customer-health
面向客户成功与客户管理团队的技能:输入客户账户清单后,借助 Lusha 批量扫描扩张与流失风险信号,验证关键联系人是否仍在职,并输出按信号强度排序、可当天行动的客户健康简报。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-20 00:12
54,045 个结果
面向客户成功与客户管理团队的技能:输入客户账户清单后,借助 Lusha 批量扫描扩张与流失风险信号,验证关键联系人是否仍在职,并输出按信号强度排序、可当天行动的客户健康简报。
用于会前外联的可复用技能:当已有会议参会名单、目标是在会前或会中约到会议时,按角色与公司规模分配发送人,构建4步序列(邮件+LinkedIn),并提供高管或从业者侧活动邀约。每行名单都需先做账号调研,绝不自动发送,始终排队等待人工审批。
PyTRIO 是一个远程 LLM 训练与推理 SDK(v0.1.13b0)。本地代码只做数据准备和调度,前向、反向、优化器步骤和推理采样都在远端 GPU 集群执行,无需本地 GPU。支持 LoRA 微调、SFT 与 GRPO/PPO 风格强化学习、推理采样、检查点保存与续训。
一个面向智能体的八字命理与中华玄学技能,以子平派为主轴,涵盖盲派、新派、五术派与紫微斗数边界,提供心智模型、决策规则、批盘工作流、学派分歧处理、古籍研读路径及大陆合规提示,供从业者与学习者参考。
该技能将 AI 智能体转变为资深音乐制作 / 混音(Music Production & Mixing)认知操作系统,面向制作人、混音师、母带工程师、beatmaker、唱作人与卧室工作室制作人。它覆盖从编曲制作、录音/编程、编辑、混音到母带与交付的完整流水线,并整理该领域的核心张力(服务歌曲情绪 vs 技术正确、靠耳朵 vs 看分析仪、减法混音 vs 重度处理、全数字 ITB vs 模拟硬件、人性化 groove vs 量化修音)、标准工作流、工具栈(DAW、插件、硬件、采样音色)、知识正典与代表人物、行业术语,以及响度战争、Auto-Tune 之争、AI 混音等争议话题。适用于需要以业内方式讨论或解决音乐制作与混音问题的场景。
该技能让智能体以资深健身私教的身份工作,专注于为客户设计、指导和推进个性化训练方案,明确区别于团课教练、物理治疗师和精英运动队教练。其知识范围覆盖六大方向:训练方案设计与周期化(线性、波动、板块周期化,参考 Bompa & Haff、NSCA 教材、Schoenfeld 肌肥大机制、Helms/Valdez/Morgan 肌肉与力量金字塔、Simmons/Westside 共轭训练法、Rippetoe 线性渐进、Israetel 训练量地标);动作评估与筛查(FMS 功能性动作筛查、NASM 纠正性训练连续体、关节逐级方法、姿势与代偿模式识别、PAR-Q+ 与 ACSM 运动前筛查);教学与指令(内部/外部注意焦点、差异化学习、约束导向方法、RIR/RPE 自动调节、动机访谈);营养指导的执业边界(一般性指导而非医学营养治疗,能量可用性与 RED-S 意识);商业与客户管理(留存与依从、咨询销售伦理、线上教练平台、定价模型、独立教练与健身房雇员差异);专项方向(运动表现、纠正性训练、老年健身、产前产后、青少年、适应性健身、健美、力量举、耐力运动)。该技能强调循证实践,并诚实处理兄弟科学与循证之争、补剂利益冲突、PED 使用现状、体型焦虑与进食障碍风险、健身房掠夺性销售、执业边界违规、线上认证造假等行业议题,同时明确排除物理治疗/康复、团课教练、精英竞技运动教练和临床营养主业。
德州扑克策略(Texas Hold'em)是一个面向无限注德州扑克竞技场景的 Agent 技能,采用牌手/职业视角,聚焦 solver/GTO 时代的打法体系。它覆盖理论与实战两大层面:理论上涵盖 GTO 博弈论均衡(不可剥削的基线策略)与 Exploitative 剥削打法(针对对手漏洞偏离均衡以最大化 EV)的取舍;工具上涉及 PioSOLVER、GTO Wizard 跑解、范围构建、节点锁定(node-locking)以及用 HUD 与数据库(Hold'em Manager/PokerTracker/Hand2Note)复盘找漏洞;赛制上区分现金局与锦标赛(MTT),并叠加 ICM 与泡沫期博弈;核心概念栈包括范围/权益/EV/位置/翻前开池与 3-bet、4-bet/翻后下注理论(c-bet、极化 vs 浓缩范围、MDF、阻断牌、超池下注)、SPR 与底池赔率;元层覆盖资金管理、桌位选择、方差与心态、抽水与赢率影响。技能内还包含心智模型、标准 Playbook、工具栈选型决策树与工作流 pipeline,用于指导 Agent 的思考与回答方式。该技能不涉及线下牌场运营、博彩合规与赌场管理、其他牌类以及纯概率赌博。
mt-search 是 Molten OS Core 中的搜索与研究查询路由技能。它本身不直接执行搜索,而是先对用户查询进行分类,然后用一句话说明选择的路由,再把任务交给四个后端之一:Cursor WebSearch(快速事实、定义、文档或指定公开 URL)、last30days(近 30 天社区舆情、Reddit/X/YouTube/TikTok/HN 讨论热度)、agent-reach(指定平台或平台 URL、中文全网调研、GitHub 代码搜索、YouTube/Bilibili 字幕、RSS、LinkedIn)、parallel(需要实时来源与引用的广泛网络调研)。技能按“显式指定后端→意图判断→默认 parallel”的顺序做分类决策,强制只选一个主路由,只有用户明确需要两类证据时才增加第二个。交接后必须读取并遵循目标技能的 SKILL.md,不得自行编造或改写后端流程。本地代码库查找不属于本技能,应使用 Grep、Glob、Read。agent-reach 在此仅为只读抓取,禁止发帖、评论、点赞等写操作。若所选后端未安装,需明确告知用户并给出安装提示,简单查询可回退到 cursor 路由。
mt-validate 是 Molten OS Pro 中的一项技能,用于对产品或商业想法进行对抗式验证。它提供三种模式:快速评分、完整的 5 轮访谈和重新验证。它采用 10 项标准评分表(满分 50 分),并包含危险信号扫描。该方法强调以过往行为而非假设作为依据,只做自下而上的市场测算,并以证伪实验或诚实的终止/转向结论收尾,而不是给出“去做吧”的绿灯。
snitchmd 是一个命令行工具,可将任意网页 URL 转换为适合 LLM 使用的干净 Markdown。它通过 Docker 容器内的两阶段流水线工作:先用带反爬补丁的无头 Chromium(CloakBrowser)加载并渲染页面,再用 rs-trafilatura 提取正文并转为 Markdown。输出到 stdout,便于直接用于 LLM 提示或笔记。支持磁盘缓存、代理、时区/语言指纹、人化操作、链接与图片保留、精度/召回取舍等选项。
source-command-excellence 是 sylphxai/flow 项目中的一个技能(skill),用于在用户要求运行迁移后的 source command excellence 时触发。该技能让 AI 扮演世界级专家与严苛批评者,评估一个项目是否真正达到“state of the art”(业界顶尖水平),而非仅仅可用或“够好”。它从架构、代码质量、业务逻辑与设计、用户体验、无障碍与包容性、移动与响应式、性能、面向公众与曝光度等维度进行批判性评估,并给出总体结论、各维度评分、亮点、不足以及达到世界级水平的建议。
Self-Challenge 是一个用于设计、规划、评估与审查的思维挑战技能。它适用于起草、比较或评审发布、迁移、上线计划、系统架构、服务边界、数据模型与技术栈,也可用于合同、预算、商业合作、营销增长预算及运营决策。该技能要求先加载与问题领域匹配的参考文件,再依据科学决策方法(因果建模、贝叶斯更新、竞争性假设、瓶颈计算)从输入推导结论,而非从期望结论倒推。它还提供五项第一性原理挑战测试,包括品类标杆对比、精简概念与深度实现、按10倍/100倍规模设计并采用单一事实来源、上游优先与关注点分离,以及完整迁移与干净替换。该技能对架构、商业、增长、产品、体验、风险等场景分别给出应用路径,并列出各方法论来源及替换条件。
compose 是一个用于“把各部分组合成整体”的思维框架技能,来自 synapseradio/ai-skills。它通过六个步骤引导使用者:先说明每个部分单独能做什么,再梳理部分之间的连接与约束关系,然后找出只有组合后才出现的整体属性,接着检验哪些部分是该属性真正需要的,再识别整体所需但没有任何部分提供的缺失环节,最后用一句话概括整体。该技能会根据输入内容选择输出模式:若收到一组问题则作答;若只要求生成问题,则只写出问题集;其他情况则先写出问题集再作答。问题集需按步骤顺序逐条改写并点明主题,答案需保留原问题编号与措辞,并标注跳过或待补充的信息。
connect-domains 是一个用于跨领域迁移解决方案的思维技能,属于 synapseradio/ai-skills 技能集。它帮助使用者从结构相似但领域遥远的问题中导入已有解法。该技能通过五个步骤引导思考:先将当前问题剥离领域语言,抽象出实体、关系、约束和目标等深层结构;再在生物学、其他行业、物理过程、游戏、社会结构等当前领域之外寻找结构相似的已解决问题;接着研究这些外部解法如何运作及其原因;然后映射回原问题,判断哪些可直接迁移、哪些需要调整、哪些无法适用;最后提炼出使该解法奏效的底层原理。该技能适用于需要突破领域思维定势、寻找创新解法的场景,例如产品设计、工程难题、研究构思等。资料未提供具体收费、价格、平台或效果信息。
Connect Ideas 是一个用于梳理两个概念之间关系的技能,可检验两个想法如何关联,或为一个想法寻找结构相近的跨领域匹配,并只保留有证据支持的关系。它要求先分别还原两侧的结构(实体、关系、约束与目标),再用类比、因果、手段与目的、部分与整体、同类、共享约束或资源、张力等关系类型逐一检验,最后保留证据支持的关系并说明每种关系能带来什么行动(例如迁移解法、上游干预或资源权衡)。它按步骤顺序生成问题集并可作答,同时把整轮过程记录为 jsonl 文件,存放在指定记录目录并可镜像到镜像文件夹,支持恢复运行。
generalize 是一个用于“从具体案例抽象到一般类别”的思维技能,属于 synapseradio/ai-skills 技能集。它通过五个步骤引导使用者剥离案例中的具体细节(名称、数字、领域、规模等),找出该案例所属的类别,再带回该类别的通用知识(解决方案、失败模式、规律、限制),并逐条判断哪些适用于当前案例、哪些因被剥离的具体细节而失效。该技能会根据输入决定输出模式:若收到问题集则作答;若只要求生成问题则仅输出问题集;其他情况则先写出问题集再作答。输出采用固定结构,包含 Subject、Given 与按步骤编号的 Questions,回答时保留问题编号与措辞,并对不适用的步骤标注 Skipped、对缺少事实的步骤标注 Open。
generate-questions 是一个用于围绕“驱动性问题”构建提问集的技能:它读取已有材料,按梯级生成、排序并输出一份可独立使用的书面探询,强调不问用户、不通过工具提问,并给出分支与结束状态。
instantiate 是一个用于检验抽象概念或表述的思维技能:通过把抽象具体化为可核查的案例,找出它未明说却默认成立的条件。它要求先构建作者心中设想的典型案例,再构建措辞覆盖但作者未必设想的案例,然后分别套用抽象,记录其成立、变形与沉默之处,最后把每处变形或沉默命名为抽象需要补充的未言明条件。该技能根据输入决定输出模式:若收到问题集则作答;若只要求问题则只写问题集;其他情况先写问题集再作答。问题集按步骤顺序、每步一问,并改写为能指明主题的形式,便于读者仅凭问题集作答。
map-out 是一个用于定位思考对象的技能:它沿四条轴(部分与整体、目的与手段、种类与个案、同层级的同类项)确定一个主题所处的位置,并选择应当行动的层级。它先评估当前思考最缺乏什么,据此选择相应的思维动作开场,再逐步推进并收敛到一个明确的位置。该技能以分阶段流程运作:阶段 0 评估、阶段 1 执行动作、阶段 2 定位与扩展、阶段 3 收敛,并配有记录机制,将运行过程写入 JSONL 记录文件。
situate 是一个用于系统定位的思维框架技能,帮助使用者把某个事物放回它所服务的更大系统中,并读出该系统对它提出的要求。它通过四个步骤引导思考:先找出跨越该事物边界的东西(输入、产出、服务对象),再确定包含这三者的最小系统;接着追问这个容器从外部对该事物提出了哪些它自身看不到的限制、节奏、期望和资源竞争;然后对容器重复前两步,直到事物的目的变得清晰或再上一层不再改变它;最后说明一旦被放回原位,该事物的目的、优先级或成功标准发生了什么变化。输出形式取决于输入:若收到一组问题则作答;若只要求生成问题则只写问题集;其他情况先写问题集再作答。问题集按步骤顺序、每步一问,并改写为点名主题的形式,便于读者仅凭问题集作答。
survey-peers 是一个用于“同类项调查”的 AI 技能,帮助梳理某个对象在同一角色、同一细节粒度上还有哪些同类,以及它们之间的差异与空白位置。它通过六个步骤引导分析:先明确对象承担的角色与粒度,再列出同粒度的同类(可跨领域),指出每个同类与对象最关键的差异,按一两个主要差异排列同类,找出排列中无人占据的空位并判断是偶然还是有意,最后报告对象在同类中的位置及最近邻。输出形式取决于输入:若收到问题集则作答;若只要求生成问题集则只写问题集;其他情况则先写问题集再作答。问题集按步骤顺序、每步一问,并改写为点名对象的形式,便于读者仅凭问题集作答。
Syncfusion ASP.NET Core UI Builder 是一个前端 UI 生成技能,通过 7 个阶段引导 AI 智能体生成使用 Syncfusion ASP.NET Core 组件的 Razor Pages 页面。
一个自主处理 GitHub issue 的技能:自动拉取已分诊(triaged)的 issue,按优先级与工作量打分选出最合适的一个,在独立 git worktree 中规划、实现、测试并提交 PR,失败时回滚清理。
持久化记忆系统,用于让 AI 跨会话记住用户偏好、项目约定和重要上下文。通过文件系统存储分层记忆,并在会话开始时加载到 system prompt,配套 /remember、/init-memory、/reflect 等命令。