skills
skills 是 Cloudflare 官方推出的一套开源"AI 智能体技能库”，旨在教会各类 AI 助手（如 Claude Code、Cursor、OpenAI Codex 等）如何在 Cloudflare 开发者平台上高效构建应用。它解决了通用大模型在特定云平台上缺乏最新文档、最佳实践及具体操作指令的痛点，让 AI 能直接输出符合 Cloudflare 架构的代码与方案，大幅降低开发者的查阅成本和试错时间。
这套工具特别适合希望在 Cloudflare 上开发 Serverless 应用、AI 智能体或全栈项目的开发者使用。其核心亮点在于采用了“上下文自动加载”机制：当对话涉及特定主题时，相应的技能会自动激活，提供精准指导；同时支持显式的斜杠命令（如 /cloudflare:build-agent），让用户能一键触发构建 AI 智能体或 MCP 服务器的复杂流程。此外，skills 还深度集成了多个远程 MCP 服务器，赋予 AI 直接管理账户资源、查询实时文档、分析构建日志及调试应用的能力，真正实现了从“代码建议”到“全流程开发协助”的跨越。
使用场景
一位全栈开发者需要在 Cloudflare 上快速构建一个具备记忆功能、支持实时通信且能安全执行用户代码的 AI 聊天机器人。
没有 skills 时
- 开发者需手动翻阅分散的 Workers、Durable Objects 及 Agents SDK 文档，极易混淆有状态协调与无状态函数的适用场景。
- 配置沙箱环境以安全运行用户提交代码时，常因遗漏权限设置或网络隔离规则导致安全漏洞或部署失败。
- 编写 WebSocket 心跳维持、RPC 调用及数据库绑定样板代码耗时费力，且容易出错。
- 遇到报错时，缺乏针对 Cloudflare 特定架构的调试指引，只能依靠通用经验盲目排查。
- 集成 MCP 服务器以实现工具调用时，需从零研究 OAuth 流程与远程部署配置，开发周期被大幅拉长。
使用 skills 后
- skills 自动识别“有状态聊天”需求，直接加载
agents-sdk和durable-objects技能，提供符合最佳实践的架构建议。 - 调用
/cloudflare:build-agent命令即可生成包含安全沙箱、WebSocket 连接及状态管理的完整项目骨架。 - 内置的
sandbox-sdk技能确保生成的代码执行环境默认具备严格的网络隔离与资源限制，消除安全隐患。 - 对话中涉及部署或日志分析时，自动关联
wrangler技能与cloudflare-observabilityMCP 服务，精准定位问题。 - 通过
building-mcp-server-on-cloudflare技能，一键配置带 OAuth 认证的远程 MCP 服务，无缝集成外部工具。
skills 将复杂的 Cloudflare 分布式架构知识转化为智能体的本能反应，让开发者从繁琐的配置文档中解放，专注于业务逻辑创新。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
Cloudflare 技能
一组适用于 Cloudflare、Workers、Agents SDK 以及更广泛的 Cloudflare 开发者平台的 Agent Skills。
安装
这些技能可与任何支持 Agent Skills 标准的代理程序配合使用，包括 Claude Code、OpenCode、OpenAI Codex 和 Pi。
Claude Code
使用 插件市场 进行安装：
/plugin marketplace add cloudflare/skills
/plugin install cloudflare@cloudflare
Cursor
可以从 Cursor 市场安装，或通过 设置 > 规则 > 添加规则 > 远程规则（Github） 手动添加 cloudflare/skills。
npx skills
使用 npx skills CLI 进行安装：
npx skills add https://github.com/cloudflare/skills
克隆/复制
克隆此仓库，并将技能文件夹复制到您所使用的代理程序的相应目录中：
| 代理 | 技能目录 | 文档 |
|---|---|---|
| Claude Code | ~/.claude/skills/ |
文档 |
| Cursor | ~/.cursor/skills/ |
文档 |
| OpenCode | ~/.config/opencode/skills/ |
文档 |
| OpenAI Codex | ~/.codex/skills/ |
文档 |
| Pi | ~/.pi/agent/skills/ |
文档 |
命令
命令是用户可调用的斜杠命令，需由您明确发起。
| 命令 | 描述 |
|---|---|
/cloudflare:build-agent |
使用 Agents SDK 在 Cloudflare 上构建 AI 代理 |
/cloudflare:build-mcp |
在 Cloudflare 上构建 MCP 服务器 |
技能
技能具有上下文相关性，会根据您的对话自动加载。当请求匹配某个技能的触发条件时，代理会加载并应用相应的技能，以提供准确、最新的指导。
| 技能 | 适用场景 |
|---|---|
| cloudflare | 综合性的平台技能，涵盖 Workers、Pages、存储（KV、D1、R2）、AI（Workers AI、Vectorize、Agents SDK）、网络（Tunnel、Spectrum）、安全（WAF、DDoS）以及 IaC（Terraform、Pulumi） |
| agents-sdk | 构建具有状态、调度、RPC、MCP 服务器、电子邮件和流式聊天功能的状态感知 AI 代理 |
| durable-objects | 状态化协调（聊天室、游戏、预订）、RPC、SQLite、闹钟、WebSockets |
| sandbox-sdk | 为 AI 代码执行、代码解释器、CI/CD 系统和交互式开发环境提供安全的代码执行环境 |
| wrangler | 部署和管理 Workers、KV、R2、D1、Vectorize、Queues 和 Workflows |
| web-perf | 审计核心网页指标（FCP、LCP、TBT、CLS）、渲染阻塞资源以及网络链路 |
| building-mcp-server-on-cloudflare | 使用工具、OAuth 和部署流程构建远程 MCP 服务器 |
| building-ai-agent-on-cloudflare | 构建具有状态、WebSockets 和工具集成的 AI 代理 |
MCP 服务器
此插件包含 Cloudflare 的远程 MCP 服务器 以增强功能：
| 服务器 | 用途 |
|---|---|
| cloudflare-api | 管理 Cloudflare 账户资源、区域和设置 |
| cloudflare-docs | 最新的 Cloudflare 文档和参考 |
| cloudflare-bindings | 使用存储、AI 和计算原语构建 Workers 应用程序 |
| cloudflare-builds | 管理 Workers 构建并获取洞察 |
| cloudflare-observability | 调试和分析应用日志及分析数据 |
资源
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备