research-brainstorm
Research Brainstorm 是一个面向研究者的头脑风暴与压力测试技能,模拟资深学者同事的角色,通过多轮对话帮助澄清、质疑并打磨研究想法。它强调对抗性但尊重的交流,先对话后检索,强制生成替代性框架,并明确贡献类型。工作流程包括接收(种子模式或冷启动模式)、作品集基准、检索前对话、并行新颖性扫描、批判性审问、创意转向、雄心与贡献类型、可行性分析,最后生成研究简报。该技能要求引用真实文献,绝不编造,并保存 markdown 简报作为产出。
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
13,933 个结果
Research Brainstorm 是一个面向研究者的头脑风暴与压力测试技能,模拟资深学者同事的角色,通过多轮对话帮助澄清、质疑并打磨研究想法。它强调对抗性但尊重的交流,先对话后检索,强制生成替代性框架,并明确贡献类型。工作流程包括接收(种子模式或冷启动模式)、作品集基准、检索前对话、并行新颖性扫描、批判性审问、创意转向、雄心与贡献类型、可行性分析,最后生成研究简报。该技能要求引用真实文献,绝不编造,并保存 markdown 简报作为产出。
用于识别并去除乌克兰语或英语文本中的 AI 生成痕迹,使文字更自然、更像真人写作。基于维基百科 AI 写作特征整理,提供检测脚本与改写流程,含硬性禁用规则和输出格式。
Pragmatic Documentation 是一套用于撰写简洁、实用项目文档的技能,灵感来自 Philip Greenspun 的务实写作风格。它适用于创建或改进 README.md、模块文档、docs/ 目录下的指南、CONTRIBUTING.md、架构文档和安装指南等。核心主张是尊重读者时间:先讲“为什么”再讲“怎么做”,用真实示例代替抽象描述,敢于表达观点,诚实说明局限,并保持简短。文档结构包括 The Big Idea(必选)、Quick Start、Under the Hood、Configuration/API、Examples、Related Projects、Limitations 等,但强调按需选用,不填充空模板。写作规则涵盖主动语态、第一人称分享设计理由、真实命令与输出、权衡取舍、代码内联叙述等;同时列出应避免的反模式,如模板墓地、API 镜像、企业腔、完整性陷阱、变更日志式 README 和徽章墙。还给出 README、模块文档、CONTRIBUTING、架构文档的目标长度,以及按库、CLI、API、框架、内部工具等不同类型项目的适配建议。
从小宇宙(Xiaoyuzhou)公开单集链接下载音频,并用 faster-whisper 本地转写生成 SRT 字幕与 TXT 文稿的工具脚本。需先安装 faster-whisper,支持选择模型、语言、VAD 及本地音频路径。私有或需登录的单集无法访问。
WeSpy Fetcher 是一个封装 tianchangNorth/WeSpy 能力的 Skill,用于获取并转换微信公众号文章、通用网页及掘金文章为 Markdown。它完整对齐 WeSpy 的功能范围,支持单篇文章抓取、微信专辑文章列表获取、微信专辑批量下载,以及 Markdown、HTML、JSON 多格式输出。脚本位于 scripts/wespy_cli.py,通过导入 wespy.main.main 直接调用上游 CLI,保持行为一致。使用时优先使用本地源码路径 ~/Documents/QNSZ/project/WeSpy,若本地不存在则自动 git clone 到该目录。适用于需要将公众号或网页内容转为 Markdown 进行整理、归档或二次处理的场景。
Steer Tech 是一个用于生成或完善团队技术规范文档的技能,产出物为 docs/steering/TECH.md,作为技术栈、架构模式与约束的权威参考。它遵循共享的 steering-doc 流程(存在性检查 → 调研 → 访谈 → 起草 → 评审 → 写入 → wiki 同步 → 继续),并针对技术文档定制输入。技能会先通过 Agent 工具从代码库中提取技术事实,包括技术栈(package.json、pyproject.toml、go.mod、Cargo.toml、*.csproj 等)、模块结构与分层、测试框架、命令来源(npm scripts、Makefile、justfile、CI 配置)、ADR 记录与命名约定等,据此直接起草 Stack、Commands 和 Code Conventions 部分,无需用户输入。对于调研无法确定的缺口,才通过 AskUserQuestion 询问关键约束、架构决策和已知痛点。写作时要求严格遵循 STE 文风,命令必须准确且经过验证,架构描述基于代码实际行为而非愿景,约束以祈使句表达,ADR 链接源文件。完成后可继续创建 DESIGN.md、QA.md、VISION.md 或就此停止。
面向 yikart/aitoearn 仓库的文档同步技能:为指定服务生成或更新产品文档。文档不存在时依据 OpenAPI 规范与源码从零建档;已存在时按 git diff 只更新受影响章节,并刷新最后更新时间和代码基准 hash。
一个用于抓取、筛选并导出微信公众号公开文章的独立 Skill,支持按公众号、日期范围、标题正则筛选,导出 Markdown/JSON/CSV,并提供断点续抓与正文补全能力。
番茄小说专用长篇写作系统,作者 Jayce,版本 2.0.1。该 Skill 面向在番茄小说平台进行长篇网文创作,支持 120 万字以上长线运营。它融合番茄平台规则、AI 去味专项检查与商业审查,通过 Truth Files 系统维护世界观、角色、伏笔与状态,借助 handoff_current.md 实现跨会话衔接,并提供进度追踪面板监控字数与章节偏离。v2.0.1 新增战斗场景审计、对话占比监控、话疗模式检测、叙事循环检测四个维度,最小审计集由 5 项扩展为 8 项,并新增节奏质量评估。
Conference Writing Adapter 是一个用于将已有机器学习/人工智能论文改写以适配目标会议写作规范的技能。它帮助作者根据目标会议的写作惯例、审稿人预期和论文原型,调整论文的结构、定位、段落组织与表达方式,使论文更容易被合适的审稿人理解、信任和支持,同时不编造无依据的论断或新的实验结果。该技能适用于投稿前的论文结构诊断、会议特定的改写计划、摘要/引言/方法/实验/局限/相关工作等章节的重写、面向会议的图表叙事与视觉风格决策、段落级大纲,以及从目标会议已接收论文中学习可复用的写作模式。它不替代实验、证明或最终投稿合规检查,需与 submit-paper、experiment 类技能及 figure-results-review 配合使用。
Figure Results Review 是一个用于审阅机器学习与人工智能研究结果图表的技能。它面向论文图、结果截图、图注、LaTeX 图包装文件与结果叙述,在图表被当作论文证据或会议材料之前进行审查。该技能会检查图表所支持的论文主张是否与图中实际呈现的证据相符,并核对基线、误差棒、随机种子、标签、单位以及公平性上下文等要素。它同时关注论文图表的视觉风格一致性,包括配色、标记、符号、线宽、字体、尺寸和记号规范。当出现新结果时,该技能帮助判断应更新写作、重跑实验、诊断失败还是收窄主张。它还适用于为 rebuttal 准备简短视觉答复,或为导师会议准备能让决策更直观的图表。该技能不用于从零设计实验,也不用于结果异常原因诊断或单纯的行文风格适配,这些情况应分别使用 experiment-design-planner、result-diagnosis 和 conference-writing-adapter。使用方式上,它按步骤收集图表证据上下文、解析图包装文件、先描述后解读、审计主张支持、视觉完整性、论文视觉风格、统计与实验证据、图注与结果叙述,并将每个问题路由到具体修复动作,最后生成审查报告并可写回项目记忆。
Paper Positioning Planner 是一个面向机器学习与人工智能论文写作的技能,用于在动笔之前决定论文应当“卖什么”。它帮助研究者确定主要贡献类型(洞见、性能或能力)、论文原型(方法论文、理论引导方法、实证分析、基准/数据集、系统/工具、应用论文、诊断或机理研究、负面结果/局限性论文、立场或观点论文、混合论文)、主张范围、新颖性表述、目标受众以及应避免的主张。适用场景包括:项目已有足够想法/文献/证据需要判断论文应当是什么、结果混杂需更换贡献类型、草稿失焦或过度声称、图表评审或审稿人模拟显示论文故事有误、需要确定主标题/摘要方向/引言论点/相关工作边界、在选择目标受众或投稿会议前做决策。该技能不用于段落级写作润色,定位清晰后再配合 conference-writing-adapter 使用。
arXiv Automation 是一个用于检索、监控和分析 arXiv 学术论文的工具,可帮助研究者在科研工作流中跟踪新论文。它支持按关键词、作者或分类搜索论文,监控特定分类下的最新投稿,下载 PDF 用于分析,并提取和摘要论文摘要。该工具基于 arXiv API 和 RSS 源实现,提供可复用的 Python 代码示例,遵循 arXiv 的访问频率限制(API 每 3 秒最多一次请求),并可与 PDF 处理、RSS 自动化等能力组合使用,适用于需要持续追踪学术动态、整理文献的研究场景。
recommend 是知识管理系统架构咨询技能,根据用户描述的使用场景、约束与目标,给出有研究依据的架构建议,不创建任何文件,是正式搭建前的探索入口。
ars contexta 的交互式入门教程,引导新用户通过动手操作在知识库中创建真实内容。教程分研究者、管理者、个人三条路径,共五步,可断点续做。
md-document 是一个将长篇 Markdown 文档(规格说明、RFC、报告、计划、讲解材料)转换为单文件、轻量交互式 HTML 文档的工具。它通过三个标准库脚本串联成流水线:markdown_parser.py 将 Markdown 解析为 JSON AST,html_renderer.py 将 AST 与设计系统配置渲染为单文件 HTML,interactivity_injector.py 注入搜索、代码复制、平滑滚动、滚动监听等轻量 JS 行为。输出为一个 .html 文件,包含粘性目录、搜索过滤、滚动监听、代码复制按钮,并使用用户派生的 12 个品牌令牌。外部依赖仅限 Google Fonts CSS 与 Prism.js CDN。该工具拒绝处理少于 100 行的输入,且要求先完成设计系统接入。
面向建筑与选址研究的人口统计与市场分析技能:给定场地地址、城市或坐标,检索公开数据并生成包含人口、收入、年龄、住房与就业的 Markdown 报告。仅使用政府、大学或非营利来源,需注明数据年份并对比大都市与全国基准。
用于字幕制作与本地化的技能,可创建SRT、WebVTT、STL等字幕文件,进行字幕翻译改写、时间轴同步与无障碍SDH字幕编写,适用于影视、纪录片和网络视频的字幕交付。
Ditto Product Research 技能通过 Ditto 的 30 万+ AI 合成受访者,在终端开展客户研究、产品验证、定价测试、竞争与市场调研。免费层需申请 API Key,可用约 12 个共享合成人格提问;付费密钥支持自定义人群与人口筛选。
读取微信公众号文章的 AI 技能:给出公众号链接后可抓取标题、作者、正文和配图,识别图片文字并生成结构化总结,支持多链接批量处理。触发词为 /read-gzh 或“帮我读一下这篇公众号”“总结一下这篇文章”。
autoresearch 是一个面向任意优化目标的自主实验循环技能,强调先明确目标与指标、先写假设再验证、重复测量而非单次侥幸,并记录包括失败在内的全部实验,生成不入库的本地 HTML 报告与图表。
该技能围绕"非通货内容"方法,先访谈用户获取真实客户故事、具体数字、拒绝案例与实测数据,再据此生成SEO选题简报、标题与大纲,避免发布泛泛的通用内容。
基于 KOLSprite 公开 MCP 数据开展有证据支撑的 TikTok Shop 商业研究,覆盖新品冷启动、爆款内容、类目机会、达人合作与竞品增长诊断,输出有边界的决策建议。
quick-topic-researcher 是一项快速选题研究技能,用于在录制视频或撰写内容前快速了解一个主题。它会生成5个研究问题,并行进行 PubMed 与网页检索,并在约5分钟内输出一份 McKinsey 风格的简报,含行政摘要、研究发现、临床背景、内容切入点和可引用参考文献。