AgentFolio
概述
此公共接收副本将 https://github.com/sickn33/antigravity-awesome-skills 中的 plugins/antigravity-awesome-skills-claude/skills/agentfolio 打包为本地 Omni Skills 编辑格式,同时不掩盖其原始来源。
当操作员需要上游工作流、支持文件和仓库上下文保持完整,同时公共验证器和私有增强器继续其正常的下游流程时,请使用此技能。
此接收副本保持复制的上游文件完整,并使用 metadata.json 中的 external_source 块以及 ORIGIN.md 作为审核的来源锚点。
AgentFolio 角色:自主智能体发现指南 当您想要跨生态系统发现、比较和研究自主 AI 智能体时,请使用此技能。AgentFolio 是一个精选目录,网址为 https://agentfolio.io,它跟踪智能体框架、产品和工具。此技能帮助您: - 在从头构建自己的智能体之前,先找到现有的智能体。 - 绘制智能体框架和托管产品的格局。 - 收集智能体能力的具体示例和基准。
未整齐映射到公共标题的导入源部分仍保留在下面或支持文件中。值得注意的导入部分:能力、如何使用 AgentFolio、限制。
何时使用此技能
将此部分用作触发过滤器。它应在操作员加载文件、运行命令或打开拉取请求之前明确激活边界。
- 在启动新的智能体或工作流项目时。
- 在评估要集成的供应商或工具时。
- 当您希望从现有智能体产品中获得灵感或最佳实践时。
- 当请求明确匹配导入源的意图时:使用 AgentFolio 目录发现和研究自主 AI 智能体、工具和生态系统的技能。
- 当操作员应保留上游工作流细节而不是从头重写流程时。
- 当来源需要在答案、PR 或审核包中保持可见时。
操作表
| 情况 | 从这里开始 | 为什么重要 |
|---|---|---|
| 首次使用 | metadata.json | 在接触复制的工作流之前,通过 external_source 块确认仓库、分支、提交和导入路径 |
| 来源审核 | ORIGIN.md | 为审核者提供导入源的可追溯审计线索 |
| 工作流执行 | SKILL.md | 从能实质改变执行的最小复制文件开始 |
| 支持上下文 | SKILL.md | 添加下一个最相关的复制源文件,而无需加载整个包 |
| 交接决策 | ## 相关技能 | 当任务偏离时,帮助操作员切换到更强的本地技能 |
工作流
此工作流有意同时进行编辑和操作。它使导入的源对操作员有用,同时仍然满足为下游增强器流程提供支持公共接收标准。
- 定义问题:“CI 管道的自主测试失败分类”。
- 使用 AgentFolio 搜索:
- “测试智能体”、“CI 智能体”、“DevOps 助手”、“事件分类”。
- 对于每个相关智能体:
- 注意支持的平台(GitHub、GitLab、Jenkins 等)。
- 捕获它们如何解释自主性和安全边界。
- 如果您计划采用而不是构建,记录定价/许可限制。
导入的工作流说明
导入:示例工作流
1) 在构建新智能体之前进行格局扫描
- 定义问题:“CI 管道的自主测试失败分类”。
- 使用 AgentFolio 搜索:
- “测试智能体”、“CI 智能体”、“DevOps 助手”、“事件分类”。
- 对于每个相关智能体:
- 注意支持的平台(GitHub、GitLab、Jenkins 等)。
- 捕获它们如何解释自主性和安全边界。
- 如果您计划采用而不是构建,记录定价/许可限制。
2) 新技能的竞争和灵感研究
- 如果您计划添加新技能(例如,可观测性智能体、安全智能体):
- 使用 AgentFolio 查找类似的智能体和功能。
- 提取 3-5 个您想模仿或避免的具体模式。
- 将这些模式转化为您自己技能的清晰需求。
3) 供应商入围
- 在多个智能体供应商之间进行选择时:
- 将 AgentFolio 条目用作中立目录。
- 构建比较表(列:能力、集成、定价、信任与安全)。
- 使用该表推动更正式的评估或概念验证。
导入:能力
- 按用例发现自主 AI 智能体、框架和工具。
- 按能力、目标用户和集成面比较智能体。
- 识别市场空白或新技能/工作流的灵感。
- 为您自己的设计收集示例智能体行为和用户体验模式。
- 跟踪智能体架构和部署的新兴趋势。
示例
示例 1:直接请求上游工作流
使用 @agentfolio 处理 <任务>。从复制的上游工作流开始,只加载能改变结果的文文件,并在答案中保持来源可见。
解释: 当操作员需要导入的工作流但不需要整个仓库时,这是最安全的起点。
示例 2:请求基于来源的审核
根据 metadata.json 和 ORIGIN.md 审核 @agentfolio,然后解释您会先加载哪些复制的上游文件以及原因。
解释: 在审核或故障排除之前使用此方法,当您需要对来源和文件选择进行精确、可审计的解释时。
示例 3:在执行之前缩小复制的支持文件范围
使用 @agentfolio 处理 <任务>。只加载能改变结果的复制引用、示例或脚本,并在继续之前明确命名文件。
解释: 这使技能与渐进式披露保持一致,而不是默认加载整个复制包。
示例 4:构建审核者包
使用复制的上游文件加上来源审核 @agentfolio,然后在合并之前总结任何差距。
解释: 当 PR 等待人工审核并且您想要可重复的审计包时,这很有用。
导入的使用说明
导入:示例提示
在 AI 编码代理中使用此技能时,请使用以下提示:
- “使用 AgentFolio 查找 3 个专注于代码审查的自主 AI 智能体。对于每个,总结核心价值主张、支持的语言以及它们如何集成到开发人员工作流中。”
- “扫描 AgentFolio 中帮助进行客户支持分类的智能体。列出最佳选项、它们的目标客户规模(SMB 与企业)以及任何值得注意的用户体验模式。”
- “在我们构建自己的研究助手之前,使用 AgentFolio 绘制现有研究/分析智能体,并强调我们可以填补的空白。”
最佳实践
将生成的公共技能视为上游仓库的可审核打包层。目标是保持来源明确,并只加载能实质改善执行的复制源材料。
- 保持导入的技能以上游仓库为基础;不要发明源材料无法支持的步骤。
- 优先选择最小的有用支持文件集,以便工作流保持可审计和快速审核。
- 在注释和 PR 描述中保持来源、源提交和导入文件路径可见。
- 直接指向证明工作流合理性的复制上游文件,而不是依赖通用的审核模板。
- 将生成的示例视为脚手架;在执行前将它们适应具体任务。
- 当架构、调试、设计或安全问题成为主导时,转向更强的本地技能。
故障排除
问题:操作员跳过了导入的上下文,回答过于泛化
症状: 结果忽略了 plugins/antigravity-awesome-skills-claude/skills/agentfolio 中的上游工作流,未能提及来源,或者根本没有使用任何复制的源文件。
解决方案: 重新打开 metadata.json、ORIGIN.md 和最相关的复制上游文件。首先检查 external_source 块,然后在继续之前重新陈述来源。
问题:在审核期间导入的工作流感觉不完整
症状: 审核者可以看到生成的 SKILL.md,但他们无法快速判断哪些引用、示例或脚本对当前任务重要。
解决方案: 指向证明您所采取路径合理的确切复制引用、示例、脚本或资产。如果差距确实存在,请在 PR 中记录而不是隐藏它。
问题:任务偏离到不同的专业领域
症状: 导入的技能从正确的地方开始,但工作变成了调试、架构、设计、安全或发布编排,这些由本地技能处理得更好。 解决方案: 使用相关技能部分有意识地进行交接。保持导入的来源可见,以便下一个技能继承正确的上下文,而不是从头开始。
相关技能
@00-andruia-consultant- 当在此导入技能建立上下文后,工作更适合由该本地专业知识处理时使用。@00-andruia-consultant-v2- 当在此导入技能建立上下文后,工作更适合由该本地专业知识处理时使用。@10-andruia-skill-smith- 当在此导入技能建立上下文后,工作更适合由该本地专业知识处理时使用。@10-andruia-skill-smith-v2- 当在此导入技能建立上下文后,工作更适合由该本地专业知识处理时使用。
其他资源
将下面的支持矩阵和链接文件用作此导入技能的操作员包。它们应反映真实的复制源材料,而不是通用的脚手架。
| 资源系列 | 给审核者提供的内容 | 示例路径 |
|---|---|---|
references | 从上游复制的参考笔记、指南或背景材料 | references/n/a |
examples | 从上游复制的示例或可重用提示 | examples/n/a |
scripts | 更改执行或验证的上游辅助脚本 | scripts/n/a |
agents | 作为导入包一部分的路由或委托说明 | agents/n/a |
assets | 从源包复制的支持资产或模式 | assets/n/a |
导入的参考说明
导入:如何使用 AgentFolio
-
打开目录
- 在浏览器中访问
https://agentfolio.io。 - 可选地按类别筛选(例如,开发工具、运维、营销、生产力)。
- 在浏览器中访问
-
按意图搜索
- 从您想解决的问题开始:
- “客户支持智能体”
- “自主编码智能体”
- “研究/分析智能体”
- 在与您领域或工作流匹配的 AgentFolio 搜索栏中使用关键词。
- 从您想解决的问题开始:
-
评估候选者
- 对于每个有趣的智能体,捕获:
- 核心承诺(自动化什么结果)。
- 输入/输出形态(API、UI、数据源)。
- 自主性模型(一次性、多步骤、使用工具、人机协同)。
- 部署模型(SaaS、自托管、浏览器、IDE 等)。
- 对于每个有趣的智能体,捕获:
-
综合洞察
- 使用发现结果:
- 决定是集成现有智能体还是构建自己的。
- 借鉴成功的用户体验和安全模式。
- 相对于生态系统定位您自己的智能体技能和工作流。
- 使用发现结果:
导入:限制
- 仅当任务明确匹配上述范围时,才使用此技能。
- 不要将输出视为环境特定验证、测试或专家审查的替代品。
- 如果缺少所需的输入、权限、安全边界或成功标准,请停止并请求澄清。