Agents

team-builder 是一个交互式 agent 选择器，用于从 markdown persona 文件中组合并派发并行团队。team-builder 技能可帮助你浏览可用 agent、按领域分组专家，并为 Workflow Automation 临时组建团队。它最适合包含扁平或子目录式 agent 库且 persona 结构清晰的仓库。

santa-method 是一套多智能体验证工作流，适用于那些在发布前必须确保正确无误的输出。它通过独立复核来发现内容、代码相关交付物、合规敏感文案以及工作流自动化任务中的盲点。若你需要一个可重复的“生成、验证、收敛”循环，就安装 santa-method 技能。

ralphinho-rfc-pipeline 是一个以 RFC 驱动的多智能体工作流技能，适合将大型功能拆分为可验证的单元、逐步校验每一步，并通过集成检查完成合并。它尤其适用于 ralphinho-rfc-pipeline 的 Multi-Agent Systems，以及重构、schema 变更、auth、性能和安全相关工作。

opensource-pipeline 通过一个三阶段流程——fork、sanitize 和 package——帮助把私有项目整理成可公开发布的仓库。使用 opensource-pipeline 技能可以清理密钥、验证清理结果，并生成 CLAUDE.md、setup.sh 和 README，从而更安全地发布到 GitHub。

iterative-retrieval 是一种工作流模式，用于在 agentic 工作中逐步优化上下文检索。它能帮助 subagents 避免获取过多或过少的上下文，因此适用于 iterative-retrieval 的使用场景、安装决策，以及 Workflow Automation 中的 iterative-retrieval。

gan-style-harness 是一个面向 Agent Orchestration 的 Generator-Evaluator 技能，帮助构建完整应用，并通过更严格的评审、更好的迭代和更少的薄弱环节来提升交付质量。当你需要用于前端密集型、全栈或更偏生产环境的工作，并且更看重评审质量而不是速度时，就应该使用 gan-style-harness 技能。

council 是一款面向决策支持的 skill，适合处理模糊选择、权衡取舍以及 go/no-go 判断。当存在多条都说得通的路径、你需要在拍板前先进行结构化分歧讨论时，就适合使用 council skill。它尤其适用于产品、工程、运营和战略类决策——在这些场景中，可自圆其说、经得起推敲的建议，比泛泛而谈的头脑风暴更重要。

continuous-learning-v2 将 Claude Code 会话转化为按项目作用域的学习流程，结合 hooks、observer agents、置信度评分，以及把重复模式晋升为 skills、commands 或 agents。

Triage 是一个用于 GitHub issue 分流的技能，帮助你把新来的 bug 和功能请求放进基于角色的状态机中流转。可用于对 issue 进行分类，判断是否需要更多信息，将工作转给 AFK 代理或人工维护者，并保持 issue 处理流程一致。它是一个适用于 Issue Tracking 的实用 triage 技能。

design-an-interface 技能帮助你在定稿前探索截然不同的 API 和模块接口形态。它面向前端开发以及其他模块设计场景，适合先明确需求，再比较多种方案、权衡取舍，并整理出更清晰的调用方契约。

context-degradation 是一项实用技能，用于诊断长流程中的上下文失效问题，包括 lost-in-the-middle、poisoning、distraction、confusion 和 clash。它可以帮助你定位上下文是在哪里断裂的，决定先改什么，并为 Skill Authoring、prompt 放置和生产环境中的 agent 调试提供一套可重复执行的 context-degradation 指南。

multi-agent-patterns 技能可帮助你设计和实现带有 Agent Orchestration、上下文隔离、并行工作和结构化交接的智能体系统。当你需要在单智能体与多智能体方案之间做选择，或者需要 supervisor 路由、peer 交接、共识机制或故障处理时，就适合使用它。它最适合编排密集型任务，因为这类任务更看重清晰的协同，而不是单纯增加智能体数量。

context-optimization 是一项面向 Context Engineering 的实用技能，帮助减少 token 浪费、保留决策状态，并管理长流程工作流。可用于处理上下文长度限制、压缩工具输出冗余、优化更适合缓存的提示词结构、应用 observation masking 和 compaction，以及在需要时对上下文进行分区。它面向真实使用场景，而不只是理论。

ai-shaped-readiness-advisor 可帮助产品负责人评估组织是 AI-first 还是 AI-shaped，识别成熟度差距，并选择下一项最值得建设的能力，以提升决策支持质量。

create-custom-agent 可帮助你为专门的 AI 人设创建 VS Code 自定义代理文件（.agent.md），内容包含工具、指令和交接设置。可用它来搭建新代理、设定工具权限边界，并为 Skill Authoring 定义代理之间的工作流。

m365-agents-ts 帮助你使用 Microsoft 365 Agents SDK，在 TypeScript/Node.js 中构建 Microsoft 365 agents，涵盖 Express 托管、AgentApplication 路由、流式响应以及 Copilot Studio 客户端集成。它是一份面向部署的全栈 agent 开发实用指南。

使用 azure-ai-projects-ts 和 @azure/ai-projects 在 TypeScript 中构建 Azure AI Foundry 应用。这个技能适用于项目客户端、agents、连接、部署、数据集、索引、评估以及 OpenAI 访问。它是面向 Azure 项目资源和凭据进行 API 开发的实用指南。

m365-agents-py 帮助后端开发者使用 Python 构建 Microsoft 365、Teams 和 Copilot Studio agents，支持 aiohttp 托管、AgentApplication 路由、流式响应和 MSAL 认证。它包含安装指引、使用模式，以及从 microsoft.agents 迁移到 microsoft_agents 的导入变更说明。

azure-ai-projects-py 是面向 Microsoft Foundry 项目客户端的 Azure AI Projects Python SDK 技能。适用于安装、认证、客户端初始化、使用 PromptAgentDefinition 的版本化 agent、评估、连接、部署、数据集、索引，以及 OpenAI 兼容访问。最适合 Python 后端开发工作流。

m365-agents-dotnet 是一个面向 .NET 的 Microsoft 365 Agents SDK 技能，用于构建可在 Teams、Microsoft 365 和 Copilot Studio 中运行的多渠道 agent。它适用于 ASP.NET Core 托管、AgentApplication 路由、基于 MSAL 的身份验证、包选择，以及面向 API 开发的 m365-agents-dotnet 实用用法。

azure-ai-projects-dotnet 是面向 Azure AI Foundry 项目的 .NET 技能。它能帮助后端开发者更少踩坑地安装合适的 Azure SDK 包、设置环境变量，并使用 `AIProjectClient` 处理 agents、connections、datasets、deployments、evaluations 和 indexes。

agents-sdk 可帮助你构建带有有状态对话、持久化执行、WebSocket 或流式聊天、MCP 集成、定时任务和浏览器自动化的 Cloudflare Workers 代理。这个 agents-sdk 技能重点面向安装决策、配置和实际使用，适用于现有或新建的 Workers 应用；只有在多代理系统确实符合 Cloudflare 运行时限制时，才会提供相应指导。

subagent-driven-development 帮助你把实现计划拆分为独立任务，为每个任务派发一个全新的 subagent，并在各步骤之间审查结果。它适用于需要通过 agent 编排来更快交付、同时保留质量关卡的场景，尤其是 3 个及以上彼此独立的问题、bug 修复、功能切片或仓库清理。

tree-of-thoughts 是一种推理工作流技能，帮助智能体探索多种路径、剪除薄弱分支，并综合出更好的答案。它适用于困难调试、方案规划、架构权衡，以及用于 Agent Orchestration 的 tree-of-thoughts。