搜索「Multi Engine」的结果

io.github.obra/superpowers/writing-plans

在有多步骤任务的规格或需求、但尚未动代码时使用。

io.github.manaflow-ai/cmux/cmux-cua

仅在用户明确提出要使用 Computer Use 时使用：通过内置引擎，从 cmux 智能体会话中驱动真实的 macOS 应用（无障碍树加截图，支持点击、输入、滚动、拖拽，并带可辨识的光标），或向用户说明其由用户授权的权限设置。阅读或发现本技能不构成同意。

io.github.deepseek-ai/deepseek-harness/agent-experience

Use when writing or changing a model-facing tool definition (name, description, parameter schema, or its system-prompt section), and when designing skills, context loading, or multi-step workflows, to make information discoverable and use context efficiently.

io.github.affaan-m/ECC/exa-search

通过 Exa MCP 进行神经检索，用于网页、代码和企业研究。当用户需要网页搜索、代码示例、公司情报、人物查找，或用 Exa 的神经搜索引擎做 AI 驱动的深度研究时使用。

io.github.Panniantong/Agent-Reach/skill

当用户想要调研/research/搜索/search/查/找/look up 互联网上的任何内容时务必使用——例如“全网调研 X”“帮我调研一下 X”“查一下 X”“搜搜 X”“看看大家怎么评价 X”“X 上有什么讨论”“research this topic”。当用户提到任何平台或分享任何 URL/链接时也务必使用：小红书/xiaohongshu/xhs、Twitter/推特/X、B站/bilibili、Reddit、Facebook、Instagram、V2EX、LinkedIn/领英/招聘/求职/jobs、YouTube、GitHub code search、小宇宙播客、雪球/股票行情、RSS feeds 或任意网页 URL。覆盖 15 个平台、多后端路由（OpenCLI / 各平台 CLI / API），6 个渠道零配置。运行 `agent-reach doctor --json` 查看当前各平台的后端。不适用于：写报告/数据分析/翻译等内容加工（本 skill 只负责从互联网获取内容）、发帖/评论/点赞等写操作、已有专门 skill 的平台（应先用专门 skill）。【路由方式】SKILL.md 包含路由表和常用命令，复杂场景需按需阅读对应分类的 references/*.md。分类：search / social（小红书/推特/B站/V2EX/Reddit/Facebook/Instagram）/ career(LinkedIn) / dev(github) / web(网页/文章/RSS) / video(YouTube/B站/播客) / finance(雪球/股票)。

io.github.heygen-com/hyperframes/motion-doctrine

网关技能——编排任何 HyperFrames 动画或视频之前必须最先加载。让多场景视频像一次连续运镜、而非一堆各自独立的动画幻灯片拼接的高层运动法则。涵盖向量法则（如何出场决定如何入场，含 Z 轴缩放符号法则）、影片的当下（film's current）、承载元素、因果运动、Seam Gate（构建门禁执行）、禁止空闲摆动（运动必须表演而非呼吸）、先静止后高潮，以及持续运动路线。路由到低层技巧技能（cut-the-curve——完整目录含瀑布式入场与 nudge 曲线、oversized-cursor、seam-craft）。这些规则取代通用的上游运动指南。[continuity, direction, vector, momentum, seam, transition, ease, performance, idle-motion, narrative-motion, film-grammar]

io.github.TriliumNext/Trilium/developing-standalone

开发 Trilium 的浏览器内 standalone 构建（apps/standalone，部署于 app.triliumnotes.org 并被移动应用内嵌）时使用：service worker（sw.ts）、leader 标签页选举与多标签请求转发、SQLite worker（local-server-worker.ts、基于 OPFS SAHPool 的 @sqlite.org/sqlite-wasm）、initializeCore() 所需的 lightweight/* 提供者实现、standalone 专用路由、window.standaloneApi、OPFS 中的备份/恢复、Vite 打包桩（officeparser、pdfjs、sqlite wasm 副本）、启动错误，以及运行/测试/部署。当 packages/trilium-core 的变更新增 provider、Node import 或顶层副作用时也需加载——standalone 是最容易出问题的地方。

io.github.novuhq/novu/ink-tui

使用 Ink（面向 CLI 的 React）与 @inkjs/ui 构建终端用户界面（TUI），采用响应式、会话驱动向导模式。当在 Node.js/TypeScript 中创建交互式 CLI 安装向导、设置流程或多步终端应用时使用。涵盖响应式屏幕尺寸解析、声明式流程管线、overlay 中断、会话状态管理、Ink 组件、Flexbox 终端布局，以及在各种终端环境下的优雅降级。

io.github.PostHog/posthog/modifying-taxonomic-filter

指导安全修改 TaxonomicFilter——PostHog 用于事件、action、属性、群组等的多标签选择器。先讲清经验性的产品现实（用户实际挑选和搜索什么）以及三个在用变体（legacy-control、藏在 TAXONOMIC_FILTER_CATEGORY_DROPDOWN 开关后的 legacy-pill、藏在 TAXONOMIC_FILTER_MENU_REBUILD 后的自选重构菜单），让改动以真实行为为评判标准并在多个界面镜像同步，而不是孤立地针对一支实现。在新增功能、修 bug 或重构 TaxonomicFilter、重构菜单或无头筛选面板时使用。

io.github.PostHog/posthog/depot-container-builds

使用 `depot build` 与 `depot bake` 配置并运行 Depot 远程容器构建。当构建 Docker 镜像、为 Depot 编写 Dockerfile、推送镜像到仓库、构建多平台/多架构镜像（linux/amd64、linux/arm64）、排查容器构建失败、优化 Dockerfile 分层缓存、使用 docker-bake.hcl 或 docker-compose 构建，或从 `docker build` / `docker buildx build` 迁移到 Depot 时使用。当用户提到 depot build、depot bake、容器构建、镜像构建，或询问 Depot 的构建缓存、构建并行度、临时仓库时也使用。

io.github.nextlevelbuilder/ui-ux-pro-max-skill/design

综合设计 skill：品牌识别、设计 token、UI 风格、logo 生成（55 种风格，可用 Gemini、Atlas Cloud 或 MuAPI AI）、企业识别系统（50 项交付物、CIP 样机）、HTML 演示（Chart.js）、banner 设计（22 种风格，社交/广告/网页/印刷）、图标设计（15 种风格，SVG，Gemini 3.1 Pro）、社交图片（HTML 转截图、多平台）。动作：设计 logo、制作 CIP、生成样机、做 slides、设计 banner、生成图标、制作社交图片/社媒图、品牌识别、设计体系。平台：Facebook、Twitter、LinkedIn、YouTube、Instagram、Pinterest、TikTok、Threads、Google Ads。

io.github.K-Dense-AI/scientific-agent-skills/optimize-for-gpu

将科学 Python 工作负载加速到 NVIDIA GPU 上，并验证结果正确且更快。适用于 CUDA/GPU 优化；CPU 受限的 NumPy、SciPy、pandas、scikit-learn、NetworkX、scikit-image、向量检索、图像处理、图、仿真或文件 I/O 负载；CuPy、cuDF、cuML、cuGraph、cuVS、cuCIM、KvikIO、Warp、Newton、Numba-CUDA、RAFT 相关问题；以及性能剖析、内存搬运、kernel 或多 GPU 瓶颈。当大规模数据并行的 Python 代码很慢且 GPU 加速是合理选项时也应使用，即使用户没有提到 CUDA。

io.github.K-Dense-AI/scientific-agent-skills/gget

对 20+ 生物信息学数据库的快速 CLI/Python 查询。适合快速查询：基因信息、BLAST/BLAT、病毒序列下载、AlphaFold 结构、富集分析、OpenTargets、COSMIC、CELLxGENE 以及 8cube 小鼠特异性/表达数据。最适合交互式探索和简单查询。批量处理或高级 BLAST 用 biopython；跨库 Python 工作流用 bioservices。

io.github.K-Dense-AI/scientific-agent-skills/rowan

Rowan 是带 Python API 的云原生分子建模与药物化学工作流平台。适用于 pKa 与大分子 pKa 预测、构象与互变异构体系综、对接与类似物对接、蛋白-配体共折叠、MSA 生成、分子动力学、通透性、描述符工作流，以及相关的小分子或蛋白建模任务。适合程序化批量筛选、多步化学流水线，以及原本需要自建 HPC/GPU 基础设施的工作流。

io.github.code-yeongyu/oh-my-openagent/data-scientist

以混合引擎策略进行专业数据处理：优先使用常驻内核引擎——DuckDB 加上常驻的 Python 技术栈（Polars/numpy/matplotlib），在 harness 支持的 js/py eval 内核中保持常驻，其他环境则用 bun/uv 单次执行——并按动作决定放置方式（内存内、流式、远端就地）。触发词：analyze the data、what is in this CSV/parquet/json、summarize this、group by、filter rows、sort by、join these files、merge datasets、time series trend、compare yesterday and today、distribution/histogram、correlation、clean duplicates、handle missing values、dataset larger than RAM、SQL query on files、DataFrame operations、chart/plot this data、DuckDB vs Polars selection、quick data exploration CLI。不适用于：纯文本/代码查看、配置文件或极小的内联计算。

io.github.affaan-m/ECC/exa-search

通过 Exa MCP 进行神经检索，用于网页、代码和企业研究。当用户需要网页搜索、代码示例、公司情报、人物查找，或用 Exa 的神经搜索引擎做 AI 驱动的深度研究时使用。

io.github.openclaw/openclaw/browser-automation

在使用 OpenClaw 浏览器工具操控网页时使用，尤其适合多步流程、登录状态检查、标签页管理，以及从失效引用/超时中恢复。

io.github.garrytan/gbrain/postgres-adopt

检测当前 gbrain 使用的是哪种引擎（PGLite 还是 Postgres），在智能体安装场景中优先选择 Postgres，并安装或开通 Postgres（通过 SUPABASE_ACCESS_TOKEN 发现 Supabase、本地 Postgres、需显式选择的 Docker），再用受保护的引擎迁移把已有的 PGLite brain 搬移过去。检测只需一条与引擎无关的命令，安装阶梯也只需一个参数。

io.github.shareAI-lab/learn-claude-code/agent-builder

为任意领域设计与构建 AI agent。适用于用户：(1)要求“create an agent”“build an assistant”或“design an AI system”；(2)想理解 agent 架构、agentic 模式或自主 AI；(3)需要能力、subagent、规划或 skill 机制方面的帮助；(4)询问 Claude Code、Cursor 等 agent 内部实现；(5)想为业务、研究、创意或运营任务构建 agent。关键词：agent、assistant、autonomous、workflow、tool use、multi-step、orchestration。

io.github.mukul975/Anthropic-Cybersecurity-Skills/implementing-container-image-minimal-base-with-distroless

用 Google distroless 基础镜像构建应用来缩减容器攻击面——只含应用运行时，无 shell、包管理器与 OS 工具——并采用适配 distroless 的多阶段构建模式及调试、扫描方法。适用于加固容器镜像、削减容器架构的攻击面，或回应关于臃肿基础镜像的评估发现。关键词：distroless、多阶段构建、无 shell、nonroot tag、debug image、scratch、攻击面。不要用于扫描镜像的已知 CVE——那用 scanning-docker-images-with-trivy。

io.github.mukul975/Anthropic-Cybersecurity-Skills/hardening-docker-containers-for-production

对照 CIS Docker Benchmark v1.8.0 加固 Dockerfile、镜像与逐容器的运行时设置：非 root 用户、drop 能力、只读根文件系统、seccomp 与 AppArmor 配置、最小化多阶段构建，并用 docker-bench-security、Hadolint、Dockle 验证。适用于为生产准备容器或 Dockerfile，或按 CIS Docker 控制项审计镜像与运行时参数。关键词：Dockerfile、USER、--cap-drop、只读 rootfs、seccomp、AppArmor、多阶段、Hadolint、Dockle。不要用于 Docker daemon 自身配置——那用 hardening-docker-daemon-configuration。

io.github.microsoft/SkillOpt/skillopt-sleep

当用户希望 Cursor 从最近的本地会话中学习、要求离线睡眠/做梦循环、想把重复性工作沉淀为 Cursor skill，或请求 SkillOpt-Sleep 的状态、采集、dry-run、执行、调度、审查或采纳时使用。驱动带验证门控的 skillopt_sleep 引擎，使用 Cursor 会话记录，可选 Cursor Agent CLI 后端。

io.github.PostHog/posthog/diagnosing-experiment-results

诊断 PostHog 实验中的偏差、异常与怪异结果。涵盖 0 曝光实验、样本比例失配、身份碎片化、多变体曝光、不均分导致的排除偏差、显著性陷阱（提前偷看、A/A、贝叶斯 vs 频率派）、PostHog 与 SQL 结果不一致、运行中途编辑后的意外，以及通过按变体分组问卷做定性跟进。 触发条件：用户问“我的实验有偏差吗”或“为什么 0 曝光”、提及偏差横幅、说某个变体看起来怪异/不对/不对劲、发现显著性翻转或 A/A 显著、PostHog 数字与其 SQL 不一致、报告中途编辑后的意外，或想为实验收集定性反馈/问卷。 不触发：创建实验（用 creating-experiments）、仅配置放量（用 configuring-experiment-rollout）或指标（用 configuring-experiment-analytics）、仅询问生命周期问题（用 managing-experiment-lifecycle）。

io.github.nexu-io/open-design/gamified-app

多帧游戏化移动应用原型——暗色展示舞台上的三个手机边框。第一帧：封面/海报；第二帧：今日任务，带 XP 缎带与等级条；第三帧：任务详情。鲜活的任務磁贴、等级缎带与底部标签栏。当需求提到「gamified app」「habit tracker」「RPG-style life app」「level-up app」「daily quests」「XP / streak app」或「ELI5-style explainer app」时使用。