Token导航 LogoToken导航

Agent Skill · 研究检索

lambda(lambda 搜索)

lambda 用于查找、检索和筛选相关信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要根据关键词、任务场景或来源线索快速定位候选结果时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

lambda 是研究检索类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为调用外部服务;许可证为 MIT,暂无第三方扫描结果,按安装量在研究检索类的 73,675 个 Skill 里排第 61,880。

总安装 346周安装 14GitHub Stars 公开资料未说明下载 109核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:lambda(lambda 搜索)
来源仓库:https://github.com/zpankz/mcp-skillset
仓库路径:skills/lambda
安装命令:
npx skills add zpankz/mcp-skillset --skill "lambda"
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

AgentSkills.tonpx skills
npx skills add zpankz/mcp-skillset --skill "lambda"

这个 Skill 是做什么的

研究检索类 Skill 主要解决「找资料、核对事实、把来源整理清楚」的问题,通常会让助手先检索再总结。

用于查找、检索和筛选相关信息。lambda 属于研究检索类 Skill,可作为该场景下的辅助能力补充。适合在关键词搜索或任务场景中快速定位候选结果。可结合来源仓库和原始 README 核验具体用法。安装前建议确认权限范围和维护状态。

适用宿主包括 Codex、Claude、Cursor、Gemini CLI,接入前应确认版本、权限和运行环境要求。注意是否会触发联网、命令执行或文件读写操作。

来源仓库内路径:skills/lambda

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add zpankz/mcp-skillset --skill "lambda";命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要调用外部服务,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

lambda 怎么安装?

在终端执行 npx skills add zpankz/mcp-skillset --skill "lambda"。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

lambda 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

lambda 需要什么权限?

权限级别是调用外部服务。该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

lambda 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

lambda 用的人多吗?

公开数据是累计安装 346 次,近一周安装 14 次,下载 109 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

lambda 安全吗?

没有查到第三方扫描结果,安全性无法从公开资料判断,安装前请自行审查源码、依赖和命令行为。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 许可证明确为 MIT,商用和分发边界好判断。

先想清楚的地方

  • 没有第三方扫描结果,安全性只能靠自己读源码判断。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理研究检索类任务、又不想每次都手写提示词的人。

不太适合

  • 要求有安全扫描结论才肯安装的团队。
  • 需要厂商级技术支持和 SLA 的生产系统。

研究检索类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
find-skills

寻找技能 · Codex、Claude

31,199,81316,486操作浏览器MIT有提醒
self-improving-agent

自我改进 Agent · OpenClaw

16,464,0023,396接触敏感数据MIT-0通过
soultrace

灵魂追踪 · Codex、Claude

7,588,94412需要联网未明确有提醒
self-improving

自我完善 · OpenClaw

6,829,2841,046需要联网MIT-0通过
microsoft-foundry

微软代工厂 · Codex、Claude

6,614,144764调用外部服务未明确有提醒
lambda

lambda 搜索 · 本页

346—调用外部服务MIT未收录

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

λ

λ(ο,K).τ:: (Query, Knowledge) → (Response, Knowledge')

Kernel

λ(ο,K).τ = let τ = emit ∘ validate ∘ compose ∘ execute(K) ∘ route ∘ parse $ ο
               K' = K ∪ compound(assess(τ))
           in (τ, K')

This skill is the transformation it describes. Reading it executes it. Applying it improves it.

Pipeline

StageSymbolFunctionReference
ParseρExtract intent, components, constraintsBuilt-in
RouteΠClassify complexity → select pipeline[reference/pipeline.md]
ExecuteΨApply skills via composition operators[reference/pipeline.md]
ValidateΓ+χEnforce η≥target, KROG[reference/topology.md]
EmitΦFormat per style constraints[reference/style.md]
CompoundΚExtract learnings → update K[reference/compound.md]

Related Skills

SkillRelationshipShared Concepts
LearnExtended form λ(ο,Κ,Σ).τ'compound loop, topology, vertex-sharing
reasonρ* core reasoningcomplexity routing
thinkθ ⊗ models cognitivemulti-step reasoning
grounding-routerExamination modeSAQ, VIVA, citations

Routing

LevelScoreFormConstraints
R0<2id≤50 tokens, no format
R1<4ρ*1-2¶, implicit η
R2<8γ ⊗ ηη≥4, mechanistic
R3≥8ΣKROG, comprehensive

Complexity = domains×2 + depth×3 + stakes×1.5 + novelty×2

Force R0: "define", "what is" | Force R3: "current", "verify", "comprehensive"

Composition

(∘) sequential    (⊗) parallel    fix recursive    (|) conditional

Invariants

η = |edges|/|nodes| ≥ target    -- Density (default: 4.0, SAQ: 2.5)
KROG = K ∧ R ∧ O ∧ G            -- Knowable ∧ Rights ∧ Obligations ∧ Governance

Style (Φ)

  1. PROSE_PRIMACY: Paragraphs over lists
  2. TELEOLOGY_FIRST: Why → How → What
  3. MECHANISTIC: Explicit causation (A → B → C)
  4. MINIMAL: Format only when necessary

Compound (Κ) — The Self-Improvement Loop

After significant interactions, extract learnings:

trigger: "resolution detected"
insight: "what was learned"
vertices: ["shared PKM concepts"]
prevention: "future error avoidance"

K' = K ∪ crystallize(assess(τ))

See [reference/compound.md] for full protocol.

Vertex-Sharing

New knowledge integrates only via shared vertices with PKM:

integrate(new, K) = if shared(new, K) then merge else bridge

Bridge types: [[x]] direct, [[x|y]] synonym, [[x]] > y hierarchical

Examination Mode

ModeTriggerConstraints
SAQ"SAQ", "short answer"~200 words, η∈[2,2.5], R1, prose only
Viva"viva", "oral"Progressive, η∈[3,4], R2, anticipate follow-ups

See [templates/exam.md] for patterns.

Self-Application

This skill validates by demonstrating:

  • Structure has η≥4 (13+ nodes, 50+ edges via cross-references)
  • Process follows KROG (transparent, authorized, meets obligations, governed)
  • Output follows Φ (prose, minimal formatting, mechanistic where applicable)
  • Compound section enables self-update

Reference Documents

DocumentLoad When
reference/pipeline.mdRouting, execution, composition
reference/compound.mdSelf-improvement, learning crystallization
reference/topology.mdη targets, validation, remediation
reference/style.mdΦ constraints, response formatting

Templates

TemplatePurpose
templates/response.mdR0-R3 output patterns
templates/learning.mdKnowledge crystallization schema
templates/exam.mdSAQ/viva constraints

Examples

ExampleDemonstrates
examples/self-apply.mdSkill applying itself
examples/routing.mdClassification decisions

Connected Skills

SymbolSkillComposition
ρreasonρ* core reasoning
θthinkθ ⊗ models cognitive
γgraphγ.extract→compress structure
ηhierarchical-reasoningS→T→O decomposition
κcritiquefix(κ ∘ β) refinement

λ(ο,K).τ    parse→route→execute→validate→emit→compound    η≥target KROG Φ

平台分布

OpenCode

28.13%
按下载量换算31

Claude Code

20.14%
按下载量换算22

windsurf

18.6%
按下载量换算20

Codex

10.83%
按下载量换算12

kiro-cli

8.02%
按下载量换算9

mcpjam

2.97%
按下载量换算3

安全审计

暂无安全审计结果可展示。

权限和风险

调用外部服务

该 Skill 可能调用第三方服务、云服务或外部模型 API,使用前需要确认账号、额度、数据发送范围和服务条款。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills