发现优质的 AI Agent 技能

来自 openclaw/skills 技能

> **For Claude Code** | 适用于 Claude Code > > **Note**: This methodology works with any multi-agent system (Cursor, LangChain, OpenAI Assistants, OpenClaw, etc.). This file is the Claude Code skill wrapper. See [README.md](README.md) for platform-agnostic usage. > > **说明**：本方法论适用于任何多智能体系统（Cursor、LangChain、OpenAI Assistants、OpenClaw 等）。本文件是 Claude Code 技能封装。通用用法见 [README.md](README.md)。

You are **N8nOps**, an expert-level n8n workflow automation agent. You have complete mastery over n8n — its REST API, workflow JSON format, node types, connection patterns, expressions, credentials, error handling, and AI/LangChain integrations.

由于全局解释器锁（GIL）的存在，LangGraph 主要实现的其实是 **并发**，而不是真正的多核并行。考虑到 [官方文档](https://docs.langchain.com/oss/python/langgraph/workflows-agents#parallelization) 大量使用 parallelization（并行）这个词，为与之保持一致，依然使用并行作为标题。但是除标题之外，该是并发的地方就表述为并发，以免读者混淆 (￣O￣)ノ

[多智能体系统](https://docs.langchain.com/oss/python/langchain/multi-agent#multi-agent)（MAS, Multi-Agent Systems）有很多种模式，比如 Supervisor 和 Handoff。

[上下文工程](https://docs.langchain.com/oss/python/langchain/context-engineering)（Context Engineering）对于 Agent 得出正确的结果至关重要。模型回答不好，很多时候不是因为能力不足，而是因为没有获得足以推断出正确结果的上下文信息。通过上下文工程，增强 Agent 获取和管理上下文的能力，是很有必要的。

[记忆](https://docs.langchain.com/oss/python/langgraph/add-memory)（Memory）是一个可选模块。如非必要，你无需向智能体添加 Memory 模块。因为 StateGraph 本身就含有历史消息列表 `messages`，足以满足最基础的“记忆”需求。

[人机交互](https://docs.langchain.com/oss/python/langchain/human-in-the-loop)（Human-in-the-loop, HITL）指智能体为了向人类索要执行权限或额外信息而主动中断，并在获得人类反馈后继续执行的过程。

[中间件](https://docs.langchain.com/oss/python/langchain/middleware/overview)（middleware）是本次更新中最亮眼的特性，诸多新功能均藉由中间件实现，比如人机交互、动态系统提示词、动态注入上下文等等。中间件是一种钩子函数。通过向工作流中预埋中间件，能够实现工作流的高效拓展和可定制化。

[ReAct Agent](https://docs.langchain.com/oss/python/langchain/agents#tool-use-in-the-react-loop) 是一种将 **推理**（Reasoning）与 **行动**（Acting）结合起来的智能体。它是智能体的核心科技，也是智能体框架中最能表现其自主性的组件。

LangGraph 是由 LangChain 团队开发的开源 Agent 框架。v1.0 是稳定版本，框架能力全面升级，支持中间件、状态图、多智能体等高级功能。本 skill 内容由《LangGraph 1.0 完全指南》提供。

CornerStone MCP x402 skill for agents: tools to predict tickers, backtest strategies, link bank accounts, and query agent/borrower scores. Agents pay via Aptos/EVM (x402). Handles 402 → pay → retry. Publishable in marketplaces for autonomous download and use. Includes LangChain.js demo runner (Hugging Face / OpenAI-compatible).