writing-plans
writing-plans 是一个用于在动手写代码前,把规格或需求拆解成多步实施计划的技能。它假设执行工程师对代码库零上下文,要求写出精确文件路径、完整代码、测试命令与提交步骤,并按 TDD、DRY、YAGNI 和频繁提交组织成 2-5 分钟的小任务。
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
13,820 个结果
writing-plans 是一个用于在动手写代码前,把规格或需求拆解成多步实施计划的技能。它假设执行工程师对代码库零上下文,要求写出精确文件路径、完整代码、测试命令与提交步骤,并按 TDD、DRY、YAGNI 和频繁提交组织成 2-5 分钟的小任务。
gh-aw 项目的文档编写技能:在 docs/ 目录下用 GitHub 风格 Markdown 与 Astro Starlight 渲染,按 Diátaxis 框架组织教程、操作指南、参考与解释四类文档,并给出风格、语法与去冗余规范。
一种报告格式化技能:使用 HTML 的 details 与 summary 标签把报告包裹成可折叠区块,减少滚动、提升可读性。提供基本结构示例,包括标题、日期与分节内容。
用于把种子主题扩展为基于搜索意图的关键词集群,并对机会进行评分与优先级排序的技能,适合制定或更新 SEO 内容计划时使用。
两阶段论文筛选技能:先对摘要按关键词、数据类型和具体性打分(0-10),再对高分论文深入提取所需数据与方法,强调精准而非广度,适用于药物化学、基因组学、生态学、计算方法等研究领域。
EA Results Analyser 是一个用于从原创实证研究论文中提取并分析结果的分析工具,会概括每条结果、说明其重要性,并把讨论部分拆解为引用块。它只适用于报告原创实证发现的论文,不适用于综述或元分析。
用于编写、渲染、排错与评审 Mermaid 图表的技能,面向文档、架构、流程和技术沟通场景,产出可在 agent 与人类两端渲染的可版本化图表,不绑定特定博客平台、主题或渲染引擎。
blueprint-research 是 blueprint 工作流的研究阶段组件,负责工具箱解析、经验发现、本地与外部研究决策及规格审查,通过并行代理收集代码库模式、文档与最佳实践,为后续架构设计提供依据。
fix-decision-router 是 fix-reporter 完成文档记录后展示的决策菜单技能,用于把用户选择路由到关键模式、技能更新、交叉引用或发现启用等后续操作。
学术研究构想生成技能,提供从发散、文献搜索验证到收敛的三阶段系统化流程,产出1页研究提案,适用于硕博士生找论文题目、研究者开拓方向及团队脑力激荡。
用于为文档、报告或提案撰写决策者导向的执行摘要,要求结论前置、面向指定受众、给出具体建议与下一步行动,并按受众与篇幅限制调整结构。
grill-with-docs 是一个通过持续追问来打磨计划或设计的技能,过程中同步生成文档(ADR 与术语表)。它需要运行 /grilling 会话,并配合 /domain-modeling 技能使用。
用于创建、更新或生成项目与库的 README 及文档文件的技能,提供标准 README 结构、写作流程、示例规范与质量检查清单,帮助开发者写出清晰、可扫描、可运行的文档。
用于撰写产品需求文档(PRD)的 AI 技能,围绕问题框定、用户、需求、验收标准、范围与可衡量结果组织文档,包含目标、用户叙事、需求分级、成功指标、验收条件与范围治理等写作规范。
BKN需求发现技能:在正式BKN建模前,把客户背景、会议纪要、录音转写、PRD或BRD等材料转化为业务可评审的标准PRD、调研提纲、追问清单、验收用例与bkn-creator交接摘要。
lit-review 是一个用于结构化文献检索与综述的技能:按主题查找相关论文,提取引用,按理论、实证、方法等主题聚类,识别研究空白,并输出带 BibTeX 的综述报告。
sembr 是一个按语义换行规范(Semantic Line Breaks,sembr.org)重排散文文本的 AI 技能:仅把段落内部的空格替换为单换行,使物理行结构映射语义结构,绝不改动措辞或渲染后的可见输出。
doc 是一个配置驱动的结构化文档脚手架技能,用于创建和管理实验、计划、发现、检查点、研究与学习记录,支持并行安全,配置内置于技能的 config/defaults.yaml。
用于生成与评审技术规格文档的技能,支持创建或更新 tech spec、深化方案与路线图、评审规格。适用于功能设计、编写规格和规格评审,不适用于需求分析、代码实现或架构咨询。
Guided Book Reader 是一个用于带读英文技术书 PDF 的工作流 skill,适用于用户想认真阅读一本英文技术书、论文集或长篇 PDF 的场景。它让 Codex 先读取并解析 PDF、转成 txt、按章节拆分,然后以中文为主的 teach 风格逐小节讲解、出选择题检查理解,并把每节阅读总结追加到 notes markdown。工作流包括:检查 PDF 路径、运行 split_pdf_by_chapters.py 脚本(优先调用本机 pdftotext -layout 转全文并按章节标题切分)、在 PDF 同级目录建立阅读目录(含章节 txt、notes/、MANIFEST.txt)、逐小节带读、每节后出 A/B/C/D 选择题、每读完一节更新对应 markdown 笔记。若章节切分明显不完整,会先展示 MANIFEST.txt 让用户确认或修正边界。
Azure AI 文本翻译 Python SDK,用于实时文本翻译、音译、语言检测与词典查询。安装:pip install azure-ai-translation-text;支持 API Key(含区域或自定义终结点)与 Entra ID 认证;提供同步与异步客户端。
用于将 LaTeX 学术论文从一种出版社模板转换为另一种模板的技能,例如从 Springer、IPOL 转为 MDPI、IEEE。它通过提取内容、映射新模板并修复常见编译错误,简化重复的格式迁移工作。
基于主题或参考文章进行中文创作的技能,自动加载主力风格档案并检索素材库,产出符合个人风格的文章,支持公众号、博客、小红书、Twitter 等场景,先出大纲确认再写正文。
Project Referee 是一个用于评审机器学习会议论文的技能,能按照审稿人风格输出反馈。它适用于用户希望预判审稿人关注点、发现论文弱点、检查论断与证据是否匹配等场景。其工作流程包括:先判断稿件所处阶段(早期草稿、中期草稿、最终投稿),再针对不同阶段执行相应评审重点,例如早期关注新颖性、可行性与相关性,中期关注进展与完整性,最终投稿则套用完整评审标准。评审过程中还会主动搜索遗漏的引用,如领域内近期工作、相似方法或贡献的论文、相关基准与基线。反馈以结构化格式给出,包含 Summary、Strengths、Weaknesses、Questions,以及 Soundness(1-4)、Presentation(1-4)、Contribution(1-4)、Overall Score(1-10)、Confidence(1-5)等评分项。对于结合 LLM 与符号推理的神经符号论文,另有附加评审标准,涵盖符号形式化质量、求解器选择与集成、忠实性与验证、与 Logic-LM、LINC 等基线的比较。技能资料中包含 reviewer-instructions.md 与 neuro-symbolic-review-criteria.md 两个参考文件。