to-issues
to-issues 是一个把计划、规格或 PRD 拆解为可独立领取的 issue 的技能,采用贯穿各集成层的垂直切片(tracer bullet)方式。适用于需要将方案转化为项目 issue 跟踪器中工单的场景。
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
53,933 个结果
to-issues 是一个把计划、规格或 PRD 拆解为可独立领取的 issue 的技能,采用贯穿各集成层的垂直切片(tracer bullet)方式。适用于需要将方案转化为项目 issue 跟踪器中工单的场景。
to-prd 是一个把当前对话上下文与代码库理解直接综合成 PRD 并发布到项目 issue tracker 的技能,适用于用户希望基于现有上下文创建 PRD 的场景。它不访谈用户,只整理已知信息,并打上 needs-triage 标签进入常规分诊流程。
面向“有全职工作的独立创始人”的技能,用机制化文件管理碎片时间:通过 RESUME.md 快速恢复上下文、DECISIONS.md 避免重复决策、单线程推进、输入指标与发布检查,减少每次会话重建状态和反复争论已定事项的浪费。
将亚马逊运营机制改编给独立开发者/单人创业者的技能,用机制而非自律来减少决策拖延、注意力分散和重复劳动,通过 .mechanisms/ 状态文件落地执行。
该技能用于在新产品创意阶段系统识别高风险假设,覆盖 8 个风险类别。它在 Teresa Torres《Continuous Discovery Habits》提出的 4 个核心产品风险(价值、可用性、可行性、可存续性)基础上,扩展了伦理、上市策略(Go-to-Market)、战略与目标、团队四类风险,适用于评估创业风险。使用时用户需描述产品概念、目标人群和功能想法,技能会从产品经理、设计师、工程师三个视角分析产品可能失败的原因,逐条列出各风险类别下的假设,并为每个假设评估置信度、建议验证测试,最终以 Markdown 格式保存。
Jevgrep(命令 `jg`)是一个可选的远程智能体检索工具,用于在明确限定的技能目录、wiki 页面或图源文档范围内进行发现式搜索。该技能仅在用户明确要求使用 Jevgrep 并指定源文档根目录时启用;单纯的“查找技能”“搜索 wiki”或“追踪图关系”请求并不会自动选择 Jevgrep,也不授权远程传输。它搜索通用 UTF-8 源文本(包括 Markdown 或 JSON),不遍历图边、不查询数据库二进制文件,也不负责图的重建。使用前需冻结源与远程边界、单独获得发送源内容和查询的批准,并注意可能产生费用。安装命令为 `npm install -g @dzhng/jevgrep@0.8.0`,认证由用户私下完成,工具不会收集或自动化 API 密钥输入。
k-skill-setup 是 k-skill 技能包中的安装与配置技能,用于安装 k-skill 捆绑包、使用统一 CLI、解析凭据、验证运行时,并可选地配置更新检查与 GitHub 加星。其核心使用方式是先运行 npx -y @nomadamas/k-skill@0 instruct k-skill-setup 获取最新且与当前运行时匹配的指令,再按输出执行。CLI 会自动检测当前运行时(Dolshoi vault/CloakBrowser 或通用环境),只打印适用的说明。该技能还强调硬性规则:未经用户事先明确批准,不得执行支付、消息/邮件发送、最终提交、取消或公开发布;不得在聊天、文件或 shell 参数中索取、打印或存储明文凭据;不得绕过法律、物理在场、CAPTCHA、身份验证或电子签名边界。
moneyprinter-turbo 是针对开源项目 harry0703/MoneyPrinterTurbo 的操作技能,用于自动化、一键式生成 AI 短视频。用户提供主题、关键词或脚本后,该技能会编排完整生产流程:生成多段脚本、匹配素材或 AI 视频片段、合成自然旁白、生成样式字幕、混入背景音乐,并导出竖屏 9:16、横屏 16:9 或方形 1:1 的 MP4。它提供四种执行方式:自动化 Agent 运行器(scripts/mpt_agent.py)、Python CLI、本地 Streamlit WebUI(端口 8501)与 FastAPI 后端(端口 8080)。适合无现有素材的成品短视频生成、批量无真人出镜的 Shorts/Reels/TikTok 内容,以及用免费 Edge TTS 生成旁白等场景。使用时需 Python 3.11+ 与 FFmpeg,并通过环境变量或 config.toml 配置 LLM、Pexels 等所需凭据。
该技能用于对功能创意待办列表进行优先级评估与排序,综合影响、投入、风险和战略契合度四个维度,输出排名前 5 的推荐功能及理由。它建议在评估问题时参考机会分(Opportunity Score = 重要性 × (1 − 满意度),归一化到 0–1),在快速评分时参考 ICE 或 RICE 框架;适用于需要从大量功能想法中筛选优先事项的产品规划场景。资料未提供具体安装命令、运行平台或收费信息。
Azure AI Speech 语音转文字工具,通过 Azure 快速转录(Fast Transcription)REST API 将音频同步转写为文本,支持词级时间戳、说话人分离和多语言识别。在 OpenMontage 中以 azure_stt 工具形式提供,属于可选的云端 STT 提供方;配置 AZURE_SPEECH_KEY 后优先使用,本地 transcriber(faster-whisper)仍为默认离线方案与回退路径。适用于音视频转文字、生成字幕等场景。
Azure AI Speech 文本转语音(TTS)工具,通过 REST /cognitiveservices/v1 端点同步生成神经语音旁白。在 OpenMontage 中以 azure_tts 工具形式提供(capability=tts,provider=azure),属于可选的云端 TTS 提供方:配置 AZURE_SPEECH_KEY 后优先用于高质量云端旁白,本地 piper_tts 仍为默认离线路径与回退方案,elevenlabs_tts 仍用于声音克隆。支持多语言神经语音、SSML 韵律控制(rate/pitch)与 express-as 风格(style)。使用前需在 Azure 门户创建 Speech 资源并配置密钥与区域,工具在密钥加区域或自定义端点齐备后报告 AVAILABLE。可通过 tts_selector 自动发现路由,或直接调用 provider 工具。单次调用生成一个旁白片段,输出 mp3 或 wav,并报告每次调用的 cost_usd 供成本跟踪。
fish-audio-tts 是 OpenMontage 中用于调用 fish.audio 文本转语音服务的工具,可生成富有表现力的多语言旁白,并通过 reference_id 复用已克隆的声音。它通过单次同步请求返回原始音频字节,支持 s1、s2-pro、s2.1-pro、s2.1-pro-free 等后端模型,其中 S2 系列支持内联情感标签(如 [laugh]、[whispers])。使用前需在 .env 中配置 FISH_AUDIO_API_KEY,并在 fish.audio 播放场创建声音模型后传入其 id。计费按输入文本的 UTF-8 字节数计算,CJK 文本和 emoji 成本更高。该工具适合需要多语言、带情感旁白的视频或音频制作场景,并建议先做短样本试听再生成完整旁白。
Lyria 是一个音乐生成与校验技能,通过 Gemini Interactions API 调用 Google Lyria 3 模型来生成音乐。它区分单轮音乐生成(Lyria 3)与实验性 WebSocket 实时演奏模型(Lyria RealTime)。资料提供了从确认用途、选择模型、编写结构化提示词、处理人声与时长、安全认证、解析结果到质量检查的完整工作流,并给出 lyria-3-clip-preview(固定30秒 MP3,资料称为每请求 0.04 美元)和 lyria-3-pro-preview(提示词影响时长,最长约三分钟,资料称为每请求 0.08 美元)的对比,以及 ffprobe 校验命令。
issue-triage 是一个用于 GitHub 仓库 issue 分诊的技能:审计开放 issue、分类、检测重复、交叉引用 PR、评估风险,并发布评论。支持手动触发 /issue-triage(可加 all 或指定编号)及打开 issue 超过 10 个或 stale 超 30 天时主动触发。
pr-triage 是一个用于审查开源仓库 PR 的技能,可审计未决 PR、对选定 PR 做深度复盘并以英文草拟评论,需经用户确认后才发布。参数支持 all 审查全部、指定 PR 编号(如 42 57)以及 en/fr 语言(默认法语)。
RTK 分诊编排技能:并行执行 issue-triage 与 pr-triage,交叉分析 GitHub 仓库的 Issue 与 PR,识别双重覆盖、安全漏洞缺口、无 PR 的 P0 问题,并生成带数字摘要的分诊报告。
Atlas 是一个面向项目文件夹的可选导航工具,用于在项目文件中维护一套以文件系统为载体的 Map/Landmark/Satellite 定位 Wiki。它帮助使用者或智能体先读极小的 MAP.md,再按任务选择相关 Landmark 与 Satellite,逐层定位到当前项目文件;项目文件本身始终是权威事实来源。Atlas 还支持编写与再平衡 Wiki 结构、只读校验层级与链接安全、跟踪新鲜度,以及在项目根目录的 AGENTS.md 和 CLAUDE.md 中安装一段精简指引。它不提供语义解析器、注册表、检索排序等机制,适合希望以轻量 Markdown 目录结构辅助项目定位与探索的场景。
该技能用于从其他项目、会议记录、聊天、资料或 URL 中提取可复用知识,并按指定聚焦点或当前工作区目的整理、整合到现有知识资产中。它不生成会议纪要或保存全文,而是保留可复用的判断标准、设计模式、实测数据和注意事项。支持区分可复用知识、项目专有事实、实测、假设/未确认与行动项,优先更新既有文件,对通用资料进行匿名化处理,并包含质量检查与变更报告流程。
这是一个用于通过反复执行来将产品提升至最高品质的 AI 技能。它会读取上一次的总结,避免重复视角,自主选择改善轴,并在每一轮中完成具体改善、验证与记录。在明确指定 release 模式时,它会在通过质量门后继续执行分发与公开状态确认。该技能强调在可执行模式下每轮必须至少完成一项具体改善,而非仅进行审查;它使用 .git/info/refine-product-state.md 作为唯一持久状态文件,支持 default/fix/improve、quick、plan/review/dry-run、verbose、release/deploy/publish 等多种模式,并遵循 Safety + Classification(Fix now / Guard now / Block)分类与 100% 通过判定,输出结构化的 Run Ledger 与 Handoff。
Retro User 是一个面向个人 Copilot 或 Codex 配置的复盘类技能,用于把已验证的事件或会话经验,转化为用户级个性化指令与配置的最小更新。它强调基于证据、明确目标主机、安全边界与最小改动:只在显式调用时工作,优先使用请求指定的主机;在范围不清、涉及新权限、敏感配置或破坏性操作时先询问。它不修改仓库/工作区资产、私有技能源、记忆、日志、缓存或已安装的 Codex Skills,也不执行发布、同步、提交或推送,不持久化密钥、凭据、个人数据和原始会话记录。使用流程包括收集证据、提炼经验、选择归属文件、通过安全门、写前检查、最小化整合与实际产物验证,最终按 Learnings、Changes、Target Rationale、Review Checkpoint 输出。适用于把事故或会话中学到的可复用原则沉淀为个人指令;资料未提供安装命令、收费与平台支持细节。
self-message 是一项自我消息能力:在同一会话内给自己发送续接消息,从而开启新的智能体循环,重置推理框架但保留完整对话上下文。适用于任务中途重构思路、拆分复杂工作阶段或纠偏。
slack-reminders 是一个用于安排 Slack 提醒的技能,当用户要求在特定时间安排、提醒或发送 Slack 消息时使用。它通过脚本接收消息内容和时间参数,调用 Slack API 完成定时发送。
Alchemy CLI 技能:为当前分支的待发布改动生成 changeset 文件,用于描述面向用户的变更并确定版本号提升类型。
一个用于处理 GitHub 拉取请求上 CodeRabbit 评审意见的技能:收集未解决的 CodeRabbit 反馈,判断并修复代码,经用户确认后推送并回复,全程不擅自解决评论线程。