AutoGPT

Erstellt, aktualisiert oder optimiert eine AGENTS.md-Datei für ein Repository mit minimalen, hochgradig aussagekräftigen Anweisungen, die nicht entdeckbare Codierungs-Konventionen, Eigenheiten der Werkzeuge, Workflow-Präferenzen und projektspezifische Regeln abdecken, die Agenten nicht aus dem Code ableiten können. Verwenden Sie dies beim Einrichten von Agent-Anweisungen oder der Claude-Konfiguration für ein neues Repository, wenn eine vorhandene AGENTS.md zu lang, generisch oder veraltet ist, wenn Agenten wiederholt vermeidbare Fehler machen oder wenn sich die Repository-Workflows geändert haben und die Agent-Konfiguration bereinigt werden muss. Wendet einen Entdeckbarkeitsfilter an – der alles weglässt, was Claude aus README, Code, Konfiguration oder Verzeichnisstruktur lernen kann – und ein Qualitätstor, um zu überprüfen, ob jede Zeile korrekt und betrieblich relevant bleibt.

Führen Sie Codierungsaufgaben mit einem strengen Liefer-Workflow aus: Erstellen Sie einen vollständigen Plan, implementieren Sie Schritt für Schritt, führen Sie kontinuierlich Tests durch und committen Sie standardmäßig nach jedem Schritt (`per_step`). Unterstützt explizite Commit-Policy-Überschreibungen (`final_only`, `milestone`) und optional BDD (Given/When/Then), wenn Benutzer verhaltensgesteuerte Bereitstellung anfordern oder Anforderungen unklar sind.

Observe the user's screen via screenpipe, detect repeated research workflows, match them against existing scientific-agent-skills, and draft new skills (or composition recipes that chain existing ones) for the patterns not yet covered. Use when the user asks to analyze their recent work and propose skills based on what they actually do. Requires the screenpipe daemon (https://github.com/screenpipe/screenpipe) running locally on port 3030 — the skill has no other data source and will refuse to run if screenpipe is unreachable. All detection runs locally; only redacted cluster summaries reach the LLM.

Browse, publish, and install WASM agents from the community gallery

Framework for building LLM-powered applications with agents, chains, and RAG. Supports multiple providers (OpenAI, Anthropic, Google), 500+ integrations, ReAct agents, tool calling, memory management, and vector store retrieval. Use for building chatbots, question-answering systems, autonomous agents, or RAG applications. Best for rapid prototyping and production deployments.

Azure AI Agents Persistent SDK for Java. Low-level SDK for creating and managing AI agents with threads, messages, runs, and tools. Triggers: "PersistentAgentsClient", "persistent agents java", "agent threads java", "agent runs java", "streaming agents java".