micro-interactions
面向交互式 UI 的微交互规则集，强调即时反馈、物理弹簧动画、空间连续性与可访问性；给出按钮、标签、弹层等标准参数与 Framer Motion、Tailwind 用法建议。
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 11-06 00:14
设计与创作
22,130 个结果
canvas-design
canvas-design 是一套用于创作博物馆级视觉艺术的技能，可输出 .md 设计哲学文件，以及 .pdf/.png 视觉作品，适用于海报、视觉设计、信息图、证书等需求。
creative-effects
用于创建 WebGL、Three.js、着色器、粒子与创意编程视觉效果的技能，适合需要 3D、shader、粒子动效的网页场景，并提供 React Three Fiber、Canvas 2D、CSS/SVG 效果示例与性能、移动端、可访问性检查建议。
enhance-ux-laws
依据七条 UX 定律（Fitts、Hick、Miller、Jakob、Zeigarnik、Goal-Gradient、Von Restorff）对单个页面或流程做可测量修复，用探测值与阈值替代主观印象，默认直接修复，仅评审时只出发现表。
interactive-ux
Interactive UX 是一个用于打造愉悦、有趣、富有参与感交互体验的技能，适用于用户想要“趣味交互”“俏皮 UI”“游戏化”“令人愉悦的体验”等场景。它通过俏皮的微交互、惊喜彩蛋和游戏化元素，帮助创建令人难忘的用户体验。技能强调在添加任何交互元素前先检查现有交互模式与动画，以保持一致的交互语言，避免效果堆叠冲突。其核心原则包括：有目的的趣味（交互应增强理解或提供反馈，趣味服务于任务而非分散注意力）、渐进式发现（基础交互立即可用，进阶趣味功能随时间揭示）、尊重用户意图（不以强制交互阻断流程，提供跳过/关闭选项并记住偏好）。技能提供了丰富的实现示例，涵盖成功庆祝（彩纸、烟花）、弹性按钮、果冻按钮、磁吸元素、满足感开关、带里程碑的进度条、成就徽章、连续打卡计数器、科乐美秘技彩蛋、点击计数惊喜以及可选的音效设计等。所有示例基于 React、framer-motion、canvas-confetti 等技术实现。使用后需进行验证：确保每个交互都有目的、性能无卡顿、可访问且可禁用、支持键盘操作、移动端触控友好、尊重 prefers-reduced-motion 偏好、不令人厌烦且可跳过、能创造积极情感记忆。
mobile-first
移动优先的响应式界面设计技能，强调触控优化、拇指操作区域与 PWA 能力，适用于 React、Tailwind 与 framer-motion 项目，帮助在手机端先做好体验再增强大屏。
motion-design
Motion Design 是一个用于创建动画与微交互的技能，基于 Framer Motion、CSS 动画和 GSAP 实现。它强调在添加任何动画前先检查项目中已有的动画工具、CSS 动画和用户的减少动态偏好，以保持动画语言一致并尊重用户设置。该技能提供动画原则（目的驱动、性能规则）、Framer Motion 的入场/退场、悬停与点击、交错列表、滚动触发、页面过渡、布局动画等模式，以及 Tailwind CSS 动画、加载骨架屏、GSAP 复杂动画示例，并附带微交互清单和无障碍处理方式。
podcastfy-generator
Podcastfy Generator 可将 URL、YouTube 视频、PDF 或纯文本主题生成 NotebookLM 风格的双人对话播客音频，支持多语言、自定义节目与主播名称及多种 TTS 语音。
distilling-strategies-interactively
该技能将 AI 从单纯执行者转变为苏格拉底式工程伙伴：分析提案、设计文档、issue、笔记等非结构化材料，找出冲突、盲点与隐含假设，通过提问访谈用户，最终产出决策矩阵与行动计划。
motion-film
Motion film 是一个用于导演并渲染高能量动画短片的技能。它从真实素材（脚本、聊天频道、代码仓库、产品发布）出发，先通过最多十个问题的导演访谈确定简报，再撰写包含隐喻、节拍表、视觉风格与声音方案的处理文档，最终用代码以纯时间函数 render(t) 逐帧生成影片。项目基于模板 template/ 与 HyperFrames 渲染约定，提供快照、审查、混音、渲染与快门模糊合成流程，输出 60fps 交付文件。
figure-it-out
figure-it-out 是一个用于“没有现成剧本可用”场景的工作流设计技能：面对大型迁移、多部分改动或需人工事后审查的任务，先设计可审计的执行剧本，再动手写代码。
principle-exhaust-the-design-space
该技能用于在代码库中没有先例、且正确答案不明显时，先构建 2-3 个相互竞争的 UI 原型或架构方案并排比较，再决定实现方向，以降低做错东西的成本。它适用于新颖的 UI 交互、存在多种可行路径的架构选择，以及依赖体验感受而非纯逻辑的产品设计决策；不适用于已有既定模式的机械实现、目标状态明确的缺陷修复或重构，以及约束条件只允许一种可行方案的情况。
principle-experience-first
「体验优先」（Experience First）是一条产品与设计原则，用于在出现产品、用户体验或功能范围取舍时提供决策依据。其核心主张是：当实现上的便利与用户愉悦发生冲突时，应选择用户愉悦；宁可少而精，也不要多而糙——三个打磨到位的功能胜过十个粗糙的功能。该原则要求每个功能、控件和选项都必须有存在的理由，强调在投入生产代码前先用一次性 HTML 原型验证设计决策，因为原型阶段修改设计的成本更低。同时要求把细节做对，包括过渡动画、对齐、间距、反馈和错误状态，并收紧核心循环，让每个功能都服务于中心工作流，否则就应让路。原则还扩展了「用户」的定义：用户是任何消费该成果的人——对 UI 而言是终端用户，对库或内部 API 而言是引入它的同事，而下一个维护代码的工程师同样是用户，应以同样的标准衡量他们的体验，并从他们的视角解释影响。该原则与「基础性思考」分工明确：基础性思考决定工作的顺序，而体验优先决定工作的目标。
principle-type-system-discipline
一套关于静态类型语言类型系统纪律的原则技能，主张用类型消除非法状态、品牌化语义原语、在边界解析外部数据、保持穷尽匹配，并给出判断类型是否过松的测试问题。
why
一个用于调查代码背后动机与设计意图的技能，回答“为什么这样实现”“为什么选 Y”、回归、事后复盘或数据支撑阈值等问题。它通过整合版本历史、工单、文档、聊天记录、可观测性与分析数据等 MCP 来源，区分已知与推断并给出置信度，最后输出结构化的调查结论。
designer
面向前端界面与品牌设计的专家级技能，强调有意图、有辨识度的设计而非模板化“AI 风”。可用于创建界面、品牌与设计系统，或对现有设计做合规与质量审查。
lead-architect
一个面向高风险技术决策的资深首席软件架构师技能，以协作者身份与用户共同设计系统，强调可维护性与整洁代码，覆盖应用架构、系统架构、云原生基础设施与研发流程，并可生成ADR、RFC、SDD、技术规格等架构文档。
kilo-design
Kilo Code 前端的 UI 设计技能，用于设计、审查、打磨与实现界面。以根目录 DESIGN.md 代币契约为准，遵循 Kilo 品牌规则、shadcn/Radix 组件与 Tailwind 语义代币，并区分产品界面与品牌营销两种语境。
kilo-design
Kilo Design Cloud 是 Kilo 设计系统面向智能体的适配层，用于编辑或审查 Kilo Cloud Web UI（如 apps/web/src/**）及首批 Cloud 模式配方，提供 overlay、品牌、令牌架构、文案与交互质量等参考。
kilo-design-cloud
Kilo Design Cloud 是 Kilo 设计系统面向智能体的首个适配层，覆盖 Kilo Cloud Web 应用与首批 Cloud 模式配方，用于编辑或审查 apps/web/src/** 等 Cloud UI 路径时提供叠加规则与配方指引。
video-downloader
用于下载 YouTube 视频的技能，支持自定义画质与格式。可通过命令行脚本下载视频或仅提取音频，默认保存为 MP4 到指定输出目录，底层使用 yt-dlp。
card-skill
card-skill 是一个把文本内容渲染成设计感 PNG 图片的技能，可将文章、金句、笔记等输出为信息图、海报、视觉卡片、白板或风格化图形。支持 CLI 快速渲染与 AI 创意布局两条路径，提供多套设计系统与多种内容模式。
edit-image
edit-image 是一个基于 fal.ai 的图像编辑技能，默认使用 GPT-Image 2 模型，在需要透明背景、蒙版或保真度控制时切换到 GPT-Image 1.5。它通过 uv run 运行内置的 Python 脚本完成编辑，脚本内部从 fnox 读取 FAL_KEY，并自动将本地文件上传到 fal CDN。用户只需提供编辑提示词和一张或多张源图（本地路径或 URL），即可按指定尺寸、质量、格式、数量等参数生成编辑后的图片，脚本会把保存路径打印到标准输出。
generate-image
generate-image 是一个通过 fal.ai 生成图片的技能，默认使用 GPT-Image 2 模型，需要透明背景时改用 GPT-Image 1.5。它通过 uv run 运行内置的 Python 脚本，脚本内部从 fnox 加载 FAL_KEY。用户可用命令行参数指定提示词、模型、尺寸、质量、生成数量、输出格式、背景类型以及保存路径。提示词为必填项，长度约 2 到 32k 字符；尺寸支持 1024x1024、1536x1024、1024x1536 以及 1:1、16:9、9:16、4:3、3:4、21:9 等比例；质量可选 low、medium、high；一次可生成 1 到 4 张；格式支持 jpeg、png、webp。脚本会把保存的文件路径逐行打印到标准输出，随后可用 Read 工具向用户展示图片并告知保存位置。