面向工程的 Agent Skills

使用并行子代理，依据 Standards 和 Spec 两个维度审查自某个固定点以来的变更，并以 Fowler 代码坏味道为基线。

来自 mattpocock/skills

• Requirements
• Implementation

指导稳定的 API 和接口设计。在设计 API、模块边界或任何公共接口时使用。在创建 REST 或 GraphQL 端点、定义模块之间的类型契约，或建立前后端边界时使用。

来自 addyosmani/agent-skills

• Requirements
• Implementation

将工作分解为有序、可验证的任务，包含验收标准、依赖图、垂直切片和检查点。

来自 addyosmani/agent-skills

• Requirements
• Implementation
• Quality & testing

以细小、可验证的切片增量交付变更。在实现任何涉及多个文件的功能或变更时使用，或从计划中领取下一项任务时使用。在通过功能标志逐步推出变更时、即将一次性编写大量代码时，或任务大到无法一步完成时使用。

来自 addyosmani/agent-skills

• Requirements
• Implementation

将项目的质量标准确立为一份书面的 CONSTRAINTS.md 契约，包含阈值，并监视 diff 中是否有被削弱的检查，如抑制或跳过的测试。

来自 addyosmani/agent-skills

• Requirements

记录决策和文档。当你需要记录架构决策（ADR）或设计选择背后的理由时，在更改公共 API、发布功能时，或当你需要记录未来工程师和 agent 理解代码库所需的上下文时使用。

来自 addyosmani/agent-skills

• Requirements
• Implementation
• Architecture

>- 交互式发现需求，并为 Google Cloud 上的复杂工作负载设计整体性、多产品系统架构、解决方案蓝图和部署建议。适用于设计端到端云解决方案、选择并集成 Google Cloud 服务、生成架构图，或为新云工作负载或迁移进行需求发现。不适用于单产品任务（使用产品专属技能）、初始入门或身份验证（使用 google-cloud-recipe-*）、Well-Architected Framework 审查或审计（使用 google-cloud-waf-*），或由专门解决方案技能覆盖的工作负载。

来自 google/skills

• Requirements

>- 将 Agent 转变为遵循 Azure Architecture Center 最佳实践的 Cloud Solution Architect。在设计云架构、审查系统设计、选择架构风格、应用云设计模式、进行技术选型或开展 Well-Architected Framework 评审时使用。

来自 microsoft/skills

• Requirements
• Maintenance & operations

在任何创意工作之前都必须使用——创建功能、构建组件、添加功能或修改行为。在实现之前探索用户意图、需求和设计。

来自 obra/superpowers

• Requirements
• Implementation

>- 在 Application Design Center (ADC) 内处理 GCP 基础设施设计和部署工作流。使用场景：- 使用 Terraform 设计 GCP 基础设施。- 验证本地 HCL。- 执行最佳实践 plan 扫描。- 将模板导入 Application Design Center (ADC)。- 部署模板。- 排查部署失败。边界：- 仅用于 GCP 专属云基础设施。- 仅用于 ADC 上下文中的 Terraform 编码。

来自 google/skills

• Requirements
• Implementation
• Quality & testing

跨前端、后端、查询和数据库优化应用性能，采用测量-识别-修复-验证-防护的工作流，并以 Core Web Vitals 为目标。

来自 addyosmani/agent-skills

• Requirements

生成高质量产品需求文档，包含执行摘要、用户故事、技术规格和风险分析。

来自 github/awesome-copilot

• Requirements
• Implementation

创建 Dockerfile、CI/CD 流水线、Kubernetes 清单和 Terraform/Pulumi 模板，涵盖部署自动化、GitOps 和事件响应。

来自 jeffallan/claude-skills

• Requirements
• Implementation
• Quality & testing

优化 Agent 上下文设置。适用于开始新会话、Agent 输出质量下降、任务之间切换，或需要为项目配置规则文件和上下文时。

来自 addyosmani/agent-skills

• Requirements
• Implementation

根据工作负载描述设计并预配企业级 Azure 基础设施。面向规划网络、身份、安全、合规及多资源拓扑并与 WAF 对齐的云架构师和平台工程师。直接生成 Bicep 或 Terraform（不使用 azd）。适用场景：'规划 Azure 基础设施'、'设计 Azure 登陆区'、'设计中心辐射型网络'、'规划多区域灾难恢复拓扑'、'设置 VNet、防火墙和专用终结点'、'订阅范围 Bicep 部署'、'针对 VM 工作负载的 Azure 备份'。以应用为中心的工作流请优先使用 azure-prepare。

来自 microsoft/azure-skills

• Requirements

将 Notion 规格转化为实施计划、任务和进度跟踪；适用于实施 PRD/功能规格并据此创建 Notion 计划和任务时。

来自 openai/skills

• Requirements
• Implementation

React 和 Next.js 性能优化指南，包含 8 个类别下的 70 条规则，按影响优先级排序，用于编写、审查和重构代码。

来自 vercel-labs/agent-skills

将大型多会话工作规划为 issue 跟踪器上决策工单的共享地图，逐一解决，直到路径清晰。

来自 mattpocock/skills

• Requirements

创建精美、经过验证的架构、工作流、时序、数据流和生命周期图，以独立 HTML 形式呈现，使用内联 SVG 并提供导出选项。

来自 tt-a1i/archify

• Requirements
• Architecture

通过一次一个问题的访谈，结合假设和置信度数字，在任何计划或代码出现之前，提取用户真正想要的东西。

来自 addyosmani/agent-skills

• Requirements
• Quality & testing

用新的或变更的需求更新现有实施计划文件，生成机器可读、确定性的阶段和任务。

来自 github/awesome-copilot

• Requirements
• Implementation
• Maintenance & operations

从 Epic 创建功能级 PRD，涵盖目标、用户画像、用户故事、需求、验收标准和不属于范围的事项。

来自 github/awesome-copilot

• Requirements

面向智能体工程的运营模型，采用 eval-first 执行、任务分解、成本感知模型路由，以及针对 AI 生成代码的审查重点。

来自 affaan-m/ecc

• Implementation

将 Figma 设计转化为生产级应用代码，实现 1:1 视觉还原。适用于根据 Figma 文件实现 UI 代码、用户提到“实现设计”“生成代码”“实现组件”、提供 Figma URL，或要求构建与 Figma 规格匹配的组件时。若要通过 `use_figma` 写入 Figma 画布，请使用 `figma-use`。

来自 openai/skills

声明的前提（自述）: Node.js

提供结构化的事件响应 runbook 模板，包含严重级别、分诊、缓解、升级路径和恢复流程。

来自 wshobson/agents

• Quality & testing
• Maintenance & operations

面向由 AI agents 完成大部分实现工作的团队的工程运营模型，涵盖流程转变、架构要求和评审重点。

来自 affaan-m/ecc

• Requirements
• Implementation

构建生产级、可访问、响应式的用户界面。适用于构建或修改界面和页面、创建组件、实现布局、满足 WCAG 无障碍要求、管理状态，或当输出需要看起来和感觉上是生产级而非 AI 生成时。

来自 addyosmani/agent-skills

• Requirements
• Implementation

使用 Figma MCP server 从 Figma 获取设计上下文、截图、变量和资源，并将 Figma 节点转换为生产代码。当任务涉及 Figma URL、节点 ID、设计到代码的实现，或 Figma MCP 设置与故障排除时触发。

来自 openai/skills

• Implementation
• Quality & testing

声明的前提（自述）: Node.js

> 审查和创建独特、生产级的前端界面，具有高设计质量和设计系统合规性。使用三个支柱进行评估：无摩擦的从洞察到行动、高质量工艺和可信赖的构建。适用于：PR 审查、设计审查、可访问性审计、设计系统合规性检查、创意前端设计、UI 代码审查、组件审查、响应式设计检查、主题测试和创建令人难忘的 UI。不适用于：后端 API 审查、数据库模式审查、基础设施或 DevOps 工作、无 UI 的纯业务逻辑或非前端代码。

来自 microsoft/skills

• Requirements
• Implementation
• Quality & testing

Go 项目的 linting 最佳实践和 golangci-lint 配置，涵盖运行 linter、.golangci.yml、nolint 指令以及解读输出。

来自 samber/cc-skills-golang

• Implementation
• Quality & testing

基于 Lighthouse 最佳实践审计，应用现代 Web 开发最佳实践，确保安全性、兼容性和代码质量。

来自 addyosmani/web-quality-skills

• Quality & testing

跨数据库执行全面的 SQL 代码审查，重点关注注入防护、访问控制、性能和反模式检测。

来自 github/awesome-copilot

• Quality & testing
• Maintenance & operations

审查 UI 代码是否符合 Web Interface Guidelines。当被要求“review my UI”“check accessibility”“audit design”“review UX”或“check my site against best practices”时使用。

来自 vercel-labs/agent-skills

PostgreSQL 专用代码审查，涵盖 JSONB、数组、自定义类型、schema 设计、函数优化和行级安全。

来自 github/awesome-copilot

规划、创建并配置生产就绪的 Azure Kubernetes Service (AKS) 集群。涵盖 Day-0 检查清单、SKU 选择（Automatic 与 Standard）、网络选项（私有 API server、Azure CNI Overlay、出口配置）、安全性以及运维（自动扩缩容、升级策略、成本分析）。适用场景：创建 AKS 环境、预配 AKS、启用 AKS 可观测性、设计 AKS 网络、选择 AKS SKU、保护 AKS、优化 AKS、AKS spot 节点、AKS cluster-autoscaler、调整 AKS pod 规格、pod 规格调整、过度预配的 AKS pod、pod 资源请求和限制、Vertical Pod Autoscaler、VPA 建议。

来自 microsoft/azure-skills

• Requirements
• Maintenance & operations

声明的前提（自述）: Node.js

对照已实现的代码（源组件或 Storybook story）审查 Penpot 设计，并输出结构化的 DRIFT 报告。适用于工程师需要确认构建与设计一致时：从选区提取 HTML/CSS，将其 token/结构/状态映射到代码组件，进行差异比对，并列出双方各自缺失的内容及严重程度和调和方案。未提供代码源时，可优雅降级为设计系统 token 检查。触发词：'design to code review'、'does my code match the design'、'design code parity'、'compare Penpot to my component'、'check this against Storybook'、'extract HTML/CSS from this selection'、'find design drift'、'design implementation diff'。

来自 penpot/penpot-ai-kit

• Implementation

通过设置问题跟踪器、分诊标签词汇和领域文档布局，为工程技能配置仓库。

来自 mattpocock/skills

• Requirements
• Architecture

通过价值、成本和影响审查 Archify 问题、PR 或代码，以支持基于证据的维护决策。

来自 tt-a1i/archify

• Requirements
• Implementation
• Quality & testing

审计 agent 配置、指令漂移、hooks/MCP 和 AI 可维护性，生成带证据和行动的优先级健康报告。

来自 tw93/waza

• Implementation
• Quality & testing

在构建新 UI 或重塑现有 UI 时，提供打造独特、有意图的视觉设计的指导。帮助确定美学方向、排版，并做出不显得像模板化默认选项的选择。

来自 anthropics/skills

分析 Azure 资源组并生成详细的 Mermaid 架构图，展示各个资源之间的关系。适用场景：创建架构图、可视化 Azure 资源、展示资源关系、生成 Mermaid 图、分析资源组、绘制我的资源图、架构可视化、资源拓扑、映射 Azure 基础设施。

来自 microsoft/azure-skills

• Requirements

搜索 issue、已合并的 pull request、README 和文档。适用于问题涉及某个库或 API 的行为、某个错误的含义，或某个 bug 是否已修复；优先使用此方式而非一般网页。

来自 firecrawl/skills

>- 引导 agents 交互式发现客户需求，用于实时、双向的多 agent AI 系统，处理连续的多模态数据流，以实现实时技术指导和安全监控。生成采用有主见的最佳实践和架构指导的定制 Google Cloud 解决方案。当用户需要 agentic 协助来设计和创建云端多产品解决方案，用于实时双向多模态流式工作负载时使用。不适用于简单的基于文本的聊天应用或无实时流式需求的工作负载。

来自 google/skills

• Requirements
• Implementation

面向 AI Agent 的浏览器自动化 CLI，通过 CDP 支持导航、表单填写、截图、数据提取和 Web 应用测试。

来自 vercel-labs/agent-browser

• Quality & testing

涵盖网络协议逆向工程，使用 Wireshark、tshark 和 Scapy 进行数据包捕获、协议剖析和自定义协议文档编写。

来自 wshobson/agents

为用户代码库生成自定义设计系统规则。当用户说“创建设计系统规则”“为我的项目生成规则”“设置设计规则”“自定义设计系统指南”，或希望为 Figma 转代码工作流建立项目专属约定时使用。需要 Figma MCP 服务器连接。

来自 openai/skills

• Implementation

声明的前提（自述）: MCP server

>- 引导 agent 发现需求并设计一个受治理、安全、无边界且集成 agentic AI 的开放数据湖仓。适用于设计连接数据孤岛与 AI agent 的多产品架构、跨云连接数据，或在 Google Cloud 与外部数据源（包括本地或其他云提供商）之间运行联邦查询时。不适用于简单的单云数据仓库或非 AI 工作负载。

来自 google/skills

• Requirements
• Implementation

声明的前提（自述）: Credentials

编码 Emil Kowalski 关于 UI 打磨、组件设计、动画决策以及让软件感觉恰到好处的隐形细节的理念。

来自 emilkowalski/skills

当任务涉及将应用页面、视图或多板块布局转换到 Figma 时，请将此 skill 与 figma-use 搭配使用。触发条件：'write to Figma'、'create in Figma from code'、'push page to Figma'、'take this app/page and build it in Figma'、'create a screen'、'build a landing page in Figma'、'update the Figma screen to match code'。当用户希望根据代码或描述在 Figma 中构建或更新完整页面、屏幕或视图时，这是首选的工作流 skill。它通过 search_design_system 发现设计系统组件、变量和样式，将其导入，并使用设计系统 token 而非硬编码值，逐板块增量组装屏幕。

来自 openai/skills

• Implementation

从 Penpot 文件中提取 DESIGN.md 设计文档文件：采用 design-md 格式的可移植 markdown 规范（YAML frontmatter 包含颜色/字体/圆角/间距/组件 token 映射 + 文字章节：Overview、Colors、Typography、Layout、Shapes、Components、Do's & Don'ts、Iteration Guide、Known Gaps），基于文件的真实 token、库资产和采样的组件样式——绝不虚构。对画布只读；写入一个本地 markdown 文件。触发词：'generate DESIGN.md'、'create a design.md'、'document the design system as markdown'、'export design guidelines'、'extract design documentation'、'design system spec file'、'make a style guide file from this design'。

来自 penpot/penpot-ai-kit

• Requirements

精英级 UX/UI 和 GSAP 动效工程指导，强制布局随机化、AIDA 页面结构、编辑式排版和 bento 网格。

来自 leonxlnx/taste-skill

以高标准审查动画和动效代码，包含十项不可妥协的标准，涵盖缓动、时长、原点、可中断性和无障碍性。

来自 emilkowalski/skills

• Quality & testing

antfu 风格设计约定，范围更广。以 UnoCSS 优先，基于类的语义 token，为工具和 devtools UI 提供明暗双主题，并为落地页和产品界面提供设计解读、反粗制滥造和微交互打磨。在使用 UnoCSS 构建或重构任何界面时使用。

来自 antfu/skills

减少常见 LLM 编码错误的行为准则。在编写、审查或重构代码时使用，以避免过度复杂化、进行精准修改、暴露假设并定义可验证的成功标准。

来自 multica-ai/andrej-karpathy-skills

• Implementation
• Maintenance & operations

面向多步骤 AI-agent 工作的持久化基于文件的规划。将 task_plan.md、findings.md 和 progress.md 保存在磁盘上；生命周期钩子注入选定的项目规划上下文。自动恢复仅读取项目规划文件。显式 session-catchup.py --metadata 读取同项目的本地 agent 会话记录，仅输出聚合计数；--replay 可能输出有界的 nonce 框架摘录。可选的门控模式仅在宿主支持时请求继续，且绝不运行 Markdown 中声明的命令。该 skill 没有网络上传路径。用于需要 5 次以上工具调用的研究或工作。

来自 OthmanAdi/planning-with-files

强制采用真正可行、最简单、最短、最精简的方案。像一位见多识广的资深开发者那样思考：先质疑任务是否根本需要存在（YAGNI），优先使用标准库而非自写代码，优先使用原生平台功能而非依赖，能用一行就不用五十行。支持强度级别：lite、full（默认）、ultra。适用于任何编码任务：编写、添加、重构、修复、审查或设计代码，以及选择库或依赖。也适用于用户说“ponytail”“be lazy”“lazy mode”“simplest solution”“minimal solution”“yagni”“do less”或“shortest path”，或抱怨过度工程、臃肿、样板代码或不必要依赖时。不要用于非编码请求（常识、散文、翻译、摘要、食谱）。

来自 DietrichGebert/ponytail

• Implementation

在遇到任何 bug、测试失败或意外行为时使用，在提出修复方案之前。

来自 obra/superpowers

• Implementation

在开始任何对话时使用——确立如何查找和使用技能，要求在任何回复（包括澄清性问题）之前先调用技能。

来自 obra/superpowers