bingx-sentiment-dashboard
BingX 市场情绪看板技能，无需鉴权即可聚合恐惧与贪婪指数、资金费率热力图、未平仓量异常与 AHR999 指标，输出综合情绪评分。
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
通用与其它
53,611 个结果
discernment
一个用于对决策或主张进行证据评估与判断校准的技能，适用于用户要求辨别、校准或高利害判断检查时。它帮助区分观察、假设与推断，寻找可证伪条件、被低估的下行风险和会改变建议的条件，并给出结论、证据、不确定性与下一步行动。
arc-campaign-manager
用于管理图书上市前 Advance Review Copy（ARC）活动的技能，覆盖招募测试读者、分发样书、跟踪读者承诺与评论发布，目标是在上市首日获得 25 条以上评论。
dual-timezone-skill
该技能用于管理佛罗里达与以色列双时区转换、安息日（Shabbat）遵守、祷告时间意识与时间敏感排程。资料说明其提供时间显示格式、安息日禁止与允许活动、以色列通话时段建议及按精力水平安排任务的规则，并强调安息日期间不安排工作。
bayesian-regression
基于 PyMC 的贝叶斯回归技能，遵循 Hogg 方法：从简单模型起步，诊断问题后升级似然。适用于需要可信区间、异方差噪声、离群点稳健性或 GLM 的场景，提供系数不确定性、模型比较与后验预测检查。
byted-recruitment-bosszhipin-self-submission
自动处理BOSS直聘【沟通】-【新招呼】中主动投递简历的未读候选人，逐个点击保存职位JD与候选人简历、完成匹配评分，并汇总结果，适用于日常定时批量处理主动投递。
byted-recruitment-jd-optimization
字节跳动 agentkit-samples 中的招聘 JD 优化与简历匹配技能，通过多轮沟通补全岗位显性要求与隐性匹配规则，并按岗位类型套用不同模板与权重，最终生成 JD 文档供后续简历筛选使用。
name-project
一个用于项目、应用、包、工具或仓库命名的交互式多轮命名会话技能，通过分轮呈现候选名、跟踪用户偏好，并用 NAME 评分公式评估名称。
pstack-help
pstack-help 是 Pstack 技能库中的帮助入口技能，用于解答用户关于 Pstack 的安装、入口点、playbook、前置条件以及如何恢复一次运行的问题。它本身不执行实际任务，而是把用户的问题映射到对应的技能或指南页面，给出可直接发送的提示词，并附上答案来源文件的公开链接。当用户提出的是“如何做”的帮助类问题时，它不会启动工作流程，因为一次 Pstack 运行会消耗真实 token，所以让用户自己发送提示词。若消息是要求执行工作（如“用 pstack 修复这个 bug”），则不属于帮助问题，应读取 /pstack-mode 并在其下执行工作。该技能会检查影响答案的状态，例如是否已运行 /pstack-setup、项目中是否存在验证技能或形式化验证技能，并在必要时提示。它还能处理运行出错后的恢复建议，以及如何把 Pstack 定制为自己的工具。
starlists
Starlists 是一个用于管理 GitHub 星标仓库与官方 Star Lists 的命令行工具 stars。支持快照星标、规划与编辑列表、按主题分类仓库，并以本地 SQLite 作为数据真相，仅在确认后写回 GitHub。
auto-skill-creation
auto-skill-creation 用于把重复出现的工作流固化为可复用的技能文件，可选择调用 Codex 或 Claude 等外部代理生成，并产出符合规范的技能目录结构。
investigating-repository-history
用于在改动高风险代码前，重建其历史意图的一项 AI 技能：通过 git blame/log 与 GitHub PR、评审评论等证据，弄清某段代码为何如此、能否安全修改，并给出带引用的历史说明与置信度评估。
checkout-abandonment
用于诊断并修复结账流程流失的技能：按表单复杂度、信任信号、运费与定价、支付方式、移动端体验五类审计，评分风险并给出前五大摩擦点及具体文案与UX修复建议。
borzoi
Borzoi 技能用于调控基因组学建模，可进行序列到表达预测或变异效应分析，适用于非编码变异影响等任务。使用时需固定基因组版本、区间坐标、等位基因、细胞类型、链与窗口大小，并确认模型来源。
customize
Feynman 工作台的定制技能，用于配置专家、技能、连接器、权限、记忆分类、计算提供方和项目设置；当任务要求自定义 Feynman 工作台时使用。
evo2
Evo2 技能用于调用 Evo2 风格的生物序列模型，完成序列生成、打分或变异效应分析，适合处理 DNA、RNA、蛋白质序列似然等任务。使用前需明确序列类型、坐标体系与评估指标，并核验模型端点与许可边界。
self-awareness
用于查看当前 Feynman 工作台会话的技能：可检查会话、产物、执行日志、设置与来源信息，并回答本次会话中发生了什么、产物来源与校验状态等问题。
jump-trading-fpga-hft
以 Jump Trading 风格构建高频交易系统的技能指南，强调 FPGA 硬件加速、网络路径优化、智能网卡预处理、硬件时间同步与线到线延迟测量，面向超低延迟交易系统设计。
dhdna-profiler
dhdna-profiler 是一个从文本中提取作者认知模式与思维指纹的技能，基于 Digital Human DNA（DHDNA）框架，对 12 个认知维度进行 1–10 分打分，分析维度间的张力关系，并给出主导/阴影模式、推理拓扑与决策指纹。
pymatgen
pymatgen 是支撑 Materials Project 的 Python 材料分析库，可创建、分析与转换晶体和分子结构，计算相图与热力学性质，分析能带与态密度，生成表面与界面，并访问 Materials Project 数据库，支持 100 多种计算代码文件格式。
scanpy
Scanpy 是一个基于 AnnData 的可扩展 Python 单细胞 RNA-seq 分析工具包，用于质控、标准化、降维（PCA/UMAP/t-SNE）、聚类、差异表达、标记基因识别、细胞类型注释与轨迹推断等完整流程。
scvi-tools
scvi-tools 是基于 PyTorch 与 PyTorch Lightning 的单细胞组学概率建模 Python 框架，用深度生成模型与变分推断处理 scRNA-seq、ATAC-seq、多模态、空间转录组等数据的降维、批次校正、整合、差异表达与细胞类型注释。
torch-geometric
PyTorch Geometric（PyG）是基于 PyTorch 的图神经网络标准库，提供图数据结构、60 多种 GNN 层实现、可扩展的小批量训练以及异构图支持。本技能用于指导用户构建图神经网络，涵盖节点分类、图分类、链接预测等任务。
transformers
Hugging Face Transformers 技能，用于加载预训练 Transformer 模型，完成 NLP、计算机视觉、音频和多模态任务的推理与微调。