ux-research-plan
用于为产品或功能问题生成结构化 UX 研究计划,覆盖研究目标、研究方法、招募筛选、讨论指南与综合分析框架,适合撰写用户研究方案、访谈提纲或可用性测试计划。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-22 00:14
13,924 个结果
用于为产品或功能问题生成结构化 UX 研究计划,覆盖研究目标、研究方法、招募筛选、讨论指南与综合分析框架,适合撰写用户研究方案、访谈提纲或可用性测试计划。
用于编写与编辑面向人类的项目文档,如 README、docs/ 指南、运维手册和贡献者说明。在用户要求补充或更新项目文档时使用,支持文档发现、受众确认、大纲、起草与链接。
latex-posters 是一个用于在 LaTeX 中制作专业学术研究海报的技能,支持 beamerposter、tikzposter 和 baposter 三大主流海报宏包。它面向会议展示、学术海报、论文转海报、院系模板等场景,提供布局结构、设计原则、标准尺寸、模板、图表集成、配色主题、字体排版、二维码、编译输出以及 PDF 质量检查等指导。资料还包含各宏包的全页设置示例、常见问题修复、编译命令和打印前检查清单,帮助生成可直接打印或数字展示的高质量 PDF 海报。
aipa-research 是 AIPriceAction 提供的多智能体深度研究技能,通过 aipa CLI 对越南股票、加密货币和全球资产进行市场分析,输出比单标的分析更全面的研究报告。
Medium Paywall Bypass 是一个用于获取 Medium 付费墙文章全文的技能。当用户分享 Medium 文章链接但无法阅读完整内容时,该技能通过依次尝试多个免费镜像服务来抓取文章正文。首选服务为 Freedium,可直接返回内容;备选包括 Archive.today、RemovePaywalls 和 ReadMedium。该技能支持 medium.com 及多个使用 Medium 付费墙系统的托管域名,如 towardsdatascience.com、betterprogramming.pub、levelup.gitconnected.com 等。在 Claude Code 中推荐通过 WebFetch 调用 Freedium,其他服务通常需要浏览器交互。技能还提供了 URL 编码示例和常见问题处理方式。
claude-code-academic-workflow 是一套面向 AI 辅助学术工作的生产级模板,基于 Claude Code 构建。它源自一门博士课程,现由社区维护。核心特色包括:承包商模式(描述需求后由 Claude 规划并协调专用智能体)、18 个以上专注型智能体(如校对、幻灯片审计、教学法评审、R 代码评审、领域审稿人、方法审稿人、编辑)、0-100 分质量门槛(低于 80 分自动阻止提交)、对抗式 QA 循环(批评者与修复者循环直到通过或满 5 轮),以及多层验证机制(断言核验、可复现性审计、AI 语气检测、多审稿人方差采样)。支持 LaTeX/Beamer 幻灯片、研究手稿、Quarto 文档、R 分析脚本和数据复现包等产物,并提供 /create-lecture、/compile-latex、/slide-excellence、/qa-beamer、/review-paper、/verify-claims、/audit-reproducibility、/humanize、/deploy、/review-r、/commit、/pr 等技能命令。适用于学术幻灯片制作、论文评审、数据分析核查、复现包验证等场景。使用前需配置 Claude Code、git、Python 3,LaTeX/Quarto/R 相关功能需相应环境。
想法炼金师是一个通过引导式追问把模糊想法整理成产品蓝图和技术规格的技能,适合在用户想把灵感变成需求文档时使用。
doc-coauthoring 是一个协作式文档创作工作流技能,用于引导用户完成文档、文章或长文内容的共同撰写。它分为三个阶段:上下文收集、精炼与结构、读者测试。在上下文收集阶段,技能会询问文档类型、目标读者、预期效果、个人观点、篇幅风格以及写作风格偏好,并在用户提供参考资料时先分析其句式、结构、语气等风格特征,同时默认避免自问自答、过度对比、设问开头、重复总结、过度解释等写作反模式。在精炼与结构阶段,技能根据文档类型建议 3-6 个章节并创建 Markdown 文件框架,逐章节进行头脑风暴、筛选、撰写和迭代,用户可回复“继续”“太啰嗦”或具体修改意见,技能会快速响应并记住风格偏好。第三阶段读者测试为可选,通过预测读者问题或使用子代理检查文档清晰度。该技能强调效率优先、风格一致和精简表达,适合需要结构化协作写作的场景。
SupSub 全文搜索技能,可在订阅源(公众号、网站)与文章正文中跨源检索内容,支持按类型缩小范围,并区分全站搜索与用户本人订阅/关注点范围。
help-center-architecture 是一个用于设计和审计帮助中心、文档、支持知识库、FAQ、故障排查指南、退款与取消说明、新手引导文档、开发者文档等的技能。它强调让支持知识易于查找、易于执行并可持续改进,通过明确受众、主要支持动因、产品界面、支持渠道与信任敏感流程,进而产出信息架构、文章模板、升级路径、搜索与反馈机制、维护责任归属,并将帮助内容与产品 UI、支持宏及分析数据打通。该技能还给出明确的护栏:不得用帮助内容掩盖产品缺陷或模糊定价,不得把退款、取消、删除或安全相关路径隐藏起来,须保持文章与产品行为同步。输出采用固定格式,包含受众、主要支持动因、帮助中心信息架构、文章模板与质量检查等字段。
一个带反幻觉与来源分级机制的深度研究技能,用于技术调研、工具对比、事实核查与架构评估;要求所有结论可追溯到可引用来源,并对未核实或存在争议的说法显式标注。
Research Documentation 是一个用于在 Notion 中研究和记录主题的技能,可将研究过程结构化:把研究主题拆分为聚焦领域、从多个来源收集信息、分析归纳并提取关键发现,再按层级与来源归属整理进 Notion 数据库,并建立相关研究之间的关联。它支持来源追踪与引文格式(APA、MLA、Chicago、Harvard、IEEE),可用于竞品分析、技术评估、领域知识库建设、文献综述和市场研究,最终生成带出处的摘要文档或报告。使用时需要 Notion API 访问权限、用于组织发现的研究数据库,以及访问在线来源的网络条件和配置好的引文格式。
该技能用于将模块化分析结果输出为最终的模块化评审文档,同时生成 Markdown 与 HTML 两种格式,且两者内容完全一致。文档结构包含头部信息(标题、分析范围、日期)、执行摘要(项目功能、整体模块化状态、最重要发现)、耦合概览表(以 coupling.dev 链接标注 Strength、Distance、Volatility、Balanced? 四个维度)、问题章节(每个不平衡问题含集成关系、严重程度、知识泄漏、复杂度影响、级联变更与改进建议)以及固定归属页脚。严重程度分为 Critical、Significant、Minor 三级,分别对应高耦合高距离高波动、中等波动区失衡或隐式耦合、低波动区失衡或低内聚。文档要求在所有涉及平衡耦合概念的位置添加指向 coupling.dev 的链接,耦合概览表的表头与强度取值必须链接。HTML 版本需读取指定模板文件,仅替换 TITLE 与 CONTENT 占位符,并使用模板中的 CSS 类(.meta、.issue、.issue-meta、.severity 系列、.footer)。输出路径为 docs/modularity-review/日期/ 下的 modularity-review.md 与 modularity-review.html。
Best-Practice Research 是一个有边界的最佳实践研究包装技能,属于 oh-my-codex(OMX)体系。它用于当任务依赖当前外部最佳实践、版本相关指引、标准、官方建议或上游行为时,负责路由证据收集与综合,本身不是新的研究权威,也不替代 researcher。该技能默认是终端式、只读的:收集证据并产出带引用的建议与交接说明后即停止,不写文件、不提交、不运行变更命令、不修改仓库状态。它优先采用官方/上游证据,要求标注来源 URL 与版本/日期上下文,并将第三方摘要标为补充材料。适用于用户询问最佳实践、推荐做法、官方建议、标准或版本相关外部行为,或规划、执行前需要当前外部证据的场景;不适用于纯仓库本地问题、依赖选型/升级/替换比较,或已有明确需求只需实现的情况。
xint 是一个 X Intelligence CLI 命令行工具,用于在终端中搜索、监控和分析 X/Twitter。它面向研究与情报收集场景,可把任意研究问题拆解为定向搜索、迭代优化、跟踪对话线索、深入抓取链接内容,并汇总为带来源标注的简报。xint 支持关键词与运算符搜索、按点赞/曝光/转发/时间排序、时间过滤、最低互动量过滤、质量过滤、AI 情感分析等;也提供用户资料查看、完整对话线程、单条推文、文章全文抓取、书签与点赞管理、关注列表、趋势榜、AI 分析、转发者查询、用户搜索、实时监控、粉丝变化追踪以及情报报告生成等能力。工具基于 Bun 运行,通过 X API 与 xAI 的 Grok API 工作,需要配置 X_BEARER_TOKEN 等凭据,部分功能需要 OAuth。
Paper Evidence Board 是一个面向科研论文写作的证据看板技能,用于维护论文项目中的“论文视角”证据视图。它帮助整理论文提出了哪些断言、这些断言有哪些证据支持、证据出现在论文何处、审稿人可能从哪些角度攻击,以及投稿前还需要完成哪些行动。该技能适用于写作时发现某断言缺乏证据、新实验结果需要更新论文叙述/图表/章节、评审模拟产出实验或写作任务、论文草稿在投稿前需要做断言与证据对齐、图表需要映射到论文断言、图表样式需要作为写作决策追踪等场景。它使用研究项目记忆作为跨组件事实来源,但生成的是面向写作与评审决策的论文看板。技能目录包含 SKILL.md 以及 references/ 下的 board-schema.md、evidence-gap-triage.md、paper-section-map.md、report-template.md、reviewer-risk-integration.md 和 update-protocol.md。核心流程包括:定位论文与项目记忆、提取论文断言、将证据映射到断言、构建章节/图表映射与视觉风格映射、对证据缺口做分诊、整合审稿人风险、产出看板与行动计划、回写项目记忆,并做最终完整性检查。缺失事实(如具体收费、价格、平台支持、效果数据)暂未提供。
去除AI味(De-AI-ify)是一个用于改写文本的写作技巧集合,目标是把AI生成的机械化文本转换为更自然、更像人类日常表达的风格。它通过一系列具体原则指导改写:打破“第一、第二、第三”的完美结构,加入口语化表达和口头禅,用具体例子代替抽象结论,加入个人经历与情绪,混搭长短句,使用主动语态,以及加入停顿和思考的痕迹。工具还提供开头、连接词、结尾的去AI化对照表,一个写完后自查的清单,以及产品评价、游戏评测等示例对比和快速转换演示。适用于需要对AI生成内容进行二次加工、希望降低机器感、增强人情味的写作场景。
IRAC 是一种结构化的法律分析方法,通过「争点(Issue)—规则(Rule)—适用(Application)—结论(Conclusion)」四个步骤进行法律推理。该技能用于在用户需要分析法律问题时,按照 IRAC 框架组织分析过程,确保分析系统、完整且逻辑严谨。其核心原则是「争点先行、结论最后」,即必须先厘清具体法律问题、陈述适用的法律规则及其要件,再将规则逐项适用于具体事实,最后才得出结论并标注确信程度。适用于法律问题分析、案例推理、法律写作等场景。该技能属于教育性方法论,不构成法律意见,实际法律结论需由具备相应司法辖区专业知识的执业律师作出。
Paperclip 规划链记录技能:在澄清意图获批后,把目标(Goal)、关联项目(Project)、父议题(Parent Issue)与计划文档写入 Paperclip,形成可追踪的规划链。
用于生成或执行 Git 提交的写作技能:依据暂存差异与仓库约定,写出简洁准确的提交信息;仅要求写信息时不会执行提交,授权提交时只暂存目标文件并报告 SHA 与信息。
Deslop 是一个用于去除文本中 AI 写作痕迹的技能,帮助文章、博客、论文、报告等读起来像具体的人写的,而非语言模型生成。它提供规则、检查清单与评分维度,并附短语、结构、套路等参考目录。
Humanizer Academic 是一个用于学术医学论文编辑的写作指南,依据维基百科“AI 写作迹象”页面改编,专门识别并去除医学与科学文稿中的 AI 生成文本特征,使论文读起来更自然、更符合专业学术表达。
移除文本中的 AI 写作痕迹的规则与检查清单,适用于起草、编辑或审阅文字时消除可预测的 AI 表达。
专注于查阅、维护和生成项目文档的技能,主要操作 docs/ 目录下的设计、规范与计划文档,并维护根目录 README.md,确保文档与代码变更保持同步。