Arize 提示词，代码结构更清晰，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

sonarqube-mcp 来自 Giuseppe Trisciuoglio，主打接入 SonarQube MCP，背后的琐碎步骤都打包好，AI 照着执行就行。它还能编排工具调用、扩展 AI 能力。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

mcp-hass 来自 aahl，主打接入 Home Assistant MCP，背后的琐碎步骤都打包好，AI 照着执行就行。它还能编排工具调用。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

rcs-agent-onboarding 来自 SENT，主打做 RCS 代理接入，扩展能力边界，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

mcp-duckgo 来自 aahl，主打接入 DuckDuckGo MCP，背后的琐碎步骤都打包好，AI 照着执行就行。它还能编排工具调用、扩展 AI 能力。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

eval-engineering 是 LangChain 推出的技能，做评估工程，把相关操作流程化，自动产出结果，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

agentic ux design - relationship-centric interfaces 是 Bencium 出品的 AI 技能，专注做关系中心化 Agent UX 设计，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

rag-blueprint 是 NVIDIA 出品的 AI 技能，专注制定 RAG 蓝图，按最佳实践落地，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

ito-data-atlas-agent 来自 affaan-m，主打使用 ITO 数据图谱，复用更省心，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

langchain4j-mcp-server-patterns 是 Giuseppe Trisciuoglio 出品的 AI 技能，专注梳理 LangChain4j MCP 模式，把相关操作和判断整理成一套固定流程。它还能编排工具调用、扩展 AI 能力。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

rag 来自 Giuseppe Trisciuoglio，主打做 RAG 检索增强，代码结构更清晰，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

ios-device-automation 是 Midscene 出品的 AI 技能，专注做 iOS 设备自动化，减少重复编码，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

langchain4j-rag-implementation-patterns 是 Giuseppe Trisciuoglio 推出的技能，梳理 LangChain4j RAG 模式，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-cloud-solution-agentic-analytics-spark-knowledge-catalog 是 Google 出品的 AI 技能，专注Agentic 分析目录方案，拆解数据维度，把相关操作和判断整理成一套固定流程。它还能选型云资源、配置云服务。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-cloud-solution-rag-enterprise-search-gke-sqldb 是 Google 出品的 AI 技能，专注RAG 企业搜索方案，选型云资源，把相关操作和判断整理成一套固定流程。它还能配置云服务、优化成本。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

spring-ai-mcp-server-patterns 是 Giuseppe Trisciuoglio 出品的 AI 技能，专注梳理 Spring AI MCP 模式，把相关操作和判断整理成一套固定流程。它还能编排工具调用。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-cloud-solution-build-deploy-agents 来自 Google，主打构建部署智能体方案，搭建 CI/CD 流水线，背后的琐碎步骤都打包好，AI 照着执行就行。它还能处理环境差异、回滚与监控。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-cloud-solution-agentic-ai-borderless-data-lakehouse 来自 Google，主打无边界数据湖方案，沉淀团队规范，背后的琐碎步骤都打包好，AI 照着执行就行。它还能选型云资源、配置云服务。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

lark-mcp 来自 whatevertogo，主打接入 MCP 工具，操作飞书应用，背后的琐碎步骤都打包好，AI 照着执行就行。它还能处理文档与会议、管理数据。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-cloud-solution-agentic-ai-data-science-workflow 是 Google 推出的技能，Agentic AI 数据科学流程，省去了自己摸索的麻烦。它还能选型云资源、配置云服务。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

llm-prompt-injection 是 Yaklang 推出的技能，做LLM 提示注入检测，提升工程质量，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

observability-llm-obs 来自 Elastic，主打做 LLM 可观测，接入日志与指标，背后的琐碎步骤都打包好，AI 照着执行就行。它还能设计追踪链路、定位性能瓶颈。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

prompt-engineering 是 Giuseppe Trisciuoglio 推出的技能，做提示词工程，把相关操作流程化，自动产出结果，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

kibana-agent-builder 是 Elastic 出品的 AI 技能，专注构建 Kibana 代理，扩展能力边界，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

agent-self-evaluation 是 affaan-m 推出的技能，做智能体自评，把相关操作流程化，自动产出结果，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

react-mcp 来自 Assistant UI，主打用 React MCP 开发，管理状态与副作用，背后的琐碎步骤都打包好，AI 照着执行就行。它还能优化渲染性能、组织项目结构。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

assistant-mcp 是 Grafana 出品的 AI 技能，专注使用 Grafana 助手 MCP，把相关操作和判断整理成一套固定流程。它还能编排工具调用、扩展 AI 能力。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

desktop-computer-automation 来自 Midscene，主打做桌面自动化，把相关操作流程化，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

paperclip-create-agent 是 Paperclip 推出的技能，创建 Paperclip 代理，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

workflow-init 是 Vercel 推出的技能，编排工作流，提升自动化程度，自动产出结果，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

xcode-build-orchestrator 来自 AvdLee，主打编排 Xcode 构建，提升工程质量，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-cloud-solution-agentic-ai-bidirectional-streaming 是 Google 推出的技能，Agentic AI 双向流，选型云资源，省去了自己摸索的麻烦。它还能配置云服务、优化成本。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

mongodb-mcp-setup 来自 MongoDB，主打配置 MongoDB MCP，编排工具调用，背后的琐碎步骤都打包好，AI 照着执行就行。它还能扩展 AI 能力。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

codehealth-mcp 是 affaan-m 推出的技能，接入代码健康 MCP，编排工具调用，省去了自己摸索的麻烦。它还能扩展 AI 能力。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

agent-slack 是 Stably AI 出品的 AI 技能，专注操作 Slack，管理消息与频道，把相关操作和判断整理成一套固定流程。它还能自动化通知、整理信息。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

building-mcp-server-on-cloudflare 是 Cloudflare 出品的 AI 技能，专注接入 MCP 工具，扩展 AI 能力，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

binance-agentic-wallet 是 币安 出品的 AI 技能，专注使用币安智能钱包，沉淀团队规范，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

mcp-developer 来自 Jeff Allan，主打开发 MCP 工具，扩展 AI 能力，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

team-agent-orchestration 来自 affaan-m，主打编排团队智能体，协同完成任务，复用更省心，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

sentry-workflow 来自 Sentry，主打使用 Sentry 工作流，扩展能力边界，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

coding-agent 来自 OpenClaw，主打做编码智能体，自动完成任务，扩展能力边界，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

babysit-pr 是 OpenAI 出品的 AI 技能，专注守护 PR 评审，覆盖常见报错，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

llm-wiki 来自 Obsidian Wiki，主打查阅 LLM 知识百科，按最佳实践落地，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

atlassian-mcp 是 Jeff Allan 出品的 AI 技能，专注接入 Atlassian MCP，把相关操作和判断整理成一套固定流程。它还能编排工具调用。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

building-ai-agent-on-cloudflare 是 Cloudflare 推出的技能，在 Cloudflare 上构建智能体，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

web-research 是 LangChain 出品的 AI 技能，专注做网页调研，搜集与整理信息，对比多个来源，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

mcp-hub 来自 Claude Office Skills，主打搭建 MCP 工具中心，扩展 AI 能力，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

cmux-dev-workflow 来自 cmux，主打使用 cmux 开发工作流，复用更省心，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

extension-inference 来自 Caffeine Labs，主打处理扩展推理能力，覆盖常见报错，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

google-ads-api-mcp-setup 是 Google 推出的技能，配置 Google Ads API MCP，省去了自己摸索的麻烦。它还能编排工具调用。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

livekit-agents 是 LiveKit 推出的技能，用 LiveKit 构建智能体，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

review-agent-setup 是 wshobson 出品的 AI 技能，专注配置评审智能体，规范评审流程，流程自动串联，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

agent-md-refactor 是 Softaworks 推出的技能，重构 agent.md，分析代码结构，省去了自己摸索的麻烦。它还能拆分复杂模块、改善可读性。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

rag-architect 来自 Jeff Allan，主打设计 RAG 架构，提升工程质量，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

ai-agent-builder 是 Claude Office Skills 出品的 AI 技能，专注搭建 AI 智能体，协作更顺畅，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

langsmith-dataset 来自 LangSmith，主打管理 LangSmith 数据集，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。