最佳 Skills(2026)
点击这些链接我们可能会获得佣金，但这不会影响我们的评价。
我们追踪、测试并比较了 Agent Pantheon 上每一款 Skills 工具,挑选出 2026 年最佳的 10 个。以下是入围名单及我们对每款的看法,后附完整可搜索目录。
Skills的数字
价格构成
最佳 Skills(2026)
- 1
Manage Headers (Grade A)专为 Claude AI 设计的安全测试开发技巧， Grade A。检查并配置 Power Pages 站点向浏览器发送的安全 headers — 内容安全策略，框架和点击劫持保护 - 2
Using Git Worktrees (Grade A)安全试验的数据-AI技能 - Claude AI。A级。即将开始需要与当前工作环境隔离的功能工作，或执行实施计划前-创建隔离的git工作tree - 3
Ga4 Bigquery Schema (Grade A)为Claude AI提供了经过安全测试的数据ai技能。 Grade A. GA4 BigQuery导出模式参考 - 完整字段参考、嵌套结构、查询模式和性能提示 - 4
Meta Capi (Grade A)安全测试的数据-AI技能，专为Claude AI打造。Grade A. Meta Conversions API (CAPI) 设置指南-架构、事件类型、客户信息哈希、去重复、实现示例、AEM - 5
Callees (Grade A)经过安全测试的 Claude AI 开发技能。Grade A。列出函数/方法调用的直接调用图 - 6
Test Module Name (Grade A)安全测试数据-ai技能，Grade A. 名为Haskell测试模块，以同一命名空间中的测试模块命名，并在其后添加 Spec 辅助。 在编写或审阅Haskell测试模块时使用。 - 7
Board Of Directors (Grade A)经安全检测的数据 AI 技能，适用于 Claude AI。A级。模拟五位专家董事会就重大决策进行审议。用于评估计划、架构选择、功能设计或任何决策。 - 8
Advpl Mvc Avancado (Grade A)安全测试的开发技能，适用于 Claude AI。Grade A。通过 PE（入口点）实现高级 MVC —— 在标准 MVC 界面（CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU）中添加自定义网格。 - 9
Advpl Fundamentals (Grade A)针对Claude AI的安全测试开发技能。A级。AdvPL/TLPP 基础——匈牙利命名法（c/n/d/l/a/o/b/x/u）、命名约定、Local/Static/Private/Public 范围、.p文件中10字符限制 - 10WWorkflow Engine (Grade A)安全性测试的devops技能，支持Claude AI。A级。 **UTILITY SKILL** — 可读性Machine的工作流DAG（有向非 цик性图）多步代理管道
Manage Headers (Grade A)
专为 Claude AI 设计的安全测试开发技巧， Grade A。检查并配置 Power Pages 站点向浏览器发送的安全 headers — 内容安全策略，框架和点击劫持保护
Manage Headers (grade A) 是一款专为 Claude AI 设计的安全测试开发技巧，它旨在检查并配置 Power Pages 站点向浏览器发送的安全 headers，包括内容安全策略、框架和点击劫持保护、跨域共享、Cookie 行为和相关站点设置。本技能可以识别安全 headers 中的漏洞，并带领用户逐步修复，适用于任务，如检查 headers、修复 CSP 错误、控制跨域访问、强化 Cookie 设置或检查浏览器设置是否安全等。该技能可以在不具体提到 '安全 headers' 的情况下实现多种安全相关目标。
- 检查当前安全 headers
- 配置内容安全策略
- 启用框架和点击劫持保护
- 管理跨域共享和 Cookie 行为
Using Git Worktrees (Grade A)
安全试验的数据-AI技能 - Claude AI。A级。即将开始需要与当前工作环境隔离的功能工作，或执行实施计划前-创建隔离的git工作tree
使用场景：在开始需要与当前工作区隔离的功能开发，或在执行实现计划之前使用。本技能会创建隔离的 git worktree，并具备智能目录选择和安全性校验。 Git worktree 会创建共享同一仓库的独立工作空间，允许在不切换分支的情况下同时处理多个分支。其核心原则是系统化的目录选择加上安全性校验，从而实现可靠的隔离。 目录选择过程如下： 1. 按优先顺序检查已有目录：先检查隐藏的 ".worktrees" 目录，其次是 "worktrees" 目录。如果发现，则直接使用该目录。 2. 检查 "CLAUDE.md" 文件中是否指定了 worktree 目录的首选项。 3. 若不存在上述目录，也未在 CLAUDE.md 中找到首选项，则询问用户选择目录。 安全验证步骤至关重要，需检查所选目录是否已被 Git 忽略。如果未被忽略，技能将把该目录添加到“.gitignore”文件中并提交更改。 创建步骤包括： 1. 检测项目名称并为 worktree 创建完整路径。 2. 使用新分支创建 worktree。 3. 运行项目设置，自动检测项目类型（Node.js、Rust、Python 或 Go）并执行相应的设置命令（例如安装依赖）。 4. 通过运行测试验证干净的基线。如测试失败，报告失败并询问是否继续或进行调查。 5. 报告 worktree 位置以及其已准备好实现功能。
- 创建隔离工作空间
- 智能目录选择
- 安全验证
- 自动化项目设置
Ga4 Bigquery Schema (Grade A)
为Claude AI提供了经过安全测试的数据ai技能。 Grade A. GA4 BigQuery导出模式参考 - 完整字段参考、嵌套结构、查询模式和性能提示
GA4 BigQuery导出模式参考是一个用于Claude AI的经过安全测试的数据ai技能。它提供了Google Analytics 4 BigQuery导出模式的完整字段参考、嵌套结构、查询模式和性能提示。该工具有助于用户了解GA4导出模式、正确编写BigQuery SQL对GA4数据进行查询，以及遵循性能最佳实践。
- 完整字段参考
- 嵌套结构
- 查询模式
- 性能提示
- 准备好的SQL示例
Meta Capi (Grade A)
安全测试的数据-AI技能，专为Claude AI打造。Grade A. Meta Conversions API (CAPI) 设置指南-架构、事件类型、客户信息哈希、去重复、实现示例、AEM
Meta Capi 是安全测试的数据-AI技能，专为 Claude AI 设计，提供了构建 Meta Conversions API (CAPI) 的全面指导。它涵盖了架构、事件类型、客户信息哈希算法、去重复、实现示例和聚合事件衡量。该工具帮助用户正确地配置 CAPI，debug 事件跟踪问题，改进事件匹配质量，配置去重复功能。它提供了精确的解决方案和可以直接使用的代码示例，可以利用 Cogny MCP 工具来检查用户配置并提供上下文建议。
- CAPI 架构概述
- 事件类型参数
- 客户信息哈希算法
- 去重复策略
- 聚合事件衡量
- Node.js 实现示例
Callees (Grade A) 是针对 Claude AI 的经过安全测试的开发技能。它能够识别函数或方法调用了哪些内容，生成直接调用图。该技能在提取或移动函数前映射函数依赖、识别受限或已废弃函数的使用以及评估重构影响方面非常有用。它还提供被调用方的信息，如函数名称、行号以及调用类型（原生 ERP、受限、用户函数或外部）。通过使用 /plugadvpl:callees，用户可以输入函数名查看其调用情况，并可选择将输出格式化为表格或 Markdown。它是 plugadvpl 工具包的一部分。此技能为 Claude AI 的开发能力增添了重要的代码库洞察。
- 直接调用图列出
- 函数调用类型识别（原生 ERP、受限、用户函数、外部）
- 调用位置行号信息
- 支持多种输出格式（例如 Markdown）
Test Module Name (Grade A)
安全测试数据-ai技能，Grade A. 名为Haskell测试模块，以同一命名空间中的测试模块命名，并在其后添加 Spec 辅助。 在编写或审阅Haskell测试模块时使用。
命名Haskell测试模块，以测试模块命名，并在其后添加 Spec 辅助。 这样做是为了明确库和测试目录的分离，使模块的依赖关系和互联变得更容易识别。 在具体地，这种最佳实践在编写或审阅Haskell测试模块的名称或测试文件组织方面特别有利。 例如，测试模块命名为 Env.TypeSpec，应放置在测试它的模块 Env.Type相同命名空间中。 这样就确保了模块之间的关系清晰，这对于具有复杂行为的模块，例如依赖于多个模块或没有特定模块依赖的模块尤其有用。
- Suggests test module names based on the module under test
- Appends 'Spec' to test module names
- Same namespace as the module under test
Board Of Directors (Grade A)
经安全检测的数据 AI 技能，适用于 Claude AI。A级。模拟五位专家董事会就重大决策进行审议。用于评估计划、架构选择、功能设计或任何决策。
董事会技能模拟一个由五位专家组成的董事会，就重大决策进行审议。它评估计划、架构选择、功能设计或任何需要多视角专家分析的决策。董事会由五个角色组成：首席架构师（CA）、首席产品官（CPO）、首席安全官（CSO）、首席运营官（COO）以及首席体验官（CXO）。每位董事都具备领域专长，并可以质疑其他董事的观点。审议过程包括各自的评估、董事会讨论以及最终投票以达成共识。
- 模拟五位专家董事会
- 每位董事的单独评估
- 董事会讨论与驳斥
- 最终投票与共识构建
- 基于角色的评估（CA、CPO、CSO、COO、CXO）
Advpl Mvc Avancado (Grade A)
安全测试的开发技能，适用于 Claude AI。Grade A。通过 PE（入口点）实现高级 MVC —— 在标准 MVC 界面（CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU）中添加自定义网格。
Advpl Mvc Avancado (Grade A) 是一项针对 Claude AI 的安全测试开发技能。它专为通过添加网格、级联触发器和验证功能，并保持原始字段不变，来定制 MVC padrão（CNTA300/MATA070/MATA440/MATA460/FINA040 via *STRU）而设计。它用于通过 Ponto de Entrada（A300STRU、MA440STRU 等）定制 TOTVS 的 MVC 例程，具备跨父子网格的交叉验证、税务计算以及基于主记录状态的条件编辑锁定等功能。它还支持与 MATXFIS 集成、重构 MsNewGetDados 并添加自定义字段。
- 通过入口点（PE）定制标准 MVC 例程
- 为标准界面添加自定义网格和触发器
- 实现特定业务逻辑和验证
- 支持各种 TOTVS 模块（如 MATA010、MATA070、MATA440）
Advpl Fundamentals (Grade A)
针对Claude AI的安全测试开发技能。A级。AdvPL/TLPP 基础——匈牙利命名法（c/n/d/l/a/o/b/x/u）、命名约定、Local/Static/Private/Public 范围、.p文件中10字符限制
AdvPL Fundamentals (Grade A) 是针对 Claude AI 的安全测试开发技能。它聚焦于 ADVPL/TLPP 的基础知识，包括匈牙利命名法、命名约定、本地和全局作用域以及名称长度限制。 ADVPL（Advanced Protheus Language）及其继任者 TLPP 是源自 Clipper/xBase 的专有语言。它们拥有严格的规范，优质的 Protheus 代码必须遵守这些规范。此技能对 Protheus 开发者尤为重要，尤其是在创建或重构变量和函数时。 该技能解决常见陷阱，例如 ADVPL 经典版本中的“静默错误”，即变量名称被截断到 10 个字符，以及使用正确作用域的重要性。 它涵盖了何时使用本地、静态、私有和公共变量，并提供其可见性和生命周期的经验法则。此技能旨在为开发者提供实用指南，帮助他们避免常见错误并提升 ADVPL/TLPP 编码水平。
- 匈牙利命名法
- 命名约定
- Local/Static/Private/Public 范围
- .prw/.prx 文件的10字符限制
Workflow Engine (Grade A)
安全性测试的devops技能，支持Claude AI。A级。 **UTILITY SKILL** — 可读性Machine的工作流DAG（有向非 цик性图）多步代理管道
Workflow Engine（A级）是一种utility技能，可以帮助您定义可读性workflowDAG（有向非循环图）多步代理管道。它允许创建具有节点类型、二者条件、门控和衍射模式的管道。这项技能是专门设计用来在Grade A安全测试环境中使用的，因此它适合在高安全的devops环境中与Claude AI一起使用。
- 机器可读性的工作流DAG
- 节点类型的定义
- 边缘条件的管理
- 门控和衍射模式的支持
- 多步代理管道管理
浏览全部 967 个 Skills 工具
完整可搜索目录 — 由真实用户评价排名。
