简体中文 | English

Agent_Extensions

跨框架的 Agent Skills 合集。仓库里有两类东西：通用技能（General_skills/）不绑框架，任何智能体都能把目录当 Skill 挂载；Hermes 插件（hermes_plugins/）给 Hermes 框架用。每一项都自包含，脚本、模板和文档就在各自目录里，克隆下来以后要哪个目录拿哪个，单独就能用。

DSH 插件不在本仓库。DeepSeek Harness（DSH）插件已全部拆分为独立仓库，直接装独立仓库即可：

插件	独立仓库
dsh-vision-skill	https://github.com/DDDFXYqiming/dsh-vision-skill
dsh-layered-memory	https://github.com/DDDFXYqiming/dsh-layered-memory
dsh-annotation-patched	https://github.com/DDDFXYqiming/dsh-annotation-patched
dsh-side-panel-patched	https://github.com/DDDFXYqiming/dsh-side-panel-patched
dsh-ocr1-memory	https://github.com/DDDFXYqiming/dsh-ocr1-memory

本仓库不再收录 DSH 插件源码与快照。

内容总览

1️⃣ 通用技能（General_skills/，跨框架）

任何智能体框架（Claude Code / Codex / opencode / DSH / Hermes 等）都能把这里的目录作为 Skill 挂载。

技能	一句话能力	依赖
vision-skill	识图：本地图片 → 视觉模型描述（Qwen 动态分辨率，OpenAI 兼容接口）	Python 3 + Pillow + 视觉模型 API Key
video-notes-generator	视频 → 结构化 Markdown 笔记（字幕/转写、时间戳、抽帧、多模态观察），支持 B 站 / YouTube / 抖音 / 快手 / 本地文件	Python 3 + yt-dlp + ffmpeg，见 scripts/install_deps.sh
generic-agent-code-run	Windows 桌面应用与真实浏览器自动化（Win32 / UIA / OCR / 截图 / CDP），observe-act-verify 循环	Python 3 + 对应库，Windows

每个技能都有 SKILL.md（智能体运行时加载的指令），按需附 scripts/、templates/、references/。

本仓库只收录自己写的技能。上游公开项目（如 microsoft/markitdown、hugohe3/ppt-master）不在此镜像，请直接装上游。

2️⃣ Hermes 插件（hermes_plugins/）

插件	一句话能力	依赖
language-router v5.0	自适应语言路由，流程为 Planner-first → Worker → 可选 Verifier → Digest（hooks 挂载 pre_llm_call 等）	Hermes 框架

目录结构

Agent_Extensions/
├── General_skills/            # 通用技能（跨框架，挂载即用）
│   ├── vision-skill/
│   ├── video-notes-generator/
│   └── generic-agent-code-run/
├── hermes_plugins/            # Hermes 框架插件
│   └── language-router/
└── README.md

🚀 快速开始

挂载通用技能（任何框架）

以 vision-skill 为例。

# 1. 复制技能目录到你的 agent 的 skills 目录
#    （Claude Code: ~/.claude/skills/ ；Codex: ~/.codex/skills/ ；其他框架见其文档）
cp -r General_skills/vision-skill <你的 skills 目录>/

# 2. 配置视觉模型（OpenAI 兼容接口）
cd General_skills/vision-skill
cp templates/.env.example .env   # 填入 VISION_API_URL / VISION_MODEL / VISION_API_KEY

# 3. 自检
python scripts/vision.py --check

其他技能用法详见各目录内 SKILL.md。video-notes-generator 还需要 yt-dlp 与 ffmpeg 在 PATH 上。

安装 Hermes 插件

把 hermes_plugins/language-router 目录放进 Hermes 的插件目录即可。plugin.yaml 里声明了全部 hooks 与版本信息。

用 DSH？

DSH 插件走独立仓库，安装方式见上表各仓库的 README。本仓库的通用技能也能在 DSH 里当 Skill 挂载；vision-skill 的 DSH 接入步骤（含框架补丁说明）见 General_skills/vision-skill/references/dsh-integration.md。

⚙️ 环境要求

使用场景	要求
vision-skill	Python 3 + Pillow，以及任意 OpenAI 兼容多模态模型 API Key（Qwen-VL / MiniMax-M3 / Gemini / GPT-4o，默认 MiniMax-M3）
video-notes-generator	Python 3 + yt-dlp + ffmpeg；无字幕时走 faster-whisper 本地转写（可选独显加速，自动探测）
generic-agent-code-run	Windows + Python 3，按需装 pywin32 / Pillow / uiautomation / pyperclip
Hermes 插件	Hermes 框架

❓ FAQ

通用技能和 DSH 插件怎么选？

通用技能跨框架，克隆目录挂载即用。DSH 插件走官方扩展接缝，能力更强（Credential 化、渐进式工具暴露等），但仅限 DSH，且各自有独立仓库。两者同源互通：dsh-vision-skill 就是本仓库 General_skills/vision-skill 的 DSH 原生封装。

我的模型不支持图片，能识图吗？

能。把图片的本地路径交给技能，vision-skill 会调用你配置的多模态接口拿回文字描述，再基于描述回答；先整体读一遍，对小字和报错区域用 --crop 放大复读。

视觉 API 用哪家？

任意 OpenAI 兼容多模态接口都行，通过 VISION_API_URL / VISION_MODEL / VISION_API_KEY 注入，不写死厂商。

子目录之间有关联吗？

没有。每个子目录都是独立的自包含单元，可以单独使用、发布或删除。

🤝 贡献

• 每个子目录是独立的自包含单元，欢迎以 PR 提交新技能，或提 Issue 反馈问题
• 贡献要求
  • 内容自包含，自带脚本、模板与文档
  • 许可证清晰，建议 MIT
  • 不写死密钥与本机绝对路径
  • 入口文档为 SKILL.md，符合 Agent Skills 规范：name 与目录同名，description 说清「做什么 + 何时用」，正文只放智能体执行时会照做的指令，人类向文档与版本历史拆到 references/ 与 CHANGELOG.md
• DSH 插件请开独立仓库，不进本仓库

📄 许可

本仓库全部内容以 MIT License 分发。社区来源内容保留原作者署名（见各子目录 SKILL.md 头部）。