Skills за
вашата задача.

Намерете инструкция, прочетете оригиналния файл и подгответе команда за своя инструмент.

31 301 skills в каталога

Данните имат нужда от нова проверка.Последна успешна проверка: 23.09.2026 г.

Обхват и актуалност

Skills в индекса: 31 301
Наблюдавани репозитории: 23 011
Skills в наблюдавани репозитории: 21 767
Skills без наблюдение на репозитория: 9534
Чакащи репозитории / файлове: 21 801 / 28 839
Чакащи търсения: 381
Грешки при проверката: 19
Последен опит: 23.09.2026 г.

Проверката на източника не означава, че всяка инструкция е изпробвана от Level8. Каталогът не обхваща непременно всички публични хранилища.

Търсене в целия индекс. Метаданните показват посоченото от източника; липсващите стойности остават означени.

Филтри и подредба1 активни

КатегорияПлатформаНивоОбновен в GitHubПодредбаРезултати на страница

Датата в GitHub е отделна от първата поява в моя индекс. Филтърът по дата изключва записите без посочено обновяване.

4946 резултата

Страница 39: 24 записа в 6 групи по репозиторий. Всички записи от страницата са показани. Номерът пази позицията от избраната подредба.

Общ източник

muratcankoylan/Agent-Skills-for-Context-Engineering

3 skills от този източник на тази страница

memory-systems

muratcankoylan · Данни и AI

This skill should be used for persistent semantic memory in agent systems: cross-session knowledge retention, entity tracking, temporal validity, graph or vector retrieval, memory consolidation, and memory benchmark selection. Route file-backed scratchpads to filesystem-context, handoff summaries to context-compression, and token-efficiency tactics to context-optimization.

Оригинален текст · няма потвърден превод на българскиПлатформи: ClaudeНиво: НапредналоВ индекса: 04.03.2026 г.Обновен в GitHub: 11.09.2026 г.

reasoning-trace-optimizer

muratcankoylan · Данни и AI

Debug and optimize AI agents by analyzing reasoning traces, context degradation, tool confusion, instruction drift, repeated task failures, and performance regressions.

self-improvement-loops

muratcankoylan · Данни и AI

This skill should be used when the harness, scaffold, workflow, or optimizer itself is the optimization target: recursive self-improvement (RSI) loops, meta-harnesses, self-improving harnesses that mine their own failures and propose bounded edits, evolutionary or population-based search over agent scaffolds, acceptance gates for self-modifying systems, and agentic context evolution where the mechanism that produces context is versioned and evolved. Route governance of a single autonomous loop (

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 11.09.2026 г.

Общ източник

microsoft/SkillOpt

3 skills от този източник на тази страница

skillopt-sleep

microsoft · Данни и AI

Use when the user wants their Claude agent to self-improve from past usage, asks about a nightly/offline 'sleep' or 'dream' cycle, memory/skill consolidation, or says things like 'make my agent better the more I use it', 'review my past sessions', 'learn my preferences', 'consolidate what you learned', 'run the sleep cycle', or wants to schedule background self-optimization. Drives the skillopt_sleep engine: harvest past sessions -> mine recurring tasks -> replay through a selected backend -> co

Оригинален текст · няма потвърден превод на българскиПлатформи: ClaudeНиво: СредноВ индекса: 11.06.2026 г.Обновен в GitHub: 05.09.2026 г.

skillopt-sleep

microsoft · Данни и AI

Use when the user wants Cursor to learn from recent local sessions, asks for an offline sleep or dream cycle, wants to consolidate recurring work into a Cursor skill, or requests SkillOpt-Sleep status, harvest, dry-run, run, scheduling, review, or adoption. Drives the validation-gated skillopt_sleep engine with Cursor transcripts and the optional Cursor Agent CLI backend.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 05.09.2026 г.

skillopt-sleep

microsoft · Данни и AI

Use when the user wants the dsh agent to self-improve from past usage, asks about a nightly/offline 'sleep' or 'dream' cycle, skill/memory consolidation, or says things like 'make my agent better the more I use it', 'review my past sessions', 'learn my preferences', 'consolidate what you learned', 'run the sleep cycle', or wants to schedule background self-optimization. Drives the skillopt_sleep engine through the skillopt_* tools: harvest past sessions -> mine recurring tasks -> replay via a se

Общ източник

kubesphere/kubesphere

2 skills от този източник на тази страница

frontend-integration-yaml

kubesphere · Данни и AI

Generate canonical FrontendIntegration YAML from a simplified single-menu authoring model for frontend-forge.

Оригинален текст · няма потвърден превод на българскиПлатформи: ClaudeНиво: СредноВ индекса: 11.06.2026 г.Обновен в GitHub: 15.07.2026 г.

kubesphere-volcano

kubesphere · Данни и AI

KubeSphere Volcano job management Skill. Use when user asks to create, list, update, delete Jobs (Volcano Jobs), manage Queues, create PyTorch/TensorFlow/MPI training jobs, or troubleshoot Volcano scheduling issues in KubeSphere. Includes built-in YAML templates, scheduling policy recommendations, and best practices for resource configuration. Handles both KubeSphere API and kubectl operations.

Оригинален текст · няма потвърден превод на българскиПлатформи: ClaudeНиво: НапредналоВ индекса: 11.06.2026 г.Обновен в GitHub: 15.07.2026 г.

Общ източник

MemoriLabs/Memori

2 skills от този източник на тази страница

memori

MemoriLabs · Данни и AI

Agent-native memory for OpenClaw that structures memory from agent trace, execution history, decisions, tool calls, and conversations into durable long-term memory primitives.

Оригинален текст · няма потвърден превод на българскиПлатформи: Не са посочениНиво: Не е посоченоВ индекса: 20.09.2026 г.Обновен в GitHub: 18.09.2026 г.

memori-mcp-usage

MemoriLabs · Данни и AI

Use when an MCP-connected agent should use Memori tools for targeted recall, summaries, post-compaction briefs, durable memory augmentation, quota checks, signup, feedback, preferences, prior context, or cross-session continuity.

Общ източник