作者

Obra

简介

Brainstorming 是一个强制性的前置设计与需求分析技能，旨在通过协作式对话，将你的初步想法转化为结构化、可执行的设计方案与需求文档。在完成文档并获得用户确认前，禁止执行任何实现类操作（如编写代码、初始化项目等）。

该技能避免了 “需求太简单而无需设计” 的反模式，所有需求均需经过设计阶段，从而降低最终实现的偏差与返工率。

应用场景举例

• 引入全新功能与组件

  你可以在需要增加新的业务逻辑、开发独立的模块，或在现有系统中扩展新能力等场景中使用该技能。它会引导你明确新需求，梳理现有代码与新功能的耦合度，并提供最终的设计方案。

• 修改或重构现有逻辑

  当你需要修改或重构现有逻辑（例如臃肿的代码）时，该技能会在修改前先探索现有结构和瓶颈，然后提出针对性的改进方案。

• 拆解并规划大型项目

  面对搭建类似 Notion 的协作平台等宏大需求时，该技能会在早期阶段对项目范围进行收敛。它会引导你理清各个子系统的依赖关系，确定最小可行性版本（MVP），将整体项目拆分为多个可独立开发的小任务。随后，它会优先为第一个子项目启动设计流程。

• 涉及 UI/UX 的视觉辅助决策

  当讨论诸如 “仪表盘布局” 或 “页面交互” 等需要直观展示的需求时，该技能会提供基于浏览器的可视化工具（Visual Companion），直接渲染线框图、架构图或多套布局方案。这种直观的对比展示能够帮助你更准确地完成设计相关的决策。

作者

Anthropics

简介

frontend-design 用于生成具备独特风格和高质量的前端界面，满足生产级 UI 标准。它的核心目标是避免生成同质化的“AI 风格” 界面，而是通过选择大胆、明确的美学主题（例如：极简、复古、未来感、野兽派等），并注重排版、色彩、动效、空间布局等细节，来打造具有辨识度和艺术感的前端界面。

应用场景举例

• 构建网页组件或页面

  在从零开始创建一个具体的 UI 时（如一个 React 组件、一个 HTML/CSS 布局，或一个独立的静态页面），该技能会确保这个 UI 不仅功能完善，而且在视觉上具有辨识度。

• 开发完整的 Web 应用或网站

  在构建落地页、仪表盘或小型网站等产品时，该技能会让 AI 从整体出发，确立一个统一且鲜明的设计风格，并将其全局应用到产物中。

• 美化或重塑现有界面

  针对已有但设计质量较低的界面，可以使用该技能来提升界面的整体视觉质量，包括优化字体、配色、动效、布局等。

作者

NextLevelBuilder

简介

提供全面的设计智能，用于跨多平台和框架构建专业 UI/UX。旗舰功能为 Design System Generator，支持分析项目需求并在数秒内生成完整、定制的设计系统。内含 50+ 种风格、97 组配色方案、57 组字体搭配的可搜索数据库，以及严格的 UX 和无障碍准则。

应用场景举例

• 做设计决策时查询最佳实践

  在需要为产品选择配色方案、字体搭配、图表类型或布局模式时，该技能提供按行业/产品类型/风格筛选的系统化推荐数据库，用数据支撑设计决策。

• 审查与优化 UI 的可用性和合规性

  对现有界面进行无障碍审查（对比度、触控目标、焦点状态）、响应式验证、性能指标检测等，确保 UI 满足 WCAG 和各平台 HIG 标准。

• 跨平台设计一致性对齐

  同一产品在 Web/iOS/Android 三端需要保持设计一致时，该技能提供各平台的触控规范、安全区域、系统手势等差异化准则，确保一致体验。

作者

alexanderop

简介

四阶段系统化调试方法论，强调根因分析优先。将 Claude 从"猜测式修复"转变为遵循纪律的工程师，强制执行根因追踪（root-cause-tracing）、纵深防御（defense-in-depth）和条件等待（condition-based-waiting）技术。在提出修复方案之前，必须完成完整的问题诊断流程。

应用场景举例

• 排查任何技术问题的根因

  遇到 bug、测试失败、性能退化或构建错误时，该技能强制执行"先调查再修复"的四阶段流程（根因调查 - 模式分析 - 假设测试 - 实施修复），防止盲目试错。

• 诊断多组件系统的故障点

  在涉及多层调用链的系统中（CI —> 构建 —> 签名、API —> 服务 —> 数据库），该技能要求先在每个组件边界加诊断日志，定位到具体哪一层出了问题再行动。

• 打破"反复修不好"的僵局

  当同一个问题已经尝试修复 3 次以上仍失败时，该技能会触发"质疑架构"机制，引导从根本上重新审视设计模式，而非继续打补丁。

作者

Obra

简介

将头脑风暴输出转化为可执行的结构化实施计划。能够将项目拆解为独立的工作流，定义带有明确完成标准的任务，规划风险与缓解策略。支持通过 TUI 或命令同步任务。输出极其细粒度的 2-5 分钟步骤，包含完整代码示例和测试模式。

应用场景举例

• 将设计规格转化为可执行的实施步骤

  拿到一份技术设计文档或需求规格后，该技能会生成精确到文件路径、代码片段、测试命令和预期输出的分步任务列表，确保执行者无需额外沟通即可完成。

• 为多人协作或任务编写指南

  给团队新人、开源贡献者或子代理编写实施计划时，该技能确保计划本身是零上下文可执行的——不假设读者了解代码库，每步都有完整信息。

作者

Vercel

简介

帮助用户从开放的 Agent Skills 生态（skills.sh）中发现和安装第三方 Skill。支持关键词模糊搜索数千个社区 Skill（前端、后端、DevOps、测试等），列出任意 Git 仓库中托管的 Skill，并安装到目标 Agent 中。提供可复现的 Git 安装、Agent 作用域控制和快速发现能力。

应用场景举例

• 快速定位适合当前任务的 Skill

  面对一个新任务但不确定该用哪个 skill 时（或者刚安装了一批 skill 包），该技能帮助根据任务描述从已安装集合中检索和推荐最匹配的 skill 或 skill 组合链。

作者

Obra

简介

Superpowers 框架的核心引导 Skill，强制执行 LLM Agent 的标准工作流：在任何回复或操作之前，必须检查并调用相关的 Skill。建立严格的调用规则（只要有任何可能适用就必须调用）、指令优先级排序（用户指令 > Skill 指令 > 默认系统提示）以及 Skill 使用声明。

应用场景举例

• 确保每次行动前都检查可用 Skill

  作为框架级 skill，它在对话启动时自动生效，建立"先查 skill 再响应"的强制纪律，防止 AI 跳过合适的 skill 直接用默认行为处理问题。

• 管理多 Skill 间的优先级和调用顺序

  当多个 skill 可能适用时（如 bug 同时涉及调试和前端），该技能规定调用顺序：流程 skill（brainstorming/debugging）优先于实施 skill（frontend-design/testing）。

作者

Forrest Chang

简介

基于 Andrej Karpathy 对 LLM 编码陷阱的观察提炼而来的行为准则。用一个 CLAUDE.md 文件纠正 AI 编码 Agent 的常见问题：过度假设并盲目执行、过度复杂化代码和 API、堆砌抽象、不清理死代码、随意修改/删除不理解的注释和代码等。核心四原则：先思考再编码、简洁优先、手术式修改、目标驱动执行。

应用场景举例

• 约束 AI 在编码时保持简洁和克制

  编写新代码时，该技能防止 AI 过度设计——不加不必要的抽象层、不做推测性功能、不为单一用途的代码创建接口，强制用最少代码解决当前问题。

• 规范对存量代码的修改方式

  修改已有代码时，该技能要求只改必须改的部分——不"顺手"重构、不改相邻格式、不删不理解的注释，每一行变更都必须能追溯到用户请求。

• 在需求模糊时显式暴露假设

  当任务存在多种理解方式时，该技能禁止 AI 默默选一个方向执行，而是要求列出所有可能的解读、声明不确定性，由用户决定方向。

作者

Anthropics

简介

webapp-testing 是一个基于 Playwright 的本地 Web 应用测试工具集，支持前端功能验证、UI 调试、页面截图及浏览器控制台日志采集，遵循 “先侦查后执行” 的流程。该技能提供示例与辅助脚本，覆盖静态 HTML 自动化测试、元素定位、日志抓取能力，并可在多服务场景下统一管理服务器生命周期。

应用场景举例

• 前端功能验证

  在本地开发 Web 应用（如 React、Vue、Svelte）时，通过自然语言描述测试需求（如 “测试登录流程”），AI 会调用该技能，自动生成 Playwright 脚本，模拟用户操作并返回结果。

• UI 行为调试与分析

  当你发现页面中某元素渲染异常或交互行为异常时，可向 AI 下达指令（例如：“截取首页完整截图” 或 “检查按钮的 DOM 结构”），AI 会执行该技能中的对应脚本，捕获截图或获取 HTML 内容，并将检查结果返回给你，以帮助你定位问题。

• 多服务应用测试

  若你的应用为前后端分离架构，测试前端功能需后端 API 服务同步运行，只需向 AI 提供项目结构与启动命令，AI 会借助该技能中的 with_server.py 脚本来同时启动所有必需服务，再运行测试脚本，确保在完整的环境中执行测试。

• 静态页面测试

  若你有不依赖服务器的纯静态 HTML 页面，需验证其内容或结构，只需向 AI 提供文件路径与测试需求，AI 会编写脚本并通过 file:// 协议在浏览器中打开该文件，然后执行自动化验证。

作者

Vercel

简介

agent-browser 是一个面向 AI 智能体的浏览器自动化 CLI 工具，用于执行网页交互与数据操作，包括页面导航、表单填写、点击操作、截图、数据提取及 Web 应用测试等，适用于以编程方式控制浏览器的自动化流程。

该技能支持的典型请求包括：打开页面、填写表单、点击元素、截图、抓取数据、登录网站等。

应用场景举例

• 测试网页中的复杂交互

  当一个网页包含复杂的表单填写、下拉选择或多步点击时，可以借助该技能来自动化测试该网页。该技能通过快照命令（snapshot）获取页面内所有元素的简化标识（如 @e1），然后通过批量命令（batch）执行操作，从而提升执行效率并降低 Token 消耗。

• 抓取网页中的数据

  当你需要从多个网页提取特定信息或结构化数据时，可以使用该技能。它支持提取页面链接（--urls）及指定元素内容（如 get text），并自动处理 Iframe，非常适用于结构化数据采集。

• 响应式布局与视觉回归验证

  当需要验证网页在不同屏幕尺寸或设备上的表现时，可以使用该技能。它支持动态调整视口分辨率、模拟各类设备（如 iPhone 14），并生成全页面或特定元素的截图；结合 diff 功能，该技能非常适用于 UI 回归测试与布局校验。

作者

tanweai

简介

高能动性治理 Skill（PUA Debugging Skill），使用结构化压力迫使 AI Agent 进行穷尽式问题解决。采用 4 级升级系统、强制 7 项检查清单和 5 步系统化调试方法论。防止 Agent 被动等待、"差不多就行"和空口完成等失败模式，强制 Owner 意识和任务生命周期管理。

应用场景举例

• 突破 AI 反复失败的僵局

  当 AI 在同一问题上连续失败 2 次以上、开始尝试相同方案打转时，该技能通过压力升级机制和强制 7 项检查清单，迫使 AI 切换到本质不同的解题路径。

• 提高 AI 交付物的完整性和可靠性

  防止 AI 说"已完成"但没有验证证据、遇到困难就放弃或甩锅"环境问题"，强制要求每次交付都有数据闭环、每个诊断都有工具验证、解决问题后主动扫描同类隐患。

• 按任务类型匹配最优方法论

  Debug 场景自动采用华为式 RCA 根因分析，新功能构建采用 Musk 式"质疑-删除-简化-加速-自动化"，代码审查采用 Jobs 式减法思维，让 AI 在不同任务中用最合适的思维框架。