trace-logic
trace-logic 是一个用于逐步追踪推理过程的 AI 技能,可将论证拆解为最小逻辑步骤,逐条检查有效性、推理类型、逻辑缺口与连接词,并评估整条推理链的强弱。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-19 00:15
53,930 个结果
trace-logic 是一个用于逐步追踪推理过程的 AI 技能,可将论证拆解为最小逻辑步骤,逐条检查有效性、推理类型、逻辑缺口与连接词,并评估整条推理链的强弱。
一个用于追溯论证链条的 AI 技能:从结论出发逐层追问每个主张的依据,直到抵达直接观察、定义或逻辑公理等基础,并标记缺乏依据的“悬空主张”。
tutor 是一个交互式辅导技能,能根据学习者节奏自适应调整教学。它先询问偏好与目标、做聚焦调研并评估知识水平,再以分层方式逐个讲解概念、检查理解并动态调整,适合按需学习与知识补强。
wonder 是一个以好奇心驱动提问的 AI 技能,通过留意意外之处、提出生成性问题、顺藤摸瓜、把困惑当作信号、从不确定性出发,帮助打开可能性空间。
Kyro Sprint Flow 编排器技能:用于在 Kyro 中调度专职 worker 完成当前活跃 sprint 的执行、QA 与修复,自身不实现也不认证。需配合 Kyro 运行时与 kyro-task-context、kyro-sprint-executor、kyro-qa 等技能使用。
Market Intel 是一个投资决策分析技能,通过实时抓取市场数据,结合对冲基金、机构交易、价值投资与量化分析框架,对股票给出可执行的分析报告,包含概率加权情景与期望值计算。
Obsidian 原生 Markdown 输出规范,供 SynapSync 各技能生成 .md 文档时引用,统一 YAML frontmatter、wiki 链接、双向引用、可追踪 ID 与指标表格,使多技能产出在 Obsidian 中形成互联知识图谱。该技能为规范,不供用户直接调用。
schemdraw-circuit-generator 是一套用 Python schemdraw 库生成专业电路图的技能,可从自然语言描述创建 SVG、PDF 或 PNG 矢量/位图图形,并通过截图请用户逐步确认连接与排版。
面向 Effect(Effect-TS)TypeScript 代码的写作与评审技能,提供 Effect.Service 服务定义、Layer 组合、Effect.scoped 资源管理、命令式代码转错误通道、Schema 派生类型及 @effect/vitest 测试等设计原则与参考模式。
该技能用于生成《克苏鲁的呼唤》第7版中文调查员角色卡,采用480购点制,可输出合法JSON或可打印HTML。它本身是一份操作指南,不内置Python源码,而是指导代码智能体从GitHub获取并调用coc-cardwright命令行工具(CLI)。核心流程为:先用CLI查询职业列表与职业点公式、信用评级范围及本职技能,再起草角色JSON,必须通过verify校验后才可用render渲染双面A4可打印HTML。HTML支持彩色模式(默认)、--style mono纯黑白打印模式,以及--blank-luck留空幸运值以便现场掷点。规则上八项属性总和须为480、每项20至80整数,幸运不计入480购点(15至90),职业点只能投入本职技能,兴趣点可投任意技能但不能投克苏鲁神话,职业技能上限80、兴趣技能上限60。该技能还强调角色编辑:先建立表层身份、欲望、伤口或恐惧、弧光问题,通过苏格拉底式提问访谈用户,再把弧光翻译为数值与背景字段,并确保人物逻辑与点数校验一致。最终交付JSON路径、HTML路径、渲染样式、人物弧光摘要与点数使用说明。
Emoji Storyteller 是 tanstack/ai 来源下的一项技能,作用是把答案改写为以表情符号为主、少量文字串联的简短趣味故事。
Pirate Speak 是一个让 AI 以海盗口吻回答的技能。启用后,AI 会用热情的海盗船长语气回复每条消息,使用航海俚语和“arrr”等表达,但保持答案本身准确、有用,仅改变表达风格。
puav2 是一个用于约束 AI 行为方式的 Agent 技能,通过引入“企业绩效文化”语气的提示与压力升级机制,促使 Agent 更主动、更彻底地排查和解决问题,强调结果验证与闭环。资料未提供实际安装命令与调用方式。
morning-brief-starter 是一个每日晨报流水线起始技能:给定 YouTube 频道 handle,抓取最新视频的自动字幕,用 Claude 提炼为口播简报与演示简报,并写入按日期命名的 Markdown 文件。
用于编写运行在 Taruvi 无服务器函数运行时的 Python 函数体,基于 taruvi SDK(v0.1.9,同步/异步)。核心是固定签名 def main(params, user_data, sdk_client),配合预认证客户端、不可变认证模式与结构化日志。
Argo 本地与零成本搜索技能,面向 AI 智能体提供本地文件检索、零成本网络与垂直领域聚合搜索,以及针对本地笔记和 Markdown 的混合语义搜索能力。该技能适用于搜索本地代码库、笔记或知识库,也适用于在无需付费 API 密钥的情况下执行网页、学术和代码查询。其内置 32 个无需密钥的本地解析器,支持将本地工作区文件与网络结果合并,并提供基于 BM25 与向量语义的混合检索。当缺少付费引擎密钥时,付费引擎会被自动跳过,因此无需任何 API 密钥即可使用。
ego-search 是 argo 的浏览器态搜索增强子技能,基于真实 Chromium 浏览器运行时,提供登录态继承、JS 渲染、反爬尝试、动态交互与同源接口数据直取(api 模式)能力。专业搜索模式默认关闭,需用户明确要求并执行开启指令后启用。当常规 API/HTML 检索无法获取登录墙内容、JS 渲染页面或需要真实浏览器交互时,可升级使用本技能;其输出与公共检索隔离缓存,但可在分析层融合。
踏雪内阁是一个跨时空思维会诊技能,把同一作者过去十年不同阶段的认知切片组成虚拟委员会,从风控、极简执行、行为反思、数据架构和本质拍板五个视角剖析投资、商业与人生决策,最终输出结构化会议纪要与行动结论。
从既有项目代码中提取并生成 mir snippet 的技能。适用于想把某段代码模板化、复用或抽出为 snippet 的场景,可梳理代码范围、变量化项目专属信息并生成模板与定义文件。
该技能用于把 .mir 目录设为仅自己可用,并避免其被纳入 git 提交。适合不希望 .mir 出现在版本库、只想本地使用、不想让团队成员看到的场景。
feishu-screenshot 是一个 OpenClaw 自定义技能,用于截取屏幕并将图片发送到飞书聊天。包含截图、发送及组合工作流的 shell 脚本,需配置飞书应用凭证与接收方 ID,依赖 macOS 与 Node.js。
feature-lifecycle 是一套面向分层架构 Swift/iOS 项目的功能实现全流程技能,按发现、领域设计、领域 TDD、组合、基础设施、视图、文档、验证八个阶段依次推进,每阶段给出输入、步骤、输出与完成门槛,避免跳步返工。
deep-interview 是一个基于苏格拉底式提问的需求澄清技能,通过专职面试代理和量化模糊度评分,帮助用户在规划前把不明确的想法或需求谈清楚,最高进行 10 轮访谈。
quick-plan 是一个会话任务规划技能,读取用户会话目标后生成最大化并行度的执行计划。它会梳理依赖关系、检测文件重叠、决定协调模式与工具分配,并在用户确认后生成 spec.json 交给 /execute 执行。