Codex

dmux-workflows 是一份使用 dmux 在 tmux 窗格中编排并行 AI 代理会话的指南。它帮助你把研究、实现、测试和文档工作拆分到 Claude Code、Codex、OpenCode 及类似运行框架中，从而以更少的上下文瓶颈管理多智能体开发。

ai-regression-testing 能帮助发现 AI 辅助开发里常漏掉的 bug，包括修复不彻底、过时假设，以及 sandbox 和生产路径之间的回归问题。当前当 agent 修改了 API 路由、后端逻辑，或做了需要实际、可重复验证的 bug 修复时，可使用这个 ai-regression-testing 技能进行回归测试。它尤其适合无数据库的 sandbox 模式验证，以及能暴露隐藏分支的审查工作流。

agent-eval 是一项用于对编码 agent 进行基准测试的技能，支持在可复现任务上让多个 agent 直接对比，评估通过率、成本、耗时和一致性。你可以用 agent-eval 在自己的 repo 中评估 Claude Code、Aider、Codex 或其他 agent，并获得比临时提问更清晰的证据。

verification-before-completion 是一个用于最终检查的技能，专门防止在缺乏依据时宣称任务已完成。本文说明它适合在什么场景使用、如何从 obra/superpowers 安装，以及怎样让每一条“已修复”“已通过”“可评审”等状态声明都对应到最新的验证证据。

using-superpowers 是来自 obra/superpowers 的会话启动技能，要求在任何回复前先进行技能查找，帮助代理优先发现并激活合适的工作流。

安装并使用 test-driven-development skill，落实严格 TDD：先写失败测试，确认测试确实失败，再实现最小可行代码，最后安全重构。

systematic-debugging 是一项以根因为先的调试技能，适用于 bug、偶发测试失败、构建失败和各种异常行为。你可以先了解它的四阶段工作流、配套文件以及适用时机，再决定是否在提出修复方案前优先使用它。

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。

executing-plans 用于让代理按书面实施计划有序执行：先审阅计划，再按顺序完成任务、运行指定检查，遇到阻塞就停止，并交接给收尾工作流。最适合 Project Management 等以计划驱动交付的场景。

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。

webapp-testing 是一项用于本地 Web 应用测试的技能，基于 Python Playwright。它可帮助智能体通过 `scripts/with_server.py` 启动服务、检查渲染后的 UI、发现选择器、抓取截图与控制台日志，并以先侦察后验证的方式检查前端行为。

prompt-engineer-toolkit 帮助营销团队把 prompt 转化为可测试、可版本化的资产，支持 A/B 评估、JSONL 历史记录、diff、模板、rubric，以及针对声明、披露和人工审核的 Prompt Governance 检查。

git-worktree-manager 可帮助你运行并行 Git worktree：为不同分支提供隔离环境、确定性端口、env 文件同步、可选依赖安装以及清理前检查。适合需要更安全本地应用隔离的多 agent 或多分支 Git 工作流。

feature-flags-architect 可帮助团队规划、审计并清理 feature flags，用于支持 progressive delivery。它适合用于 rollout plans、kill-switch 检查、stale flag 扫描、provider 对比，以及在 LaunchDarkly、GrowthBook、Statsig、Unleash、Flipt 或 DIY systems 中制定生命周期管理建议。

karpathy-coder 帮助 AI coding agents 暴露隐含假设、避免过度抽象、保持 diff 精准克制，并定义可验证的目标。包含 SKILL.md、references、预期 JSON outputs，以及用于检查假设、复杂度、diff 噪声和目标验证的 Python checks。

engineering-skills 是 alirezarezvani/claude-skills 中 engineering-team bundle 的索引。你可以把它用于 Skill Discovery，在架构、frontend、backend、QA、DevOps、安全、AI/ML、数据和工具等方向中选择一个合适的 specialist SKILL.md，而不必批量加载整个 bundle。

deal-desk 是面向 Revenue Operations 的技能，用于 B2B 交易评审、折扣审批路由、利润率评分和 MSA redline 初筛。它包含 intake templates、参考资料和 Python 工具，可支持 scorecards、approval chains 与合同风险点检测，但不会自动批准交易。

commercial-skills 是面向 Revenue Operations 的编排器，覆盖定价、deal desk 审核、折扣审批、合作伙伴与渠道经济性、商业政策、RFP/RFI 响应以及 bookings 预测。它可用于将商业问题路由到聚焦的子 skill，并返回决策摘要。

business-growth-skills 可将 Growth、收入、销售、客户成功、RevOps、RFP 和 proposal 相关请求路由到合适的打包专家技能。使用它可以更少依赖猜测，在 customer-success-manager、sales-engineer、revenue-operations 或 contract-and-proposal-writer 之间做出选择。

quieter 是一项用于打磨 UI 设计的 refinement 技能，适合在界面显得过于强烈、嘈杂或造成感官负担时使用，在保留清晰度、层级关系和品牌意图的前提下降低视觉攻击性。它最适合在父级 `$impeccable` 技能之后使用，帮助团队先判断强烈感的来源，再做有针对性的调整。

notion-meeting-intelligence 可将 Notion 上下文转化为可直接用于会议的议程和会前材料，并结合 Codex 研究，为决策、状态更新、规划、复盘和 1:1 准备提供支持。它尤其适合 notion-meeting-intelligence for Meeting Prep 工作流：当你需要有依据的材料、清晰的时间分配，以及面向不同参会者的输出时，这个技能会很有帮助。

colorize 技能可帮助 UI 团队为灰暗或过于平淡的界面加入更有策略性的色彩。了解何时适合使用、需要提供哪些上下文，以及它如何融入 impeccable 工作流，与 $frontend-design 和品牌导向的配色决策配合使用。

arrange 可帮助诊断并优化 UI 布局、间距与视觉层级。适合用这个 arrange 技能修复界面拥挤、网格重复、构图薄弱等问题；使用前需先完成 $frontend-design 配置，并可按需补充 $teach-impeccable 上下文。

neat-freak 是一款用于会话结束交接的知识清理技能。它会对项目文档、agent 记忆和代码漂移进行校准，确保 CLAUDE.md、AGENTS.md 和 docs/ 保持准确。适合技术写作人员、开发者以及需要更干净、更可靠项目知识库的 agent 运营者。