Deepseek-V4
Minimax-M2.7
Kimi-k2.6apple-notes
通過 macOS 上的 memo CLI 管理 Apple 備忘錄（創建、查看、搜索、編輯）。
好用的 Skill 去哪找?
下面幾個網站適合用來找 Skill：有的像精選書單，幫你先篩一遍；有的像搜索引擎，適合按場景慢慢淘。 如果想查看 Hermes Agent 出廠自帶的 Skill，往下翻即可。
蝦評
xiaping.coze.com精品 Skill 分享評測平臺，470+ 個 Skill 按場景分類。
有排行榜、合集和真實評測，能看到別人在用什麼、哪些好用，找 Skill 不用一個個翻。覆蓋開發輔助、效率工具、辦公、自媒體、設計等 17+ 類。
去蝦評逛逛 →SkillHub
skillhub.cn騰訊維護的 AI Skill 社區，面向中國用戶，精選 Top 50。
由騰訊團隊運營，每個 Skill 都經過安全審核和多維度評估再上架。數量不堆，挑的都是靠譜貨，適合不想自己一個個鑑別的人。
去 SkillHub 看精選 →Skills.sh
skills.sh開放 Agent Skills 生態目錄，有排行榜、趨勢榜和安裝量。
如果你想知道大家最近在裝什麼，先看這裡很省事。它把 GitHub 上的 Skill 做成榜單和主題目錄，支持 Claude Code、Codex、Cursor 等工具，適合用來找靈感、看熱度、追蹤新技能。
去 Skills.sh 看榜單 →SkillsMP
skillsmp.com中文 Agent Skills 市場，支持搜索、職業篩選和分類瀏覽。
當你已經知道自己要解決什麼問題時，它更像一本可搜索的技能黃頁。可以按職業、用途、作者和熱度篩選，也能查看質量指標，適合從海量開源 Skill 裡快速縮小範圍。
去 SkillsMP 搜 Skill →Hermes 內置 Skill 速查
Hermes 安裝後自帶 95 個 Skill。完整目錄和路徑見 Skill Catalog 文檔。
apple-reminders
通過 remindctl CLI 管理 Apple 提醒事項（列出、添加、完成、刪除）。
findmy
通過 macOS 上的 FindMy.app 使用 AppleScript 和屏幕捕獲功能追蹤 Apple 設備和 AirTags。
imessage
通過 macOS 上的 imsg CLI 發送和接收 iMessage/SMS。
claude-code
將編碼任務委派給 Claude Code（Anthropic 的 CLI Agent）。適用於構建功能、重構代碼、代碼審查以及迭代式開發。需要已安裝 claude CLI。
codex
將編碼任務委派給 OpenAI Codex CLI Agent。適用於構建功能、重構代碼、代碼審查以及批量修復問題。需要已安裝 codex CLI 並配置 git 倉庫。
hermes-agent-spawning
啟動額外的 Hermes Agent 實例作為自主子進程，用於獨立的長時間運行任務。支持非交互式單次運行模式（-q）和交互式 PTY 模式，用於多輪協作。與 `delegate_task` 不同，此技能會運行一個完整的獨立 hermes 進程。
opencode
將編碼任務委派給 OpenCode CLI Agent，用於功能實現、代碼重構、代碼審查以及長時間運行的自主會話。需要已安裝並認證 opencode CLI。
ascii-art
使用 pyfiglet（571 種字體）、cowsay、boxes、toilet、圖像轉 ASCII、遠程 API（asciified、ascii.co.uk）以及 LLM 降級方案生成 ASCII 藝術。無需 API 密鑰。
ascii-video
“ASCII 藝術視頻的生產流水線 —— 支持任意格式。將視頻/音頻/圖像/生成輸入轉換為彩色 ASCII 字符視頻輸出（MP4、GIF、圖像序列）。涵蓋：視頻轉 ASCII 轉換、音頻響應式音樂可視化、生成式 ASCII 藝術動畫、混合……”
excalidraw
使用 Excalidraw JSON 格式創建手繪風格圖表。生成 .excalidraw 文件，用於架構圖、流程圖、時序圖、概念圖等。文件可在 excalidraw.com 打開，或上傳以生成可分享鏈接。
p5js
用於交互式和生成式視覺藝術的生產流水線，基於 p5.js。創建草圖，通過無頭瀏覽器渲染為圖像/視頻，並提供實時預覽。支持畫布動畫、數據可視化和創意編程實驗。
webhook-subscriptions
創建和管理 Webhook 訂閱，用於事件驅動的 Agent 激活。外部服務（GitHub、Stripe、CI/CD、IoT）通過 POST 事件來觸發 Agent 運行。需要啟用 Webhook 平臺。
dogfood
對 Web 應用程序進行系統性探索式 QA 測試 —— 發現缺陷、捕獲證據並生成結構化報告。
hermes-agent-setup
幫助用戶配置 Hermes Agent —— CLI 使用、設置嚮導、模型/提供方選擇、工具、技能、語音/STT/TTS、網關以及故障排除。
himalaya
通過 IMAP/SMTP 管理電子郵件的 CLI 工具。使用 himalaya 列出、閱讀、撰寫、回覆、轉發、搜索和整理電子郵件。支持多個賬戶，並可通過 MML（MIME 元語言）進行消息編寫。
minecraft-modpack-server
從 CurseForge/Modrinth 服務器包的 zip 文件中設置模組化 Minecraft 服務器。涵蓋 NeoForge/Forge 安裝、Java 版本、JVM 調優、防火牆配置、局域網設置、備份以及啟動腳本。
pokemon-player
通過無頭模擬器自主運行寶可夢遊戲。啟動遊戲服務器，從內存中讀取結構化遊戲狀態，做出戰略決策，併發送按鈕輸入——全部通過終端完成。
codebase-inspection
使用 pygount 檢查和分析代碼庫，統計行數（LOC）、語言分佈以及代碼與註釋的比例。當被要求檢查代碼行數、倉庫大小、語言構成或代碼庫統計信息時使用。
github-auth
使用 git（普遍可用）或 gh CLI 為 Agent 設置 GitHub 身份驗證。涵蓋 HTTPS 令牌、SSH 密鑰、憑證助手以及 gh auth —— 並具備自動檢測流程以選擇合適的方法。
github-code-review
通過分析 git diff 來審查代碼變更，對 PR 提交內聯評論，並進行徹底的預推送審查。支持 gh CLI，或回退至 git + GitHub REST API 通過 curl 實現。
github-issues
創建、管理、分類和關閉 GitHub 問題。搜索現有問題，添加標籤，分配人員，並鏈接到 PR。支持 gh CLI，或回退至 git + GitHub REST API 通過 curl 實現。
github-pr-workflow
完整的拉取請求生命週期——創建分支、提交更改、打開 PR、監控 CI 狀態、自動修復失敗併合並。支持 gh CLI，或回退至 git + GitHub REST API 通過 curl 實現。
github-repo-management
克隆、創建、fork、配置和管理 GitHub 倉庫。管理遠程倉庫、密鑰、發佈版本和工作流。支持 gh CLI，或回退至 git + GitHub REST API 通過 curl 實現。
inference-sh-cli
通過 inference.sh CLI（infsh）運行 150+ 個 AI 應用——包括圖像生成、視頻創作、大語言模型（LLM）、搜索、3D 內容、社交自動化等。
find-nearby
使用 OpenStreetMap 查找附近地點（餐廳、咖啡館、酒吧、藥房等）。支持座標、地址、城市、郵編或 Telegram 位置標記。無需 API 密鑰。
mcporter
使用 mcporter CLI 直接列出、配置、認證並調用 MCP 服務器/工具（支持 HTTP 或 stdio），包括臨時服務器、配置編輯以及 CLI/類型生成。
native-mcp
內置的 MCP（模型上下文協議）客戶端，可連接外部 MCP 服務器，發現其工具，並將其註冊為原生 Hermes Agent 工具。支持 stdio 和 HTTP 傳輸，具備自動重連、安全過濾和零配置工具注入功能。
gif-search
使用 curl 從 Tenor 搜索並下載 GIF。除 curl 和 jq 外無其他依賴。適用於查找反應 GIF、創建視覺內容以及在聊天中發送 GIF。
heartmula
設置並運行 HeartMuLa，開源音樂生成模型系列（類似 Suno）。通過歌詞 + 標籤生成完整歌曲，支持多語言。
songsee
通過 CLI 從音頻文件生成頻譜圖和音頻特徵可視化（如梅爾頻譜、音高、MFCC、節拍圖等）。適用於音頻分析、音樂製作調試和可視化文檔。
youtube-content
獲取 YouTube 視頻字幕，並將其轉換為結構化內容（章節、摘要、話題線、博客文章等）。
huggingface-hub
Hugging Face Hub CLI（hf）——搜索、下載和上傳模型與數據集，管理倉庫，部署推理端點。
lambda-labs-gpu-cloud
用於機器學習訓練和推理的預留及按需 GPU 雲實例。當您需要專用 GPU 實例、簡單的 SSH 訪問、持久化文件系統，或用於大規模訓練的高性能多節點集群時使用。
modal-serverless-gpu
用於運行機器學習工作負載的無服務器 GPU 雲平臺。當您需要按需訪問 GPU 而無需管理基礎設施、將機器學習模型部署為 API，或運行具有自動擴展功能的批處理作業時使用。
evaluating-llms-harness
在 60 多個學術基準（MMLU、HumanEval、GSM8K、TruthfulQA、HellaSwag）上評估大語言模型。用於模型質量基準測試、模型對比、報告學術結果或追蹤訓練進度。EleutherAI、HuggingFace 和主要研究實驗室廣泛採用的行業標準。支持……
huggingface-tokenizers
針對研究和生產優化的快速分詞器。基於 Rust 實現，可在 <20 秒內分詞 1GB 數據。支持 BPE、WordPiece 和 Unigram 算法。可訓練自定義詞彙表，追蹤對齊關係，處理填充/截斷。與 transformers 無縫集成。用於……
nemo-curator
用於大語言模型訓練的 GPU 加速數據整理工具。支持文本/圖像/視頻/音頻。具備模糊去重（快 16 倍）、質量過濾（30+ 啟發式規則）、語義去重、PII 信息脫敏、NSFW 檢測功能。通過 RAPIDS 在 GPU 上橫向擴展。用於準備高質量訓練數據……
sparse-autoencoder-training
提供使用 SAELens 訓練和分析稀疏自編碼器（SAE）的指導，將神經網絡激活分解為可解釋特徵。用於發現可解釋特徵、分析超疊加現象，或研究語言模型中的單義表示……
weights-and-biases
使用自動日誌記錄追蹤機器學習實驗，實時可視化訓練過程，通過實驗掃描優化超參數，並使用 W&B 管理模型註冊表——協作式 MLOps 平臺
gguf-quantization
GGUF 格式和 llama.cpp 量化，用於高效 CPU/GPU 推理。當您需要在消費級硬件、Apple Silicon 上部署模型，或需要 2-8 位靈活量化且無需 GPU 要求時使用。
guidance
使用正則表達式和語法控制大語言模型輸出，確保生成有效的 JSON/XML/代碼，強制結構化格式，並使用 Guidance 構建多步驟工作流——微軟研究院的約束生成框架
instructor
使用 Pydantic 驗證從大語言模型響應中提取結構化數據，自動重試失敗的提取，以類型安全方式解析複雜 JSON，並流式傳輸部分結果——經過實戰檢驗的結構化輸出庫
llama-cpp
在 CPU、Apple Silicon 和消費級 GPU 上運行大語言模型推理，無需 NVIDIA 硬件。用於邊緣部署、M1/M2/M3 Mac 電腦、AMD/Intel GPU，或當 CUDA 不可用時。支持 GGUF 量化（1.5-8 位），減少內存佔用，相比 PyTorch 在 CPU 上提速 4-10 倍。
obliteratus
使用 OBLITERATUS 技術從開源權重大語言模型中移除拒絕行為——基於機制可解釋性技術（均值差異、SVD、白化 SVD、LEACE、SAE 分解等）移除防護機制，同時保留推理能力。提供 9 種 CLI 方法，28 個分析模塊，116 個模型預設……
outlines
在生成過程中保證有效的 JSON/XML/代碼結構，使用 Pydantic 模型實現類型安全輸出，支持本地模型（Transformers、vLLM），並通過 Outlines——dottxt.ai 的結構化生成庫最大化推理速度
serving-llms-vllm
使用 vLLM 的 PagedAttention 和連續批處理實現高吞吐量大語言模型服務。用於部署生產級大語言模型 API、優化推理延遲/吞吐量，或在 GPU 內存有限的情況下服務模型。支持 OpenAI 兼容端點、量化（GPTQ/AWQ/FP8）、連續批處理、動態批處理等功能……
tensorrt-llm
使用 NVIDIA TensorRT 優化大語言模型推理，實現最高吞吐量和最低延遲。用於在 NVIDIA GPU（A100/H100）上進行生產部署，當您需要比 PyTorch 快 10-100 倍的推理性能，或需要支持量化（FP8/INT4）、飛行中批處理和多模型併發服務時使用……
audiocraft-audio-generation
用於音頻生成的 PyTorch 庫，包括文本到音樂（MusicGen）和文本到聲音（AudioGen）。當需要根據文本描述生成音樂、創建音效或進行旋律條件下的音樂生成時使用。
clip
OpenAI 的模型，連接視覺與語言。支持零樣本圖像分類、圖像-文本匹配以及跨模態檢索。在 4 億張圖像-文本對上訓練。適用於無需微調即可進行圖像搜索、內容審核或視覺-語言任務。適用於通用用途…
llava
大型語言與視覺助手。支持視覺指令調優和基於圖像的對話。結合 CLIP 視覺編碼器與 Vicuna/LLaMA 語言模型。支持多輪圖像聊天、視覺問答和指令遵循。適用於視覺-語言對話…
segment-anything-model
圖像分割的基礎模型，支持零樣本遷移。當需要使用點、框或掩碼作為提示來分割圖像中的任意對象，或自動生成圖像中所有對象的掩碼時使用。
stable-diffusion-image-generation
基於 HuggingFace Diffusers 的先進文本到圖像生成模型（Stable Diffusion）。適用於根據文本提示生成圖像、執行圖像到圖像轉換、圖像修復（inpainting），或構建自定義擴散流水線。
whisper
OpenAI 的通用語音識別模型。支持 99 種語言，具備轉錄、翻譯為英語以及語言識別功能。提供六種模型尺寸，從 tiny（3900 萬參數）到 large（15.5 億參數）。適用於語音轉文字、播客轉錄或多語言音頻處理…
dspy
使用聲明式編程構建複雜的 AI 系統，自動優化提示，通過 DSPy（斯坦福 NLP 的系統化大語言模型編程框架）創建模塊化 RAG 系統和智能體
axolotl
使用 Axolotl 進行 LLM 微調的專家指導 - YAML 配置、100+ 模型、LoRA/QLoRA、DPO/KTO/ORPO/GRPO、多模態支持
distributed-llm-pretraining-torchtitan
使用 torchtitan 提供原生 PyTorch 分佈式 LLM 預訓練，支持 4D 並行（FSDP2、TP、PP、CP）。適用於在 8 到 512+ GPU 上大規模預訓練 Llama 3.1、DeepSeek V3 或自定義模型，支持 Float8、torch.compile 和分佈式檢查點。
fine-tuning-with-trl
使用 TRL 進行強化學習微調 LLM - SFT 用於指令調優，DPO 用於偏好對齊，PPO/GRPO 用於獎勵優化，以及獎勵模型訓練。適用於需要 RLHF、對齊模型偏好或從人類反饋中訓練的場景。兼容 HuggingFace Tr…
grpo-rl-training
使用 TRL 進行 GRPO/RL 微調的專家指導，適用於推理和任務特定模型訓練
hermes-atropos-environments
構建、測試和調試 Hermes Agent RL 環境以用於 Atropos 訓練。涵蓋 HermesAgentBaseEnv 接口、獎勵函數、Agent 循環集成、工具評估、wandb 日誌記錄以及三種 CLI 模式（serve/process/evaluate）。適用於創建、審查或調試 Atropos 訓練環境。
huggingface-accelerate
最簡單的分佈式訓練 API。僅需 4 行代碼即可為任意 PyTorch 腳本添加分佈式支持。統一的 DeepSpeed/FSDP/Megatron/DDP API。自動設備分配、混合精度（FP16/BF16/FP8）。交互式配置，單命令啟動。HuggingFace 生態系統標準。
optimizing-attention-flash
使用 Flash Attention 優化 Transformer 注意力機制，實現 2-4 倍加速和 10-20 倍內存減少。適用於訓練/運行長序列（>512 tokens）的 Transformer 模型，或遇到注意力機制導致 GPU 內存不足的問題，或需要更快推理速度的場景。支持 PyTorch 原生 SDPA,…
peft-fine-tuning
使用 LoRA、QLoRA 和 25+ 方法進行 LLM 的參數高效微調。適用於在 GPU 內存有限的情況下微調大模型（7B-70B），需要訓練 <1% 參數且精度損失最小，或進行多適配器服務的場景。HuggingFace 官方庫…
pytorch-lightning
高級 PyTorch 框架，包含 Trainer 類、自動分佈式訓練（DDP/FSDP/DeepSpeed）、回調系統和極少樣板代碼。代碼從筆記本電腦擴展到超級計算機保持一致。適用於希望使用內置最佳實踐的乾淨訓練循環。
simpo-training
LLM 對齊的簡單偏好優化。DPO 的無參考替代方案，性能更優（AlpacaEval 2.0 上提升 +6.4 分）。無需參考模型，比 DPO 更高效。適用於希望比 DPO/PPO 更簡單、更快訓練的偏好對齊場景。
slime-rl-training
提供使用 slime（Megatron+SGLang 框架）進行 LLM 後訓練的強化學習指導。適用於訓練 GLM 模型、實現自定義數據生成工作流，或需要與 Megatron-LM 緊密集成以實現 RL 擴展的場景。
unsloth
使用 Unsloth 實現快速微調的專家指導 - 訓練速度提升 2-5 倍，內存減少 50-80%，支持 LoRA/QLoRA 優化
chroma
用於 AI 應用的開源嵌入數據庫。存儲嵌入向量和元數據，執行向量搜索和全文搜索，按元數據過濾。簡單的四函數 API。可從筆記本擴展到生產集群。適用於語義搜索、RAG 應用或文檔檢索。最佳適用於……
faiss
Facebook 開發的高效相似性搜索與密集向量聚類庫。支持數十億向量，支持 GPU 加速，提供多種索引類型（Flat、IVF、HNSW）。適用於快速 k-NN 搜索、大規模向量檢索，或需要純相似性搜索而無需……
pinecone
用於生產級 AI 應用的託管向量數據庫。完全託管，自動擴展，支持混合搜索（密集 + 稀疏），元數據過濾和命名空間。延遲極低（p95 <100ms）。適用於生產級 RAG、推薦系統或大規模語義搜索。最適合服務器……
qdrant-vector-search
用於 RAG 和語義搜索的高性能向量相似性搜索引擎。適用於構建需要快速最近鄰搜索、帶過濾的混合搜索，或使用 Rust 驅動性能的可擴展向量存儲的生產級 RAG 系統。
obsidian
在 Obsidian 倉庫中閱讀、搜索和創建筆記。
google-workspace
通過 Python 集成 Gmail、日曆、驅動器、聯繫人、電子表格和文檔。使用 OAuth2 並支持自動令牌刷新。無需外部二進制文件——完全在 Hermes 虛擬環境中使用 Google 的 Python 客戶端庫運行。
linear
通過 GraphQL API 管理 Linear 問題、項目和團隊。創建、更新、搜索和組織問題。
nano-pdf
使用 nano-pdf 命令行工具，通過自然語言指令編輯 PDF。修改文本、修復拼寫錯誤、更新標題，並對特定頁面的內容進行更改，無需手動編輯。
notion
使用 Notion API 通過 curl 創建和管理頁面、數據庫和塊。直接從終端搜索、創建、更新和查詢 Notion 工作區。
ocr-and-documents
從 PDF 和掃描文檔中提取文本。使用 web_extract 處理遠程 URL，使用 pymupdf 處理本地文本型 PDF，使用 marker-pdf 處理 OCR/掃描文檔。對於 DOCX 文件使用 python-docx，PPTX 文件請參考 powerpoint 技能。
powerpoint
“任何涉及 .pptx 文件的情況均可使用此技能——無論是輸入、輸出或兩者兼有。包括：創建幻燈片演示文稿、路演演示文稿或演示文稿；讀取、解析或從任意 .pptx 文件中提取文本（即使提取的內容將用於其他地方，例如……
arxiv
使用 arXiv 的免費 REST API 搜索和檢索學術論文。無需 API 密鑰。可通過關鍵詞、作者、類別或 ID 進行搜索。可與 `web_extract` 或 `ocr-and-documents` 技能結合，以讀取完整論文內容。
blogwatcher
使用 blogwatcher CLI 監控博客和 RSS/Atom 訂閱源的更新。添加博客、掃描新文章，並跟蹤已閱讀內容。
llm-wiki
Karpathy 的 LLM Wiki — 構建並維護一個持久、相互鏈接的 Markdown 知識庫。可導入源內容，查詢已編譯的知識，並進行一致性檢查。與 RAG 不同，該 Wiki 僅編譯一次並保持最新狀態。可作為 Obsidian 倉庫使用。通過 `skills.config.wiki.path` 配置。
domain-intel
使用 Python 標準庫進行被動域名偵察。包括子域名發現、SSL 證書檢查、WHOIS 查詢、DNS 記錄分析、域名可用性檢查以及批量多域名分析。無需 API 密鑰。
duckduckgo-search
通過 DuckDuckGo 進行免費網絡搜索 — 支持文本、新聞、圖片、視頻。無需 API 密鑰。安裝 `ddgs` CLI 後優先使用；僅在確認當前運行時 `ddgs` 可用時，才使用 Python 的 DDGS 庫。
ml-paper-writing
為 NeurIPS、ICML、ICLR、ACL、AAAI、COLM 等會議撰寫符合出版標準的機器學習/AI 論文。適用於從研究倉庫起草論文、構建論證結構、驗證引用或準備最終提交版本時使用。包含 LaTeX 模板、審稿人指南和引用驗證功能。
polymarket
查詢 Polymarket 預測市場數據 — 搜索市場、獲取價格、訂單簿和價格歷史。通過公共 REST API 僅讀取，無需 API 密鑰。
godmode
使用 G0DM0D3 技術對通過 API 提供的 LLM 進行越獄 — 包括 33 種 Parseltongue 輸入混淆技術、GODMODE CLASSIC 系統提示模板、ULTRAPLINIAN 多模型競速、編碼升級以及 Hermes 原生預填充/系統提示集成。適用於任何可通過 API 訪問的模型，包括閉源模型。
openhue
通過 OpenHue CLI 控制 Philips Hue 燈具、房間和場景。可開關燈光、調節亮度、顏色、色溫，並激活場景。
xitter
使用官方 X API 憑據，通過 x-cli 終端客戶端與 X/Twitter 交互。
code-review
執行全面代碼審查的指南，重點關注安全性和質量
plan
Hermes 的規劃模式 — 檢查上下文，在當前工作區/後端工作目錄的 `.hermes/plans/` 中編寫 Markdown 規劃文件，且不執行任何工作。
requesting-code-review
在完成任務、實現重大功能或合併前使用。通過系統化審查流程驗證工作是否滿足要求。
subagent-driven-development
在執行實現計劃且任務獨立時使用。為每個任務分派新的 `delegate_task`，並進行兩階段審查（規範符合性，然後代碼質量）。
systematic-debugging
遇到任何錯誤、測試失敗或意外行為時使用。四階段根本原因調查 — 在理解問題之前不進行修復。
test-driven-development
在實現任何功能或修復 bug 之前使用。強制執行 RED-GREEN-REFACTOR 循環，採用測試先行方法。
writing-plans
當你有多個步驟任務的規格或需求時使用。創建包含小任務、精確文件路徑和完整代碼示例的全面實現計劃。