run-research
run-research 是一个面向技术研究问题的技能：以可核查的网络引文为依据，通过自适应规划、多查询搜索共识和逐字提取来回答问题。适用于单一当前技术问题，不用于五实体以上语料库或 GitHub 仓库类任务。
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 10-21 00:11
写作与研究
13,814 个结果
alterlab-hypothesis-gen
该技能用于从实验观察或初步数据出发，按科学方法框架生成结构化、可检验的假设，推导预测、提出机制并设计实验，最终输出带彩色框的 LaTeX 假设报告。
alterlab-market-research
该技能用于生成50页以上的专业市场研究报告，模仿麦肯锡、BCG、Gartner等咨询公司风格，采用LaTeX排版并编译为PDF，支持Porter五力、PESTLE、SWOT、TAM/SAM/SOM等分析框架。
paper-autoraters
Paper Autoraters 是 PaperOrchestra（Song 等，2026，arXiv:2604.05018，§5 与附录 F.3）中四个 LLM-as-judge 自动评分器的忠实实现。它用于对生成的论文与真实论文进行打分、并排比较两条论文写作流水线，或验证宿主智能体对 paper-orchestra 流水线的执行。四个评分器包括：Citation F1（将参考文献划分为 P0 必引与 P1 宜引，并计算 Precision/Recall/F1）、Literature Review Quality（对引言与相关工作做 6 轴 0-100 打分，含反通胀硬上限）、SxS Overall Paper Quality（整篇论文的并排偏好判断）、SxS Literature Review Quality（仅引言与相关工作的并排偏好判断）。论文使用 Gemini-3.1-Pro 与 GPT-5 作为评判模型，温度设为 0.0（Gemini）或默认 1.0（GPT-5）。
swan-design
Swan Design 是一个依据公开资料整理的技术规格写作技能，用 ASCII 艺术、流程图和 Grove 文风编写优雅规范。它按 VISION、SKETCH、REFINE、POLISH、LAUNCH 五个阶段推进，适用于新功能、系统设计、架构决策、UI 组件与 API 文档。
x-user-timeline
该技能用于获取某个 X/Twitter 用户的近期推文，适合回答“@某用户最近发了什么”“某人的最新 X 帖子”“显示时间线”等需求。使用前需配置 X_BEARER_TOKEN，通过脚本按用户名和可选数量调用。
dart-documentation
Dart 官方文档注释技能，指导使用惯用的 /// 注释为 API 生成专业的文档界面，涵盖核心原则、格式规范、各类构造文档写法，以及生成与校验文档的完整流程。
deep-researcher
面向医学证据的深度研究技能：用文件化跟踪、并行研究与PubMed MCP，对5篇以上来源进行分层检索、验证与综合，产出带PMID与DOI的结构化报告。
ensure-docs
确保代码库文档覆盖率的技能：检测语言、按语言标准核查符号级文档覆盖，并做 Diataxis 类型平衡检查，生成缺失文档。支持 --report-only 仅报告。
improve-doc
improve-doc 是一个用于分析和改进现有 Markdown 文档的技能，依据 Diataxis 原则将文档各章节分类为教程、操作指南、参考或解释，识别问题并交互式逐节优化。
felo-mindmap
Felo Mindmap 技能用于在 Claude Code 中通过 Felo Mindmap API 生成思维导图，支持多种布局类型并返回可分享链接。
insights-repository-kit
用于存储研究资料、打标签与发现检索的治理与工具化模式，适用于归档研究交付物、原始数据、访谈记录和笔记，支持自助发现历史研究、避免重复研究，并建立访问控制、标签与保留策略的治理框架。
research-codebase
用于搭建并维护研究实验脚手架，让实验快速运行、论文中每个数字都能追溯到一条命令。适合在启动新项目或整理已有研究代码时使用，围绕固定管线契约、批量运行器与结果聚合展开。
hook
Hook 是一个用于创作内容开头钩子的技能，目标是提升观众留存。它适用于视频开场、newsletter 首段、社交媒体帖子的首句等场景，帮助开场内容延续标题或标题所激发的悬念，避免重复标题、先寒暄后钩子或开场跑题。技能内按内容类型区分了 YouTube 视频、newsletter、社交帖子三类，并分别对应各自的参考文件（references/youtube-hooks.md、references/newsletter-hooks.md、references/social-hooks.md），给出平台特定的时机、时长要求以及需避免的模式。它提供四种经过验证的钩子结构：预览/预告（Pattern A）、悬念升级（Pattern B）、问题放大（Pattern C）、即时价值展示（Pattern D），并配有创建与审查开场钩子的工作流程、质量核验清单和常见失败模式示例。该技能还要求在最终产出前调用 creator-stack:voice 应用语音规则，为 The AI Launchpad 制作素材时调用 creator-stack:brand-guidelines 校验品牌规范。具体价格、平台支持范围、安装方式等资料未提供。
project-brain
Project Brain 是一个通过已认证的 GitHub CLI 访问独立 Git 知识库的技能，用于在 Git 工作区开展实质工作前，以该知识库为依据进行推理与行动，并引用仓库路径与提交版本。
geo-content-research
该技能用于生成式引擎优化（GEO）前期调研：围绕某产品品类，挖掘人们在 ChatGPT、Gemini、Perplexity、Claude 等 AI 引擎中提出的真实提问，并输出严格格式的 prompts.csv 交付物，供后续内容规划流程使用。
pr-gardening
pr-gardening 是一个由 Paperclip 实例运行的 PR 养护技能，用于发现本实例自己打开的拉取请求，只读检查其当前提交就绪状态，通过 /prepare-paperclip-pr 推动其达到可合并状态，并生成报告。默认仅处理实例身份作者的 PR，不合并、批准或关闭。
qws-interview
qws-interview 是一套用于「AI 采访」的技能流程，目标是通过连续的一问一答，让用户把已经拥有但尚未完整表达的经历、感悟、经验与判断说出来，整理成可检查、可修正、可复用的知识。它把采访定位为知识提取过程，而非拍摄或内容生产：采访阶段只负责把知识说清并整理成稿，录制等环节留待知识稿完成后再另行进行。流程强调知识归用户所有，不把 Agent 推断或外部理论伪装成用户观点；一次只问一个最有推进力的问题；发现旁支时先提醒并暂存而不打断主线；提问保持非诱导，只从用户已说出的材料继续深挖。它固定交付两份文件：一份完整采访记录（逐轮保存实际问答与素材，作为事实真源），一份连贯的知识稿，并在文末分别列出可独立展开的选题与待探索的素材。知识稿正文由「观点契约」和「Writer 写作」两个先后运行的独立子智能体完成，正文冻结后再核对理论标注。适用于想通过问答说清生活经历、个人感悟、工作经验、商业判断、创作选择、人生转折等场景。
chinese-ai-writing-polish
一个可移植的中文（繁体）写作技能，用于产出或编辑商业、产品、提案、报告、网站、文档等专业内容，通过句型、用词、表格文字、被动句与反向句规则，避免信息量低的AI腔句式。
market-research-synthesis
该技能用于收集竞品、应用商店列表、评论、定价页、定位、功能、用户投诉与市场规律，并综合为原创策略。适用于定义市场类别与买家后，构建竞品集、提取模式，区分行业必备与差异化机会，输出原创综合与验证计划。
wechatsync
WechatSync 是一个多平台文章发布与内容分发工具，可通过命令行把 Markdown/HTML 文章同步、跨平台发布到知乎、掘金等 29+ 个内容平台，数据全程保留在本地。
deep-researcher
Deep Researcher 是一个将模糊研究请求转为系统化信息核验流程的技能：要求明确主题、存储前缀与排除项，抓取并交叉核对多个权威来源，为每条主张标注来源 URL、访问日期与置信度，最终输出结构化文件。
doc-cleanup
用于清理 Markdown 文档中的“上下文腐化”（context rot）：识别已完成工作日志、已执行计划、过时声明、矛盾、失效路径与权威漂移，在不删除关键规则的前提下审计并整理文档。
generating-documentation
用于生成多层技术文档的技能，覆盖 API 文档（OpenAPI/Swagger）、代码文档（TypeDoc/Sphinx/godoc/rustdoc）、文档站点（Docusaurus/MkDocs）、架构决策记录（ADR）与系统图表（Mermaid/PlantUML/D2），并支持在 CI/CD 中自动生成。