插件市场

覆盖 Agentforce Agent 开发生命周期：编写、发现、搭建、部署、测试和优化 .agent 文件。

汇集 AMD 已验证的 Agent Skill：使用 Ryzen AI 本地处理图像和音频，在 Instinct GPU 上用 vLLM 部署模型，用 Hyperloom 优化推理吞吐量，并分析 GPU 内核与 PyTorch 性能轨迹。

使用 Atomic Agents 框架构建 AI Agent，提供结构设计、架构规划、代码审查和工具开发专用 Agent，以及渐进式 Skill、引导流程和最佳实践校验。

在 AWS 上构建、部署和运维 AI Agent，覆盖 Bedrock AgentCore 项目搭建、工具连接、记忆、策略、评估、调试与生产加固。

分析代码库并推荐适合项目的 Claude Code 自动化配置，包括 Hook、Skill、MCP 服务器和子 Agent。

维护和改进 CLAUDE.md 文件，审查质量、记录会话经验并更新项目记忆。

面向 AI／机器学习流程的 DataRobot Skill，覆盖训练、部署、预测、特征工程、监测、可解释性、数据准备、应用框架 CI／CD 和外部 Agent 监测。

为 AI 应用添加 DeepEval 评估、调用追踪、数据集、Confident AI 报告和迭代改进流程。

支持 Domino Data Lab 平台的数据科学工作，覆盖工作区、作业、模型部署、实验追踪、生成式 AI 追踪、Spark／Ray／Dask 和应用部署。

构建高质量数据集与计算机视觉模型，支持可视化、模型分析、查重、推理、预测评估及自定义插件开发。

根据对话模式或明确指令创建自定义 Hook，通过简单的 Markdown 规则防止不期望的行为。

构建、训练、评估和使用开源 AI 模型、数据集与 Spaces。

面向开源模型工程平台 Langfuse 的 Skill，覆盖调用追踪、提示词管理和评估。

将 Claude Code 的调用轨迹、跨度和会话遥测采集并导出至 Langfuse，用于模型监测、调试和评估。

使用 MCP Apps SDK 创建 MCP 应用的 Skill。

设计和构建适配 Claude 的 MCP 服务器，指导选择远程 HTTP、MCPB 或本地部署，设计工具、认证和交互式 MCP 应用。

通过 Anthropic MCP 隧道将 Claude 连接到私有 MCP 服务器；/create-docker-mcp-tunnel 引导完成 Docker Compose、证书、代理、cloudflared 和可验证示例服务器配置。

使用 MLflow 追踪、评估和改进 AI Agent，覆盖埋点、追踪、评估、迭代与验证的完整循环。

为 GPU 加速、CUDA、AI Agent、数据加载、训练、推理、机器人、物理 AI、Omniverse 和仿真等任务寻找适合的 NVIDIA Skill。

使用 Pixeltable 构建多模态 AI 应用，支持表、计算列、嵌入搜索、用户函数、工具调用 Agent 及 25 多种 AI 提供商集成。