image-to-video
图片转视频（image-to-video）技能，提供静图转动画的模型选择、运动提示词与镜头运动指南，覆盖 Wan 2.5 i2v、Seedance、Fabric、Grok Video，并说明各模型适用场景。基于 inference.sh CLI（belt）使用。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 11-05 00:16
设计与创作
22,056 个结果
interaction-design
交互设计技能，用于设计和实现微交互、动效、过渡与用户反馈模式，涵盖加载状态、骨架屏、手势交互、通知系统、拖拽界面、滚动触发动画及悬停/聚焦状态，基于 Framer Motion 与 CSS 动画实现。
make-interfaces-feel-better
这是一份面向设计工程（Design Engineering）的界面打磨原则清单，用于在构建或审查前端 UI 组件时提升界面的精致度与体验质感。它围绕排版、表面、动画、图标、性能五大类共 19 条核心原则展开，例如同心圆角（外层圆角 = 内层圆角 + 内边距）、光学对齐优先于几何对齐、用分层阴影表达层级而用边框表达结构、可中断动画、错峰入场动画、图标描边宽度与文字字重匹配、tabular-nums 防止数字跳动、图片描边使用纯黑/纯白而非带色中性色、点击缩放 0.96、最小点击区域 44×44px 等。它同时给出常见错误对照表，以及一套结构化的审查输出规范（quick/full 两种模式、覆盖率说明、按原则分组的发现表格、已考虑但被否的候选、验证步骤与结论）。使用方式为在编写或审查 UI 代码时对照应用这些原则；建议先识别项目现有样式体系（如 Tailwind、CSS、CSS-in-JS）并在该体系内表达修改，不引入第二套样式方案。适用于 UI 组件开发与前端代码审查场景。具体平台、收费、价格等信息暂未提供。
omarchy-theming
用于创建与管理 Omarchy 桌面主题的技能，围绕 colors.toml 中的 22 个颜色变量定义配色，并自动传播到终端、Hyprland、Waybar、btop 等桌面组件。
remotion-captions
用于在 Remotion 中处理字幕的技能资料，要求所有字幕以 JSON 形式处理并使用 @remotion/captions 提供的 Caption 类型。
video-ad-specs
面向短视频与社交广告制作的技能包，提供 TikTok、Instagram、YouTube、Facebook、LinkedIn 各平台的视频广告规格（画幅、分辨率、时长、文件大小、安全区），并给出 AIDA 框架、钩子技巧、字幕规范、广告结构模板与常见错误清单，可通过 belt CLI 调用生成视频、配音、合并与加字幕。
vision-analysis
基于 MiniMax 视觉 MCP 工具（MiniMax_understand_image）的图像分析技能，可描述图片、提取文字、评审 UI 设计、解析图表数据、识别物体人物与活动，支持本地路径与 URL。需 MiniMax Token Plan 订阅与 MINIMAX_API_KEY。
breadboarding
Breadboarding 是一种把工作流描述转化为“可供性（affordance）表格”的方法：列出带编号的 UI 与 Code 可供性及其 Wires Out 和 Returns To 关系，用于梳理现有系统或设计新系统；表格是核心产出，Mermaid 图仅为可选可视化。
audiocraft-audio-generation
AudioCraft 是 Meta 的 PyTorch 音频生成库，包含 MusicGen 文本生成音乐、AudioGen 文本生成音效和 EnCodec 神经音频编解码器，支持旋律与风格条件、立体声输出，可通过 pip 安装使用。
blip-2-vision-language
BLIP-2 是 Salesforce 提出的视觉-语言预训练框架，通过轻量 Q-Former 连接冻结的图像编码器与冻结的大语言模型，支持图像描述、视觉问答、图文匹配与检索等零样本任务。
llava
LLaVA 是开源视觉语言模型，结合 CLIP 视觉编码器与 Vicuna/LLaMA 语言模型，支持图像对话、视觉问答、图像描述与视觉指令跟随，采用 Apache 2.0 许可，提供 7B 至 34B 多种规模。
segment-anything-model
Segment Anything Model（SAM）是 Meta AI 发布的零样本图像分割基础模型，可通过点、框或已有掩码作为提示，对任意图像中的对象进行分割，并提供自动分割全部对象的能力。
sentence-transformers
Sentence Transformers 是基于 PyTorch/Transformers 的 Python 框架，用于生成句子、文本和图像嵌入向量，提供 5000+ 预训练模型，支持语义相似度、聚类、检索与 100+ 语言，可本地运行。
stable-diffusion-image-generation
这是一个基于 HuggingFace Diffusers 库使用 Stable Diffusion 模型进行图像生成的技能指南。它覆盖文生图、图生图、局部重绘（Inpainting）、外绘（Outpainting）、图像变体等任务，并支持 ControlNet 空间条件控制、LoRA 风格适配，以及 SD 1.5、SDXL、SD 3.0、Flux 等多种模型。文档提供了安装命令、基础与进阶代码示例、调度器选择、生成参数说明、显存优化方法和常见问题排查，适合需要在本地 GPU 环境构建自定义图像生成工作流的开发者参考。
artcraft
artcraft 是一份用于操作 storytold/artcraft 的技能说明。ArtCraft 是一款采用双许可证的 Rust/Tauri 创作者 IDE，面向 2D 与 3D 场景预演（scene blocking），并支持托管式 AI 图像、视频、音频、网格与世界生成。该技能强调在固定提交版本上工作：先运行只读离线预检脚本，再做适配性检查，区分签名桌面发行版与源码构建，在选择发行版下载或源码编译前要求明确批准，并对每次 AI 生成先披露所选提供方、模型与预估积分或美元成本。它还要求将场景预演与生成分为两个检查点，导出时记录目标路径、媒体类型、模型与任务结果，并以证据为依据区分源码事实、本地观察、估算与运行结果。
diagram-design
Diagram Design 是一个用于创建“有来源依据的品牌化图表”的技能（skill），适用于架构、流程、数据、图表、生命周期、拓扑或编辑类图示，当视觉表达比文字更能帮助读者理解时使用。它管理图表类型选择、语义模式、来源导入、自包含 HTML/SVG 编写、本地验证、手动导出以及经批准的品牌令牌适配。该技能本身是一个操作器（operator），只附带 references/upstream.md 和 scripts/preflight.py，实际模板与脚本来自上游 cathrynlavery/diagram-design 套件，需在通过预检并单独批准安装后使用。它强调先运行离线预检、确认范围、选择语义模式再选视觉类型、编写单一自包含产物、遵守设计契约、本地验证、仅在请求时导出，并对任何安装、下载、付费或远程调用、浏览器导航、端口绑定、凭据使用、发布或破坏性写入等副作用要求单独明确批准。
higgsfield-brandkit
Higgsfield Brandkit 是一套面向品牌视觉系统构建的技能（skill），用于创建和扩展完整的品牌识别体系，包括色板、SVG 标志、字体排印，以及样机、社交媒体图、海报横幅、包装、标识、周边和提案文档、Brandbook 等应用物料。它通过 Higgsfield CLI 与随附的确定性本地工具（Python 脚本）协同工作，将用户提供的品牌事实和官方素材视为固定约束，通过状态文件持久化记录审批，强调不擅自推断、不伪造可编辑格式，并支持按需只构建输出所需的槽位。
higgsfield-generate
该技能通过 higgsfield CLI 向 Higgsfield AI 提交图像、视频、3D 资产和音频生成任务，并支持 Marketing Studio 品牌广告工作流与 Virality Predictor 视频评分。需先安装 CLI 并登录账号。
higgsfield-product-photoshoot
Higgsfield Product Photoshoot 是 Higgsfield AI 提供的一项技能，通过 higgsfield product-photoshoot create 命令调用后端提示词增强器，生成品牌级产品图片。后端内置各模式的摄影词汇与结构模板，将最终提示词提交至 gpt_image_2，并返回图片 URL。该技能覆盖 10 种生成模式：产品棚拍、生活方式场景、人物特写、Pinterest 板钉、横幅主图、社交轮播、广告创意包、虚拟模特试穿、概念产品与风格重塑。使用前需确保 higgsfield CLI 已安装并完成登录认证。生成前最多提 3–4 个带选项的简短问题，按意图选择模式，支持多图输出与宽高比设置，分辨率统一使用 2k。
higgsfield-soul-id
用于训练 Higgsfield Soul Character 个性化人脸模型的技能：上传5–20张人脸照片，训练出可复用的身份模型，供后续图像与视频生成时通过 --soul-id 引用，实现身份一致的人像生成。
higgsfield-youtube-thumbnail
Higgsfield YouTube Thumbnail 是一个通过 Higgsfield CLI 生成高点击率 YouTube 缩略图和竖版视频封面的技能。它先构建真实可信的“信息差”概念，再逐个生成变体、检查结果，并仅按用户要求做精准微调。其核心流程包括：安装并登录 Higgsfield CLI、确认模型合约（nano_banana_pro、gpt_image_2、seedream_v5_pro）、收集视频主题与真实承诺、可选风格参考图分析、人物与 logo 参考、比例设置（YouTube 默认 16:9、Shorts 9:16、Instagram 4:5）。生成时强调单焦点主题、极简杂乱、在约 120px 宽度下仍可读，默认输出无文字干净图像，仅在明确要求时使用确定性叠加或烘焙文字。支持表情、背景、轮廓光等有限范围的后期调整。该技能明确要求不得编造不真实的声明、结果、产品、人物、截图或统计数据，并禁止将风格参考图作为身份输入。
product-name
该技能用于头脑风暴 5 个独特、易记的产品名称，并给出与品牌价值、目标受众和市场定位相符的理由，适用于新产品命名、品牌重塑或发布前探索名称方案。
user-stories
用于按 3C（Card、Conversation、Confirmation）与 INVEST 标准编写用户故事，生成含描述、设计链接和验收标准的 backlog 条目，适合需求拆分与验收标准定义。
nano-banana
nano-banana 是一个基于 Google Gemini API 的图像生成技能，支持 4K 输出、角色一致性与图内文字。需先设置 GEMINI_API_KEY 环境变量，通过 curl 调用 Gemini 模型生成或编辑图片，结果保存到本地目录。