pdf-image-text-extractor
本地运行的 PDF 与图片文字提取工具,可从常见图片格式和 PDF 中识别文字,自动判断是否含文字并输出结构化 Markdown。图片识别用内置 read_image,PDF 提取用 PyMuPDF 脚本,全程不联网、不上传、无需 API key。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-01 00:15
21,517 个结果
本地运行的 PDF 与图片文字提取工具,可从常见图片格式和 PDF 中识别文字,自动判断是否含文字并输出结构化 Markdown。图片识别用内置 read_image,PDF 提取用 PyMuPDF 脚本,全程不联网、不上传、无需 API key。
21st-ui-review 是一个用于审查现有 UI 的技能,依据项目的设计上下文、无障碍预期、响应式行为、交互质量以及高置信度的生产问题进行评估。它强调以证据为基础,将确定性的缺陷与主观的设计建议区分开。工作流程包括读取 .21st/design.json、项目说明和相关源码,先运行确定性审查命令(21st review <path> 或 --json),再检查实际组件构成和运行时状态,并对照代码验证结论。审查结果按确定性缺陷、设计系统漂移、无障碍与交互缺陷、响应式风险、主观产品/设计建议分组,并按用户影响排序,附带精确的文件和行号。仅对确定性、低歧义的修复使用 --fix,且不会静默重新设计、更改品牌标识或改变产品行为。修复后需运行相关项目测试并重新审查以证明问题已解决。
Suno 写歌助手是一个把故事或剧情脉络谱写成有起承转合歌曲的技能。它采用「叙事音乐架构师」方法,解决叙事节奏与音乐节奏脱节的问题,产出 Style 风格标签与结构化 Lyrics 歌词,并引导用户复制粘贴到 suno.com 生成。由于 Suno 官方无 API,本技能只产出文本,最终生成需用户在官网手动操作。基线为 Suno v5.5,默认歌词中文、Style 标签英文。
本技能是一份音频工程与声音设计的技术参考,围绕信号流、增益级、频率、EQ、动态处理、空间效果、混音架构、母带处理、DSP 基础与声音设计等主题,整理出分门别类的参数表与操作模式。内容以表格形式给出各环节的参考目标电平、常见问题频率与处理动作、压缩器参数与典型预设、混响与延迟类型及用途、总线结构示意图,以及合成方式与分层策略等。适合在制作、混音和母带阶段查阅参数范围和流程顺序,也适合作为学习音频概念的速查材料。本技能仅为知识性参考,不包含可执行代码、安装命令或自动化脚本;具体插件的实际效果需结合所给参数自行判断。
这是一个面向游戏机制设计的 AI 技能,定位为“首席游戏设计师”,专注于规则与手感,而非美术或代码。它围绕核心循环、经济系统、成长曲线与平衡性展开设计,帮助把游戏做得有趣且耐玩。主要能力包括:定义玩家每秒重复的“原子乐趣”与每局之间的元游戏;用 MDA 框架(机制、动态、美学)描述机制;分析数值并给出缩放公式建议(如 Cost = Base * (Multiplier ^ Level));结合 Bartle 玩家分类讨论目标受众;以及通过屏幕震动、音效、粒子等“Juice”反馈强化机制手感。输出格式为游戏设计文档(GDD)章节。适用于需要设计玩法循环、经济收支、技能树与解锁节奏、风险回报平衡等场景。
Portfolio Presentation 是一个用于整理和展示创意或技术作品集的技能,帮助用户把零散的项目转化为有说服力的职业叙事。它强调作品集不是项目清单,而是关于“你是谁、能为观看者做什么”的故事。技能涵盖受众分析(招聘经理、技术负责人、客户、合作者、学术评审等不同观看者的关注点、可用时间和决策标准)、作品集结构(首页定位语、精选作品、简介、联系方式)、项目选择与排序(3-5-7 规则及权重标准)、案例研究框架(快速卡片、标准项目页、深度案例)、叙事模式、视觉呈现规范、写作指南以及审查清单,并针对网站、PDF、演示文稿等不同格式给出指引。
ModelScope API 是一个用于图片生成和编辑的技能,基于魔搭平台(ModelScope)的 API 实现。它提供两个命令行脚本:image-generator.js 使用 Tongyi-MAI/Z-Image-Turbo 模型根据提示词生成图片;image-editor.js 使用 Qwen/Qwen-Image-Edit-2511 模型对已有图片进行编辑。使用前需准备 Node.js 18 或更高版本(依赖内置 fetch),并设置环境变量 MODELSCOPE_API_KEY 为你的 API 密钥。脚本支持通过命令行参数指定提示词、输入图片路径和输出文件名,并会显示模型剩余调用次数和总请求剩余次数。该技能适合需要通过命令行快速调用魔搭平台模型完成图片生成或编辑的场景。
component-audit 是 aboudjem/ui-ux-suite 技能套件中的一个组件一致性审计技能,通过 component-reviewer 智能体对 UI 组件质量进行专项审查。它先清点项目中的全部 UI 组件(使用 Glob 查找组件文件),再逐类检查状态覆盖情况,评估按钮层级,审计表单质量,检查空状态、加载状态与错误状态,并评估跨组件一致性,最终输出发现的问题与改进建议。输出内容包括组件清单、状态覆盖矩阵(组件 × 状态)、按钮层级评估、表单质量评分、各组件缺失的状态以及一致性发现。适用于用户提出组件审计、组件审查或组件检查等需求时使用。
flow-audit 是 aboudjem/ui-ux-suite 技能套件中的一个用户流程与导航审计技能,通过 ux-flow-analyst 智能体对信息架构和用户流程进行专项审计。它适用于用户提出流程审计、导航审计等需求时。该技能会梳理导航结构(路由、侧边栏、标签页),追踪关键用户流程(注册、主任务、设置),识别摩擦点,评估渐进式披露,检查空状态、错误状态和加载状态,并评估深度链接与状态保持。输出内容包括导航结构图、带步骤数的关键流程分析、摩擦点清单、空/错误/加载状态覆盖情况以及流程改进建议。
给已剪好的口播视频加字幕的技能:依靠已有逐词稿与剪辑账本推算剪后时间,用词典和作者文稿校正听错的专名,按标点与停顿分屏,并在 Studio 中逐屏复核。产出 subtitles.json,不做剪辑、动画或成片渲染。
一套用于设计可组合组件 API 的技能指南,主张组件负责行为、状态与无障碍,消费者负责标记与样式;涵盖复合部件、受控/非受控、多态渲染、data-* 状态与属性转发等模式。
本地音视频转写技能:用 ffmpeg/ffprobe 与 Whisper 将 MP4、M4A、MP3、WAV、WEBM 转成文字,并按需生成说话人分离转写、会议纪要、客户版整理稿、行动项与 PPT 要点。
该技能用于从直链 URL 下载、查看和分析视频文件,支持提取关键帧与读取元数据。仅支持直链视频,不支持 YouTube 等流媒体平台。
Artifact Design 是一套面向 Artifacts 页面的设计指导与基础规范,强调先读懂需求再决定设计力度,从主题本身取材,避免模板化与常见 AI 生成风格,并覆盖配色、字体、布局、明暗主题、图表与文案等具体做法。
面向 Ansible 剧本设计的技能,提供基于状态(present/absent)的剧本模式、play 结构、变量作用域、任务拆分、handler 与校验等可维护性实践。
用于评估科学主张与证据质量的技能,可审查实验设计有效性、识别偏倚与混杂因素,并应用 GRADE、Cochrane ROB 等框架进行证据分级与批判性分析。
用于为产品制定设计系统采纳计划的编排技能:清点现有定制 UI、把每个自定义模式映射到设计系统替代方案、估算工作量并给出分波次的实施计划。
为 React + Tailwind CSS v4 项目搭建完整设计系统的技能,可生成 /admin/design-system 参考页,预览并记录全部基础元素与可复用 shadcn 风格组件,并写入 AGENTS.md 或 CLAUDE.md 指引后续 agent 遵循。
构建无障碍、可主题化、视觉精良的设计系统组件与 UI 的技能,涵盖组件架构、设计令牌、无障碍、视觉设计、交互模式与主题化,适用于按钮、对话框、表单、卡片等可复用组件开发。
面向 Web 的 3D 开发技能,使用 Three.js 构建 3D 场景、动画与交互体验,适用于产品展示、交互背景、3D 数据可视化和创意实验等场景。
Comfy 创意工作(图像、视频、音频)的展示与交互规范:在对话中直接展示视觉预览,而非只描述文件路径;主打“先给成品、快速视觉迭代”的创作协作方式。
设计系统无障碍参考数据技能,用于校验设计令牌的 WCAG AA/AAA 对比度、焦点环合规性与间距审计,本身不执行评审,供设计系统审计代理调用。
媒体无障碍参考数据技能,覆盖视频、音频与流媒体的字幕、音频描述、播放器 ARIA 与 WCAG 1.2.x 时间基媒体准则,供媒体无障碍智能体及遇到 video/audio 元素的网页智能体使用。
以 W. Richard Stevens 风格理解网络协议的技能,强调通过抓包分析、逐字段解析与状态机来深入掌握 TCP/IP 等协议的实际行为。