s4h-historical-precedent-analysis
该技能通过抽象当前决策的结构模式，跨行业、跨时代寻找真正结构相似的历史先例，区分表面类比与结构性先例，并映射差异、提炼可迁移教训，用于辅助决策。
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
53,604 个结果
s4h-investigation-claim-decomposition
该技能用于把复杂主张拆解为最小可独立验证的子主张，对每个子主张分类，并识别承担主要逻辑负载的部分，帮助厘清一个主张实际断言了什么。
s4h-investigation-triangulation
该技能用于跨来源验证一项主张，区分“真正独立佐证”与“同源放大”。它先明确主张，再收集候选来源并按独立性分级，识别真正独立的证据基础，评估结论收敛与分歧、方法多样性，最后给出三角验证结论。
s4h-linguistics-framing
该技能用于识别议题所处的“框架”，分析哪些选项因此可见、哪些结论显得自然，并生成替代框架。适用于询问“这是如何被框定的”等场景，帮助把框架选择从默认继承变为有意识决策。
s4h-linguistics-semantic-drift
一项语言学术能：追踪词语含义随时间或群体发生的变化，涵盖概念蔓延、定义漂移及其代价。适用于需要厘清某术语原始义、当前义、漂移机制与后果，并给出使用或应对策略的场景。
s4h-logic-causality-mapping
一个因果推理技能，用于梳理因果关系、追踪依赖并在行动前推演后果，帮助区分相关性与因果性，适用于根因分析、影响面评估、依赖梳理和反事实检验。
s4h-narrative-frame-analysis
叙事框架分析技能，用于识别某个情境当前使用的叙事框架，并生成能揭示不同真相的替代框架。适用于“换框”“重构叙事”等请求，通过改变主角、问题定义、成功标准或时间范围，帮助发现被当前框架遮蔽的事实与可行路径。
s4h-resource-allocation-analysis
一个用于在竞争性需求之间分配有限资源的技能，强调把取舍显式化，避免隐性分配。适用于预算、人力、时间与产能的分配分析，输出资源清单、竞争性诉求、约束、草案分配与战略对齐检查。
s4h-social-coalition-mapping
用于联盟构建与利益相关方映射的技能：梳理谁已支持、谁反对、谁可被说服，并给出最小可行联盟与接触顺序，帮助提案获得推进所需支持。
s4h-social-power-mapping
该技能用于绘制权力地图，识别谁掌握正式权威、非正式影响力、把关权和专业知识，以及影响力如何流动，帮助分析提案或决策背后的实际权力分布。
continuous-discovery
依据 Teresa Torres 持续发现习惯整理的产品发现技能，帮助产品团队持续创造客户与业务价值。资料将其定位为用每周客户接触、机会映射、方案比较与假设测试来推进发现；具体安装与使用方法暂未提供。
deep-audit
deep-audit 是已弃用的旧技能名称，现已被 repo-audit 取代。该条目仅用于说明目录迁移，不包含原有任务工作流，仅在用户明确要求旧名称或询问迁移方式时使用。
tell-dont-ask
基于「Tell, Don't Ask」原则的代码审查与设计辅助技能，将“查询对象状态后在外部判断”的写法转换为“直接命令对象”的写法，强化封装并把职责集中到持有数据的对象上，适用于代码审查与新实现。
gget
gget 是一个命令行生物信息学工具兼 Python 包，可统一访问 20 多个基因组数据库与分析方法的访问入口，支持命令行和 Python 两种调用方式。可用于基因信息、序列检索、BLAST/BLAT 比对、蛋白结构与表达数据查询。
pymc-bayesian-modeling
基于 PyMC 的贝叶斯建模技能，用于构建层次模型、MCMC（NUTS）采样、变分推断、LOO/WAIC 模型比较与后验检验，适合概率编程与不确定性量化。
single-cell-annotation-guide
面向 scRNA-seq 的细胞类型注释策略指南，介绍手动标记基因注释、CellTypist 自动注释与 popV 集成标签转移三层方法，并说明参考图谱匹配、置信度校验、双细胞与批次效应处理等要点。
ffmpeg-toolkit
FFmpeg Toolkit 是一套面向音视频处理的 FFmpeg 命令参考技能，覆盖转码、缩放、裁剪、剪辑、变速、压缩、音频提取、拼接、淡入淡出、叠加合成、缩略图与 GIF 生成、ffprobe 探测及批量处理等常见任务，并附常见错误与画质参数建议。
markdown-plan
一个技能：把用户的请求写成 Markdown 计划文件，保存在 ~/.cursor/plans 目录下，文件名需具有描述性并以 .plan.md 结尾，正文使用标准 Markdown，不包含 YAML frontmatter。
promote
promote 是一个用于把临时工作材料迁移为项目内持久内容的技能，强调迁移前确认、引用修复、敏感内容检查与可回滚，适用于需要将临时文档正式纳入项目治理的场景。
remember
remember 是一个用于在工作完成后保留已验证经验教训的技能，帮助区分临时信息与持久事实，并将团队级结论写入指定记录位置。
starworkKnowledge
starworkKnowledge 是一个用于创建、检查和维护本地 StarWork 项目知识库的技能，帮助 AI 长期沉淀项目中反复用到的稳定理解，如客户背景、产品规则、术语解释、长期策略与复盘结论。
gamma-install-auth
用于配置 Gamma Generate API v1.0 认证并完成首次请求的技能，涵盖 API Key 生成、X-API-KEY 请求头设置、环境变量配置与连接验证，并记录密钥轮换与安全实践。
optimizing-defi-yields
查找并比较各协议 DeFi 收益机会，聚合 DeFiLlama 等来源数据，提供 APY/APR 对比、风险评估与收益优化建议，适用于收益农耕策略研究。需 Python 3.8+ 与联网环境。
service-account-manager
面向 Google Cloud Platform 的服务账号管理技能，可在请求中提及“service account manager”时自动激活，提供分步指引、配置与代码生成以及结果校验，属于 GCP Skills 技能分类。