Ai Agents

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。

continuous-agent-loop 帮助代理运行可重复的自主循环，配备质量门、eval、恢复步骤和明确的停止规则，以便更可靠地完成任务。

autonomous-loops 是一项用于设计自主 Claude Code 工作流的技能，涵盖从简单的顺序流水线到带质量门禁和交接的多智能体 DAG 编排。

autonomous-agent-harness 将 Claude Code 变成一个具备记忆、定时运行、任务分发和电脑操作能力的持续自驱代理系统。它适用于代理编排、周期性检查以及长生命周期工作流，尤其是在你需要的不只是一次性提示词时。

了解 agentic-engineering 技能，掌握以评估先行的执行方式、任务拆分、模型路由以及带回归检查的更安全工作流自动化。

agent-introspection-debugging 技能提供了一套结构化的 AI agent 自我调试工作流：先捕获失败状态，再诊断可能原因，接着执行一次受控恢复步骤，最后输出一份可供人阅读的 introspection 报告。适合用于循环、重试频繁或容易漂移的运行场景，不建议用于常规验证。

agent-harness-construction 是一项实用技能，用于改进 agent harness 设计，包括 tool schema、observation 格式、错误恢复和上下文预算，从而提升完成率。

subagent-driven-development 是一项用于执行实现计划的技能：为每个任务分配一个全新的 subagent，然后对每项结果进行两轮评审——先检查是否符合 spec，再评估代码质量。它内置了 implementer、spec reviewer 和 code quality reviewer 的提示词模板。

dispatching-parallel-agents 是一项 Agent Orchestration skill，适合把真正彼此独立的任务拆分给多个 agent 并行处理，在上下文隔离的前提下统一协调结果。

langsmith-fetch 是面向 LangChain 和 LangGraph agent 的调试 skill。它会指导助手安装 CLI、配置 LangSmith 凭据、拉取最近的 traces，并基于 trace 证据分析错误、工具调用、内存活动、延迟和 token 用量。

langbase-automation 是一个用于通过 Composio Rube MCP 自动化 Langbase 的 Claude skill。本指南涵盖设置、连接检查、RUBE_SEARCH_TOOLS 发现，以及如何安全地自动化 Langbase 工作流。

griptape-automation 是一个用于通过 Composio Rube MCP 运行 Griptape 操作的 Claude skill。它会引导 agent 搜索最新工具 schema、确认 Griptape connection 处于可用状态，并用更少的过期参数执行工作流自动化。

flowiseai-automation 可帮助 agent 通过 Composio Rube MCP 自动化 FlowiseAI 任务。先设置 Rube，验证 flowiseai 连接，优先搜索当前工具 schema，然后安全执行受支持的工作流自动化。

botsonic-automation 可帮助 agents 通过 Composio Rube MCP 自动化 Botsonic 操作：先发现当前可用工具，检查 Botsonic 连接状态，并在执行前使用实时 schema。

bolna-automation 可帮助 agent 通过 Composio Rube MCP 自动化 Bolna 任务：发现当前工具 schema、检查 Bolna 连接，并执行更安全的工作流操作。

prompt-engineering-patterns 是一项面向生产环境提示词设计的实用技能，涵盖安装适用场景、可复用模板、few-shot 示例、结构化输出，以及用于 Context Engineering 的提示词优化工作流。

evaluation-methodology 技能说明了用于 Model Evaluation 的 PluginEval 评分方法，包括评估层级、评分 rubric、综合评分、徽章阈值，以及如何解读结果并改进薄弱维度的实用建议。

langchain-architecture 是一份用于构建 LangChain 1.x 与 LangGraph 应用的架构设计指南。在开始实现之前，你可以用它判断应采用 chains、agents、retrieval、memory 还是有状态编排等模式。

team-composition-patterns 是用于在 Claude Code Agent Teams 中设计多代理团队的决策型技能，提供团队规模启发式、subagent_type 选择与展示模式建议。使用本指南可套用预设的评审/调试团队、选择角色，并在各类任务中标准化团队配置。

parallel-feature-development 技能可帮助团队把一个功能拆分为职责清晰的协作单元，尽早定义共享契约，并为多智能体 Git 工作流选择更稳妥的合并模式。适合用于规划文件归属、按依赖关系安排集成，并降低并行开发中的冲突风险。

task-coordination-strategies 可帮助团队拆解复杂工作、梳理依赖关系、明确验收标准，并协调并行的 agent 或协作者工作流，从而让职责更清晰、减少合并冲突。

team-communication-protocols 为 agent 团队定义消息沟通规则，涵盖直发与广播消息的使用边界、计划审批、关闭流程，以及可复用模板，帮助实现更有序的 Agent Orchestration。

agentic-eval 是一个 GitHub Copilot skill，展示如何通过反思、基于 rubric 的评审，以及 evaluator-optimizer 模式，为 AI 输出构建评估循环。

agent-governance 是一项以文档为核心的技能，用于为会调用工具的 AI agent 和多智能体系统设计护栏、策略校验、信任规则、工具限制与审计日志。