439 lines
13 KiB
Markdown
439 lines
13 KiB
Markdown
# Claude AI 技能合集
|
||
|
||
`AI技能` `Claude` `多智能体` `RAG` `知识图谱` `MCP` `WhatsApp` `工作流`
|
||
|
||
# Anthropic Claude 技能合集
|
||
|
||
使用 skill-seekers 创建的全面 Claude AI 技能集合。
|
||
|
||
## 技能列表
|
||
|
||
### Agno AI 框架技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** 使用 Agno 框架构建、部署和管理多智能体 AI 系统的综合技能。
|
||
|
||
**包含内容：**
|
||
- 来自 https://docs.agno.com 的完整文档
|
||
- 代码示例与最佳实践
|
||
- 智能体创建与管理指南
|
||
- 多智能体团队与工作流
|
||
- 工具、知识库与记忆集成
|
||
- 使用 AgentOS 进行生产部署
|
||
- API 参考与常用模式
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/agno.zip`
|
||
2. 或浏览技能目录：`output/agno/`
|
||
3. 主技能文件：`output/agno/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 使用各种 LLM 提供商（Anthropic、OpenAI、Google 等）构建 AI 智能体
|
||
- 实现 RAG（检索增强生成）模式
|
||
- 创建多智能体协作系统
|
||
- 部署生产就绪的智能体应用
|
||
- 100+ 预置工具集成
|
||
- 性能优化与最佳实践
|
||
|
||
---
|
||
|
||
### yt-dlp 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** yt-dlp 综合技能——支持数千个站点的功能丰富的命令行音视频下载器。
|
||
|
||
**包含内容：**
|
||
- 完整的 yt-dlp 使用指南与示例
|
||
- 全平台安装说明
|
||
- 格式选择与画质优化
|
||
- 音频提取与转换
|
||
- 播放列表与频道下载
|
||
- 直播录制
|
||
- 高级功能（SponsorBlock、元数据、字幕）
|
||
- Python 集成示例
|
||
- 故障排查与最佳实践
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/yt-dlp.zip`
|
||
2. 或浏览技能目录：`output/yt-dlp/`
|
||
3. 主技能文件：`output/yt-dlp/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 从 YouTube、Vimeo、TikTok 及数千个其他站点下载视频
|
||
- 提取音频为 MP3、M4A、OPUS 等格式
|
||
- 播放列表与频道批量下载
|
||
- 格式选择与画质控制
|
||
- 字幕与元数据嵌入
|
||
- 直播录制
|
||
- FFmpeg 后处理集成
|
||
- 支持浏览器 Cookie 以访问需认证内容
|
||
- SponsorBlock 集成
|
||
- 支持配置文件自动化
|
||
|
||
---
|
||
|
||
### Graphiti & Zep 知识图谱技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Graphiti 和 Zep 综合技能——面向 AI 智能体的时序知识图谱框架，支持动态上下文工程。
|
||
|
||
**包含内容：**
|
||
- 完整的 Graphiti 框架指南
|
||
- Zep 平台集成
|
||
- 时序知识图谱概念
|
||
- 实体与关系管理
|
||
- 混合搜索实现（语义搜索 + BM25 + 图遍历）
|
||
- 多数据库支持（Neo4j、FalkorDB、Kuzu、Neptune）
|
||
- LLM 集成示例
|
||
- 智能体框架集成（LangGraph、CrewAI、Autogen）
|
||
- Python、TypeScript 和 Go SDK 示例
|
||
- 生产部署与最佳实践
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/graphiti.zip`
|
||
2. 或浏览技能目录：`output/graphiti/`
|
||
3. 主技能文件：`output/graphiti/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 为 AI 智能体构建时序知识图谱
|
||
- 跨对话的持久化智能体记忆
|
||
- 双时态数据模型（事件时间 + 摄入时间）
|
||
- 时间点历史查询
|
||
- 自定义实体类型与本体
|
||
- 多方法混合搜索
|
||
- 亚秒级查询延迟
|
||
- 与主流智能体框架集成
|
||
- 企业级功能（RBAC、BYOK、审计日志）
|
||
- 多用户上下文管理
|
||
- 面向个性化 AI 应用的图 RAG
|
||
|
||
---
|
||
|
||
### Microsoft GraphRAG 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Microsoft GraphRAG 综合技能——基于模块化图的 RAG 系统，用于对私有数据集进行推理。
|
||
|
||
**包含内容：**
|
||
- 完整的 GraphRAG 流水线指南
|
||
- 从非结构化文本提取知识图谱
|
||
- 层次化社区检测（Leiden 算法）
|
||
- 多种查询模式（全局、局部、DRIFT）
|
||
- 索引流水线配置
|
||
- 领域特定数据集的提示词调优
|
||
- LLM 集成（OpenAI、Azure OpenAI、Ollama）
|
||
- Python API 与 CLI 使用
|
||
- 成本管理与优化
|
||
- 生产部署最佳实践
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/graphrag.zip`
|
||
2. 或浏览技能目录：`output/graphrag/`
|
||
3. 主技能文件：`output/graphrag/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 从文本中提取实体、关系和声明
|
||
- 自动从文档构建知识图谱
|
||
- 用于多层摘要的层次化社区检测
|
||
- 用于整体语料库理解的全局搜索
|
||
- 用于实体特定查询的局部搜索
|
||
- 结合实体与社区上下文的 DRIFT 搜索
|
||
- 领域特定提示词调优
|
||
- 支持多种 LLM 提供商
|
||
- 成本估算与优化工具
|
||
- 与 LangChain、FastAPI、Streamlit 集成
|
||
- 在复杂推理任务上优于基线 RAG
|
||
|
||
---
|
||
|
||
### Evolution API 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Evolution API 综合技能——开源 WhatsApp 集成平台，支持多服务聊天机器人与自动化。
|
||
|
||
**包含内容：**
|
||
- 使用 Baileys 和官方 API 的完整 WhatsApp 集成指南
|
||
- 实例管理与连接处理
|
||
- 全面的消息 API（文本、媒体、交互式消息）
|
||
- Webhook 系统与事件处理
|
||
- 集成指南（Typebot、Chatwoot、Dify、OpenAI）
|
||
- 群组管理与操作
|
||
- 消息队列集成（RabbitMQ、Kafka、SQS）
|
||
- 数据库持久化（PostgreSQL、MySQL）
|
||
- Docker 部署与生产环境配置
|
||
- Node.js 和 Python Webhook 示例
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/evolution-api.zip`
|
||
2. 或浏览技能目录：`output/evolution-api/`
|
||
3. 主技能文件：`output/evolution-api/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- WhatsApp Business API 集成
|
||
- 发送/接收文本、媒体、位置、联系人、按钮
|
||
- 交互式消息（列表、按钮）
|
||
- Typebot 聊天机器人集成
|
||
- Chatwoot 客服集成
|
||
- OpenAI 和 Dify AI 集成
|
||
- 所有事件的实时 Webhook
|
||
- 群组创建与管理
|
||
- 联系人与资料管理
|
||
- S3/MinIO 媒体存储
|
||
- Redis 缓存提升性能
|
||
- WebSocket 支持实时事件
|
||
- 高可用生产就绪
|
||
- 带认证的完整 REST API
|
||
- 多实例支持
|
||
|
||
---
|
||
|
||
### 模型上下文协议（MCP）技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** 模型上下文协议（MCP）综合技能——将 LLM 与外部上下文、工具和数据源集成的标准化协议。
|
||
|
||
**包含内容：**
|
||
- 完整的 MCP 服务器开发指南（Python FastMCP 和 TypeScript）
|
||
- MCP 客户端实现模式
|
||
- 安全与 OAuth 2.1 授权
|
||
- 用于测试和调试的 MCP Inspector 工具
|
||
- 传输选项（STDIO、SSE、带 SSE 的 HTTP）
|
||
- 资源、工具和提示词服务器模式
|
||
- 与 Claude Desktop 及其他客户端的集成
|
||
- 生产部署最佳实践
|
||
- 常见服务器实现（文件系统、API、数据库）
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/mcp.zip`
|
||
2. 或浏览技能目录：`output/mcp/`
|
||
3. 主技能文件：`output/mcp/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 使用 FastMCP（Python）或 TypeScript SDK 构建 MCP 服务器
|
||
- 实现资源、工具和提示词
|
||
- OAuth 2.1 授权与安全
|
||
- JSON-RPC 通信协议
|
||
- 本地集成的 STDIO 传输
|
||
- 远程连接的 SSE（服务器发送事件）
|
||
- 使用 Pydantic 模型的结构化输出
|
||
- 长时间运行操作的进度报告
|
||
- 多客户端支持与会话管理
|
||
- Claude Desktop 集成
|
||
- 用于开发和测试的 MCP Inspector
|
||
- 生产部署模式
|
||
|
||
---
|
||
|
||
### Dify 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Dify 综合技能——开源平台，用于构建带可视化界面的智能体工作流和 LLM 应用。
|
||
|
||
**包含内容：**
|
||
- 完整的可视化工作流构建器指南
|
||
- RAG（检索增强生成）流水线设置
|
||
- 使用 50+ 内置工具的智能体开发
|
||
- 知识库管理与文档处理
|
||
- LLMOps 监控与分析
|
||
- REST API 集成（Python、Node.js）
|
||
- 部署指南（Docker、Kubernetes、云平台）
|
||
- 生产最佳实践与故障排查
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/dify.zip`
|
||
2. 或浏览技能目录：`output/dify/`
|
||
3. 主技能文件：`output/dify/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 拖拽式可视化工作流引擎
|
||
- 支持来自数十家提供商的数百种 LLM
|
||
- 用于模型对比的提示词 IDE
|
||
- 支持 PDF、PPT 和文档的 RAG 流水线
|
||
- 支持自定义工具集成的 ReAct 智能体
|
||
- 应用监控与性能分析
|
||
- 带 REST API 的后端即服务
|
||
- 可部署为 Web 应用、API 或嵌入式组件
|
||
- 多种部署选项（云端、Docker、Kubernetes）
|
||
- 知识库分块策略与检索优化
|
||
|
||
---
|
||
|
||
### Langextract 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Langextract 综合技能——Google 的语言检测与提取库。
|
||
|
||
**包含内容：**
|
||
- 完整文档与示例
|
||
- API 参考与最佳实践
|
||
- 集成指南
|
||
- 故障排查提示
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/langextract.zip`
|
||
2. 或浏览技能目录：`output/langextract/`
|
||
3. 主技能文件：`output/langextract/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 语言检测
|
||
- 文本提取
|
||
- 多语言支持
|
||
|
||
---
|
||
|
||
### Ticketmaster API 技能
|
||
|
||
**版本：** 1.0.0
|
||
**描述：** Ticketmaster Discovery API 综合技能——活动搜索与票务发现平台。
|
||
|
||
**包含内容：**
|
||
- 完整的 Ticketmaster Discovery API 文档
|
||
- 认证与 API 密钥管理
|
||
- 活动搜索、详情、图片和建议接口
|
||
- 演出者与场馆搜索功能
|
||
- 分类与流派查询
|
||
- 速率限制与配额管理（每秒 5 次请求，每天 5000 次）
|
||
- Python 和 JavaScript 集成示例
|
||
- React 和 Node.js 使用案例
|
||
- 故障排查与最佳实践
|
||
|
||
**使用方式：**
|
||
1. 使用打包好的技能：`output/ticketmaster.zip`
|
||
2. 或浏览技能目录：`output/ticketmaster/`
|
||
3. 主技能文件：`output/ticketmaster/SKILL.md`
|
||
|
||
**核心特性：**
|
||
- 搜索美国、加拿大、墨西哥、澳大利亚、英国、爱尔兰和欧洲的 23 万+ 场活动
|
||
- 按关键词、地点、类别、日期范围查找活动
|
||
- 获取活动详情、图片、场馆和演出者信息
|
||
- 高级过滤（价格范围、流派、分类）
|
||
- 带半径的基于位置的搜索
|
||
- 分页与排序选项
|
||
- 带嵌入资源的 HAL 格式响应
|
||
- 速率限制监控与管理
|
||
- 完整的错误处理模式
|
||
|
||
---
|
||
|
||
## 如何创建技能
|
||
|
||
### 自动化技能生成（推荐）
|
||
|
||
本仓库包含用于创建全面 Claude 技能的自动化脚本：
|
||
|
||
```bash
|
||
# 快速开始：从 URL 创建技能
|
||
./create_skill.py <技能名称> <url1> [url2] [url3] ...
|
||
|
||
# 示例：创建 FastAPI 技能
|
||
./create_skill.py fastapi \
|
||
https://fastapi.tiangolo.com \
|
||
https://github.com/tiangolo/fastapi
|
||
|
||
# 示例：创建 Redis 技能
|
||
./create_skill.py redis \
|
||
https://redis.io/docs \
|
||
https://github.com/redis/redis-py
|
||
|
||
# 获取增强指导
|
||
./enhance_skill.py <技能名称>
|
||
```
|
||
|
||
**脚本功能：**
|
||
- 自动创建配置文件
|
||
- 生成全面的 SKILL.md 模板
|
||
- 创建正确的目录结构
|
||
- 打包为 .zip 文件
|
||
- 更新 README.md
|
||
- 提交并推送到 git
|
||
|
||
**文档：**
|
||
- 📖 [完整脚本指南](SCRIPTS_GUIDE.md) - 详细用法与选项
|
||
- 📚 [示例](EXAMPLES.md) - 50+ 热门技术示例
|
||
- 🛠️ 脚本：`create_skill.py`、`enhance_skill.py`
|
||
|
||
### 手动创建技能
|
||
|
||
你也可以使用 [skill-seekers](https://github.com/yusufkaraaslan/Skill_Seekers) 手动创建技能：
|
||
|
||
```bash
|
||
# 安装 skill-seekers
|
||
pip install skill-seekers
|
||
|
||
# 抓取文档
|
||
skill-seekers scrape --config configs/agno_docs.json
|
||
|
||
# 打包技能
|
||
zip -r agno.zip output/agno/
|
||
```
|
||
|
||
## 配置文件
|
||
|
||
技能创建的配置文件存储在 `configs/` 目录下：
|
||
- `agno_unified.json` - Agno 的统一配置（文档 + GitHub）
|
||
- `agno_docs.json` - 仅文档配置
|
||
- `ytdlp_github.json` - yt-dlp 的 GitHub 配置
|
||
- `graphiti_github.json` - Graphiti 的 GitHub 配置
|
||
- `graphrag_github.json` - Microsoft GraphRAG 的 GitHub 配置
|
||
- `evolution_api_github.json` - Evolution API 的 GitHub 配置
|
||
- `mcp_github.json` - 模型上下文协议的 GitHub 配置
|
||
- `dify_github.json` - Dify 的 GitHub 配置
|
||
- `langextract_github.json` - Langextract 的 GitHub 配置
|
||
- `ticketmaster_github.json` - Ticketmaster 的 GitHub 配置
|
||
|
||
## 资源
|
||
|
||
### Agno
|
||
- **GitHub**：https://github.com/agno-agi/agno
|
||
- **文档**：https://docs.agno.com
|
||
- **社区**：https://community.agno.com
|
||
|
||
### yt-dlp
|
||
- **GitHub**：https://github.com/yt-dlp/yt-dlp
|
||
- **支持站点**：https://github.com/yt-dlp/yt-dlp/blob/master/supportedsites.md
|
||
|
||
### Graphiti & Zep
|
||
- **Graphiti GitHub**：https://github.com/getzep/graphiti
|
||
- **Zep 文档**：https://help.getzep.com/
|
||
- **Zep 概念**：https://help.getzep.com/concepts
|
||
|
||
### Microsoft GraphRAG
|
||
- **GitHub**：https://github.com/microsoft/graphrag
|
||
- **文档**：https://microsoft.github.io/graphrag/
|
||
- **研究论文**：https://arxiv.org/abs/2404.16130
|
||
|
||
### Evolution API
|
||
- **GitHub**：https://github.com/EvolutionAPI/evolution-api
|
||
- **文档**：https://doc.evolution-api.com/
|
||
- **官网**：https://evolution-api.com
|
||
|
||
### 模型上下文协议
|
||
- **文档**：https://modelcontextprotocol.io/
|
||
- **Python SDK**：https://github.com/modelcontextprotocol/python-sdk
|
||
- **TypeScript SDK**：https://github.com/modelcontextprotocol/typescript-sdk
|
||
- **规范**：https://spec.modelcontextprotocol.io/
|
||
|
||
### Dify
|
||
- **GitHub**：https://github.com/langgenius/dify
|
||
- **文档**：https://docs.dify.ai/
|
||
- **云平台**：https://cloud.dify.ai
|
||
- **Discord**：https://discord.gg/dify
|
||
|
||
### Langextract
|
||
- **GitHub**：https://github.com/google/langextract
|
||
- **示例**：https://github.com/google/langextract/tree/main/examples
|
||
- **文档**：https://github.com/google/langextract/tree/main/docs/examples
|
||
|
||
### Ticketmaster
|
||
- **入门指南**：https://developer.ticketmaster.com/products-and-docs/apis/getting-started/
|
||
- **Discovery API**：https://developer.ticketmaster.com/products-and-docs/apis/discovery-api/v2/
|
||
- **搜索活动**：https://developer.ticketmaster.com/products-and-docs/apis/discovery-api/v2/#search-events-v2
|
||
- **活动图片**：https://developer.ticketmaster.com/products-and-docs/apis/discovery-api/v2/#event-images-v2
|
||
- **分类**：https://developer.ticketmaster.com/products-and-docs/apis/discovery-api/v2/#anchor_getGenre
|
||
|
||
### 工具
|
||
- **Skill Seekers**：https://github.com/yusufkaraaslan/Skill_Seekers
|
||
|
||
## 许可证
|
||
|
||
Apache-2.0 |