designing-surveys
用于设计并发布产品调研问卷的技能，产出包含调研简报、问卷、分析计划、发布清单和报告大纲的 Survey Pack。适合 CSAT、NPS、PMF、流失、入门画像等场景，不适用于因果验证或深度访谈。
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 10-22 00:14
写作与研究
13,943 个结果
content-research
Content Research 是一个让 Claude 充当内容研究工具的 Claude 技能：输入某个创作者账号、账号链接或细分领域（可附若干示例账号），即可收集其近期 Reel 及播放量，按播放量排序并以账号播放量中位数为基准找出约 2-3 倍中位数的爆款内容，再对排名靠前的 3-5 条爆款逐帧转录、拆解钩子、形式与节奏、留存模式，最终总结可复用的爆款模式，并针对用户自己的账号产出 3 个可直接拍摄的选题。数据来源可选用 sandcastles.ai、Composio 的 Instagram Graph API 工具，或用户直接粘贴的 Reel 链接列表。该技能强调只借鉴方法、不抄袭他人脚本或画面，并注明所研究的来源 Reel。
protocolsio-integration
用于对接 protocols.io API v3 的技能，可程序化搜索、创建、更新、发布科研实验方案，并管理工作区、讨论、文件与实验记录。适合需要批量管理实验方案或开发集成工具的科研与开发场景。
check-metadata-typos
该技能用于检查 OWID ETL 项目中的元数据文件拼写错误。它基于 codespell 对 .meta.yml 和快照 .dvc 文件进行拼写检查，支持按当前步骤、全部 ETL 元数据、快照元数据或全部元数据四种范围运行，自动排除已归档的步骤和快照，并可使用 .codespell-ignore.txt 忽略领域专有词汇。检查后可分组展示拼写错误、文件路径与行号，并支持自动修复或逐条确认修复，最后重新运行 codespell 验证。适用于元数据质量维护、拼写错误排查等场景。
update-docs
update-docs 是 pipecat-ai/pipecat 仓库共享的文档更新技能，用于在当前分支上根据源码改动同步更新文档页面。它会对比 main 分支的 diff，把改动的源文件映射到对应文档页并做定向编辑。
academic-pipeline
academic-pipeline 是一套面向学术论文全流程的编排技能，从选题研究到最终成稿按阶段调度下游技能，本身不执行实质写作或评审工作，仅负责阶段检测、模式推荐、技能派发、状态跟踪与用户确认。
pubmed-metaanalysis
该技能用于通过 NCBI E-utilities API 在 PubMed 数据库中检索特定医学主题的荟萃分析（meta-analysis）和系统综述。它可以帮助用户查找某一疾病、治疗或干预措施的荟萃分析，获取文章标题、作者、发表日期和摘要，并可将结果限定为系统综述与荟萃分析。使用方式为按步骤调用 ESearch、ESummary 或 EFetch API：先用 ESearch 并附加 meta-analysis[pt] 等过滤器检索文章 ID，再用 ESummary 获取基本信息，或用 EFetch 获取完整摘要，最后解析并呈现结果。该技能适用于医学主题查证、循证研究查找系统综述以及了解某一健康主题的汇总研究概览等场景。
jobs-to-be-done
Jobs To Be Done（JTBD，待办任务）分析技能，基于 Christensen 与 Ulwick 的 Outcome-Driven Innovation（成果驱动创新）方法论。该技能的核心观点是：客户不是购买产品，而是“雇佣”产品来在特定情境下取得进展；预测成功的关键在于理解这个“任务”，而非客户人口统计特征或产品功能。该技能支持双模式使用：销售/BDR 模式利用“进步的力量（Forces of Progress）”与“转换访谈（Switch Interviews）”理解潜在客户为何转换方案，并围绕任务地图组织发现电话、以成果陈述包装价值主张；战略模式则使用完整的 ODI 方法论，对成果的重要度与满意度打分，识别服务不足的机会，并分析竞争性的“雇佣/解雇”动态。适用触发场景包括：用户询问 jobs to be done、JTBD 分析、客户任务、成果驱动创新、进步的力量、转换访谈，或客户为何更换解决方案。
ai-writing-voice
ai-writing-voice 是一个用于检测文本中“AI 腔调”的工具，依据给定规范对用户提供的段落、章节、博客文章、推文或 README 等文本进行取证式审阅，找出 AI 生成的节奏与用词特征，给出逐项标注和 1-10 分的 AI-Voice 评分（1-2 绿色/类人，3-6 黄色/混合，7-10 红色/机器腔调）。它不做风格改写，除非用户要求，只负责检测与打分。
gzh-longform-writer
gzh-longform-writer 是面向微信公众号长文（1500–4000 字）的写作技能。它先诊断作者手上的素材状态（念头、素材、半稿、大纲或不满意的成稿），再路由到访谈式、大纲式、续写式、素材整合式、破题式、重写式六种写法之一，产出成稿并做公众号专属质检。不负责起标题、排版配图。
gemini-deep-research
Gemini Deep Research 是一个基于 Gemini Deep Research Agent 的技能，用于执行复杂、长时间运行的研究任务。它适合需要多来源综合、竞品分析等场景。使用前需配置 GEMINI_API_KEY 环境变量（来自 Google AI Studio），不支持 Antigravity OAuth 令牌，必须使用直接的 Gemini API 密钥。该代理会将复杂查询拆解为子问题，系统性地搜索网络，并将发现综合成全面报告，同时提供流式进度更新。脚本支持基本研究、自定义输出格式、可选的文件搜索以及流式进度等用法，结果会保存为带时间戳的 Markdown 报告和 JSON 元数据文件。
anti-ai-slop-writing
一个写作编辑技能，用于在发布前清除文案中可识别的 AI 写作痕迹。它分两轮处理：先零容忍重写固定套路，再检查词汇与结构是否扎堆。适用于 LinkedIn 帖子、冷邮件、newsletter、落地页、案例研究等 GTM 文案。
content-repurpose
Content Repurpose 是一个内容再利用技能，用于将一段内容（视频、播客、博客、脚本、演讲或笔记）转化为多平台分发素材，包括邮件通讯、社交帖子、LinkedIn 帖子、短视频脚本和推文串。它强调提炼而非总结，要求每个输出独立成立、匹配用户语气，并避免 AI 套话。使用前会检查项目中的 BUSINESS_CONTEXT.md 以获取平台、受众和语气信息，若不存在则询问用户发布平台和语气描述。
explainer-infographic
该技能用于生成一个单文件、可交互的动画 HTML 页面，通过现实类比、可视化图表和渐进式展开来解释复杂概念。页面按“钩子—类比—机制—常见误解—要点”五段结构组织，采用 SVG 图表、滚动驱动动画和少量交互元素（滑块、开关、点击展开、分步动画），面向聪明的非专业读者，目标是在 5 分钟内让概念变得易懂。输出为自包含的 .html 文件，无外部依赖，使用原生 JavaScript，兼顾移动端、无障碍与加载速度。
theory-analysis-product-positioning
该技能依据产品定位理论分析访谈摘要、客服工单、社群贴文等多来源证据，将内容标注为属性、功能、利益与使用/服务情境四个构面，输出可读报告和可机器串接的JSON结构，必要时可与review-mining-stp串接。
product-brief
product-brief 是一个用于在写代码之前澄清产品想法的技能，帮助用户撰写一页纸的产品简报，覆盖目标受众、问题、解决方案、V1 范围与排除项。它通过先提问、再施压、最后成文的方式，强制把模糊的想法收敛成清晰的一页文档，适合在技术规划之前验证想法。
noise-to-linkedin-carousel
noise-to-linkedin-carousel 是一个面向创始人和 GTM（Go-To-Market）团队的 LinkedIn 内容创作技能，用于把杂乱、无结构的原始素材（如语音笔记转录、粗略笔记、Slack 想法、文章或博客摘录等）转化为结构化、高质量的 LinkedIn 轮播内容包。它扮演资深代笔、技术营销人员和内容策略师的组合角色，专注于 LinkedIn 分发场景。其核心工作流分为五步：第一步分析并提取素材，提炼核心论点、确定受众角度、识别内容目标（教育、引发思考、总结、转化或激励），当输入薄弱或含糊时会提炼一个合理论点并在假设部分注明；第二步确定结构，选择 5-9 张幻灯片的长度并规划叙事弧线，为每张幻灯片分配角色（封面、问题、重构、洞察、框架、示例、证明、要点、CTA）；第三步生成三套封面钩子方案并标明所用模式；第四步逐张撰写内容，每张幻灯片只表达一个核心观点，文案简短有力、禁止大段文字，并为每张幻灯片提供视觉方向说明；第五步按照指定输出格式严格生成最终结果。语气风格要求清晰、锐利、适合创始人阅读，兼具教育性、可信度与实用性，避免空洞的激励话术、无上下文的术语堆砌和陈词滥调的“增长黑客”腔调。该技能最终只返回结构化 markdown 响应。资料中未提供具体的钩子模式、幻灯片类型规则、质量清单与输出模板的完整内容，也暂未提供收费、价格、平台依赖或使用效果等信息。
doc-brd-autopilot
doc-brd-autopilot 是一个自动化 BRD（业务需求文档）生成流水线技能。它可以从参考文档（docs/00_REF/）、用户提示词或实施计划（IPLAN-*）出发，自动分析来源、判定 BRD 类型、生成完整 BRD、校验就绪度、维护 BRD-00_index.md 索引，并驱动“审计↔修复”循环直至达到通过分数，支持单份或批量处理。该技能属于框架的第 1 层，上游为可选的 REF/提示词/IPLAN 输入，下游产出经过校验的 BRD 及索引条目。它依赖 doc-brd（结构与撰写规则）、doc-brd-audit（质量门禁与评分）、doc-brd-fixer（应用修复）、doc-naming（元素 ID 标准）、review-team（团队模式调度）和 charts-flow（图表契约标签）等技能。
paper-search
paper-search 是一个用于检索和排序研究论文的命令行工具，同时查询 OpenAlex 与 arXiv，并按论文所在领域和发表年龄进行影响力度量，而非单纯依赖引用总数。它无需 API 密钥或认证，支持按主题搜索、限定时间范围、查找某篇论文的后续工作，以及获取最近数周的新论文。输出将论文分为 LANDMARK、STRONG、RISING、FRESH+、OK、FRESH?、THIN 等层级，并显示日期、引用速度、领域加权引用影响力（FWCI）、发表 venue 和作者 h 指数，帮助在快速发展的领域中平衡时效性与质量。
chapter-briefs
Chapter Briefs 是一个用于研究综述写作流程的技能，作用是为每个包含 H3 子节的 H2 章节生成章节级写作卡片（chapter briefs），输出为 outline/chapter_briefs.jsonl。它不产出面向读者的正文，而是提供内部写作意图，帮助写作者为章节添加导读段落、保持全章一致的比较轴，避免每个 H3 各自为政、重复开头的“段落孤岛”问题。输入为 outline/outline.yml 与 outline/subsection_briefs.jsonl（可选 GOAL.md），每条记录包含 section_id、section_title、subsections、synthesis_mode、synthesis_preview、throughline、key_contrasts、lead_paragraph_plan、bridge_terms 等字段。可通过 uv run python 脚本按工作区运行，并支持显式指定输入输出。
exercise-builder
Exercise Builder 是 research-units-pipeline-skills 中的一个技能，用于在教程模块计划已存在但需要为每个模块补充可验证教学闭环时使用。它读取 outline/module_plan.yml，为每个尚未配置练习的模块确定性地补充练习，并就地写回该文件。每个练习至少包含 prompt、expected_output 和 verification_steps，确保练习可被验证，而不是仅提供开放式思考题。触发词包括 exercises、practice、verification checklist、教程练习、可验证作业。该技能不适用于尚无模块计划的情况，运行时不涉及网络。它不负责源内容覆盖审计，也不负责撰写教程正文。
prose-writer
Prose Writer（证据优先）是一个用于撰写技术综述草稿的技能，从已批准的大纲和证据包生成 output/DRAFT.md 或 output/SNAPSHOT.md。它要求只使用 citations/ref.bib 中已验证的引用键，按小节逐段写作，强调论点驱动而非大纲扩写。核心约束包括：无批准不写作（需 DECISIONS.md 中 Approve C2）、不虚构引用、不泄漏占位符或流水线术语。每个 H3 小节需包含论点、A-vs-B 对比、评估锚点、跨论文综合与局限性。适用于综述写作、草稿生成、逐节撰写等场景。
protocol-writer
protocol-writer 是一个用于循证综述（evidence review / 系统综述）流程起点的中文技能，在 screening 与 extraction 之前先把综述问题转化为可执行的 protocol。它由 willoscar/research-units-pipeline-skills 提供，触发词包括 protocol、PRISMA、systematic review、inclusion/exclusion、检索式、纳入排除。必要输入为 STATUS.md，可选输入包括 GOAL.md、DECISIONS.md、queries.md，输出为 output/PROTOCOL.md。该 protocol 需包含综述问题、来源与检索规范、带稳定 ID 的纳入与排除条款、筛选计划、提取 schema、偏倚计划以及明确的 HUMAN 批准说明；需人工签字后才能进入 screening。脚本 scripts/run.py 只负责读取当前综述上下文、生成可操作 protocol、写出稳定的提取 schema 与条款 ID，本身不执行检索或筛选。
scholarly-writing-refiner
学术英语润色技能，按国际学术期刊标准逐段审查英文论文，覆盖语法、学术用词、语态、连贯性与句式结构五个维度，输出修改建议与润色后文本。用户可提供待润色段落，并可选填论文类型、目标期刊或领域、润色重点。