deep-research
一个用于从第一性原理出发构建技术主题全景知识地图的研究型助手。它强调从根问题、方案演化、架构机制到未解难题逐层展开，并基于一手权威来源标注证据，帮助用户自行判断，而非直接给出推荐。
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 10-23 00:13
写作与研究
13,988 个结果
project-documentation
用于为项目功能编写非技术文档的 Agent Skill，将功能说明以 Markdown 存入 docs/ 文件夹，面向产品、设计等非开发者以及需要理解预期行为的 AI 智能体。
writing-sigma-rules
编写与维护 Sigma 检测规则的技能，涵盖规则结构、logsource 分类、带修饰符的检测逻辑、误报过滤、后端转换与测试验证，强调可移植性与精确性。
writing-yara-rules
编写持久化 YARA 检测规则的技能指南，讲解 meta/strings/condition 结构、字符串类型与修饰符、基于文件魔数和偏移的结构化条件、PE/ELF/math/hash 模块用法、误报控制、测试验证以及 YARA-X 新引擎差异。
noise2blog
noise2blog 是一个把粗糙素材整理成可发布博客文章的技能。它接收要点笔记、语音转录、推文合集或简短草稿等零散输入，输出结构完整、可直接发布的博客文章。该技能强调不编造具体信息：文中每个论断、数据和示例都必须来自原始输入或 Tavily 检索结果。它支持四种文章风格（技术教程、案例研究、思想领导、概念解释），可选用 Tavily 做事实核查与数据补充，并内置自检清单确保标题、段落、用词和字数符合规范。
product-update-logger
product-update-logger 是一个用于生成产品更新日志与配套内容包的技能。用户告知产品发布了什么内容后，它会将条目写入 docs/changelog.md（持续更新的日志，最新条目置顶），并同时产出可直接使用的内容包：推文串、LinkedIn 帖子、邮件片段和一句话简介。输入来源支持自由文本、自动读取本地 git 提交，或在提供仓库时读取 GitHub PR，可任意组合。
show-hn-writer
这是一个用于起草 Hacker News（HN）帖子的写作辅助技能，基于 250 篇真实高分 HN 帖子的观察数据来优化标题和正文。该技能会先询问用户是追求得分（曝光）还是评论（讨论），并了解项目内容，然后根据数据规则给出帖子类型、标题变体与可选正文，并附上发布建议。资料还提供了可选的 HN 当前热门帖抓取脚本，用于检查近期是否已有类似投稿及当前同类标题表现。
content-linkedin
content-linkedin 是一个用于生成 LinkedIn 帖子的技能，支持专业品牌语气适配。当用户想要创建 LinkedIn 帖子、职业动态或 LinkedIn 内容时使用。它提供帖子类型选择（个人故事、专业洞察、反主流观点）、结构指导（钩子、正文、结尾）、LinkedIn 文化规则、表情符号使用规范、反套路清单、品牌语气适配以及输出检查清单，帮助生成符合 LinkedIn 平台调性的专业内容。
agent-survey-corpus
Agent Survey Corpus 是一个可选的仓库级工具包，用于下载一小批关于智能体系统的开放获取 arXiv 综述/评论类 PDF，并将前若干页提取为文本，以便学习真实综述的写作风格。它不属于主流程，主要用于研究综述的章节结构（6–8 个 H2）、子章节粒度、表格与论断组织方式以及写作密度。输入为 ref/agent-surveys/arxiv_ids.txt（每行一个 arXiv id），输出包括 PDF 目录、文本目录以及自动生成的 STYLE_REPORT.md。通过 uv 运行脚本，可指定工作区、最大页数、请求间隔等参数。
evidence-draft
Evidence Draft 是一个用于研究写作流水线的技能，负责从研究简报、论文笔记和引用库中生成按小节划分的“证据包”（evidence packs），输出为 outline/evidence_drafts.jsonl。它不产出叙述性文字，而是生成候选论点（claim candidates）、具体对比（concrete comparisons）、评估协议、局限性说明以及带引用来源的证据片段。该技能通过确定性脚本 scripts/run.py 完成简报、笔记、证据库与绑定关系的连接、片段提取与来源组装，并依据策略资产物化 blocking_missing、downgrade_signals、verify_fields 等字段。它强调证据质量策略：证据稀疏时应显式暴露为阻塞项或降级信号，而非用填充内容掩盖；具体对比必须真正双向，否则丢弃卡片；引用键必须限定在 citations/ref.bib 内。适用于需要从文献中系统整理可引用事实、构建证据支撑的研究写作场景。
grad-paragraph
Grad Paragraph 是一个用于撰写技术综述段落的写作微技能，属于 research-units-pipeline-skills 技能集。它帮助作者从证据包（evidence packs）出发，写出符合综述质量的单段文字，而非简单扩写大纲。该技能强调段落应包含四个核心要素：张力/问题（tension）、显式对比（contrast）、评估锚点（evaluation anchor）和局限性（limitation）。它通过两个角色分工——Argument Planner 负责在写作前规划四行结构，Paragraph Author 负责将计划转化为一段自然、有内容承载力的文字，并内嵌引用。适用于正在撰写 sections/S*.md 中 H3 正文、希望获得子节专属、受证据约束的散文而非模板化文字的场景。该技能要求引用真实、限定在子节引用范围内，避免叙述性语句和重复的模板句式，并提供了自检清单和故障排除指南。
research-pipeline-runner
Research Pipeline Runner 是一个研究流程执行技能，用于在用户请求调研、简报、综述、教程或想法探索时，端到端运行一个研究工作流。它把一次请求转化为可审计的工作区（Workspace），核心原则是“可延续”：每个动作都要留下足够的持久状态，使下一条命令或下一个智能体无需从聊天记录重建运行过程即可继续。它负责将未绑定的目标路由到合适的工作流，执行单个符合条件的单元，并在遇到人工检查点、未决决策、质量契约失败、缺失产物或终止性错误时停下。
section-merger
Section Merger 是一个确定性的草稿合并技能，用于将 sections/ 目录下按单元生成的正文文件，按照 outline/outline.yml 定义的大纲顺序，合并为单一的 output/DRAFT.md，便于后续润色、评审或生成 LaTeX。它只做拼接，不重写内容、不虚构文字。合并时可依据 sections/sections_manifest.jsonl 校验每个小节的字节数与 SHA-256 哈希，确保快照一致。过渡句默认不插入，需显式创建 outline/transitions.insert_h3.ok 或 outline/transitions.insert_h2.ok 才会注入 H3/H2 过渡。附录表格来自 outline/tables_appendix.md，会被插入到草稿末尾的 ## Appendix: Tables 之下，并剥离其中误带的标题；可通过 outline/tables.insert.off 关闭。输出还包括 output/MERGE_REPORT.md 合并报告。
literature-reader
Literature Reader 是一个用于阅读、分析并总结学术文献 PDF 的技能，可提取论文元信息、识别研究问题、梳理方法论、分析实验结果并生成结构化文献概要笔记，支持中英文论文、单篇精读与多篇文献横向对比。
nerdbot
Nerdbot 是一个用于构建、查询和维护 Obsidian 原生、git 友好、由智能体管理的知识库工具。它面向分层知识库设计，将原始证据（raw 层）与综合整理的 wiki 知识（wiki 层）分离，并强调来源溯源、索引、schema/配置、共享 vault 约定以及仅追加的活动日志。它适用于创建、摄取、丰富、审计、查询、派生和迁移知识库等场景，明确不适用于自由笔记、文档站点维护、数据库型知识系统或一次性研究。
forge-novel-fusion
Forge Novel Fusion 是一个小说文风融合技能，用于将多个已蒸馏的作者风格档案（style.json）按层级拆解并重组为一个新的、可用的统一文风档案。它强调按叙事声音、句式、用词、场景节奏、对话、情感处理等层级分配来源，而非简单平均原文，并把各来源的薄弱习惯归入反模式。产物可交由 use-novel-style 使用，并可通过验证脚本检查结构合规性。
forge-novel-style
forge-novel-style 是一个用于小说文风提炼的技能，可将用户提供的小说样本蒸馏为可复用的本地文风档案，供后续写作调用。它遵循 Forge 模式：收集证据、构建结构化档案、验证、由用户校正后版本化。档案聚焦叙事视角、句法节奏、用词质感、场景开合、对话与情绪处理等写作技法的抽象规律，而非复制情节或人物身份。产物为 novel_styles/{style_name}/style.json（唯一事实来源）与 style.md（供人阅读）。适用于需要模仿某种散文风格但避免内容侵权的写作场景。
use-novel-style
use-novel-style 是一个受「风格画像」约束的小说写作技能，用于按 novel_styles/{name}/style.json 中提炼的作者文风撰写、续写或改写虚构作品。它只控制行文机制（叙事视角、句长与段落节奏、用词约束、对白与叙述比例、情绪处理方式等），不复制原作受版权保护的内容。使用前需先加载风格画像并生成运行时卡片；若画像缺失或无效，需先执行 /forge-novel-style {style_name}。技能支持新场景/章节、基于用户文本续写、草稿改写、风格化逐行润色四种模式，并在写作前检查场景是否具备人物欲望、阻力、被迫选择、即时代价等故事引擎要素，缺失时会要求先重建章节核心。
focus-friendly
focus-friendly 是一个用于改善信息呈现方式的技能，帮助把密集或复杂内容变得易懂、好导航、易记住、可执行。它通过分层、具体示例和可见进度来降低阅读与理解成本，适用于阅读研究、学习概念、推进项目、比较决策和找回焦点等场景。
storytelling-hooks
Storytelling Hooks 是一个面向短视频钩子与开场白创作的写作技能，聚焦 TikTok、Reels、Shorts 等短内容。其核心是六种心理杠杆：好奇心缺口、情绪镜像、冲突引擎、共鸣感、模式与惊喜、三幕结构。该技能强调钩子需在2秒内阻止划走，同时用限定词筛选目标观众，并规定视频钩子应包含视觉首帧、口播台词和屏幕文字三个层次。提供生成流程、改写示例、书挡式结尾与行动号召、常见错误及发布前检查清单，适用于教育、SaaS、健身、金融、B2B、个人品牌等各领域。
baseline-selection-audit
Baseline Selection Audit 是一个面向机器学习与人工智能研究的技能，用于审查实验基线选择的必要性、公平性、时效性与审稿风险。它适用于正在选择基线或检查 SOTA 对比是否充分的场景，可把研究主张、方法、实验计划草稿或文献地图转化为经得起审稿人质疑的基线集合与公平性台账。该技能会区分直接竞品、最强经验基线、标准基准基线、消融基线和对照基线，为每个候选基线分配 must-have、should-have、optional、not-comparable 或 citation-only 等需求级别，并从数据、模型规模、算力、调参、指标、协议、代码可用性等维度审计公平性，最后生成可交接给实验设计的报告。
deep-research
该技能名为 Deep Research（深度研究），用于借助 firecrawl 和 exa 两类 MCP 工具进行多来源深度网络研究。它会围绕一个主题拆分为若干子问题，在网络上多轮搜索、抓取并精读关键来源，再综合成带有引用与来源标注的研究报告，适用于竞争分析、技术评估、市场规模调研、尽职调查等需要整合多来源信息的问题。使用时需至少配置 firecrawl 或 exa 二者之一，两者同时配置覆盖面最佳，可在 ~/.claude.json 或 ~/.codex/config.toml 中配置。工作流程包括：先提出 1-2 个澄清问题以明确目标，再把主题拆成 3-5 个子问题，针对每个子问题用 2-3 组关键词变体进行搜索，目标收集 15-30 个独立来源，随后对最相关的 3-5 个来源做全文抓取精读，最后按执行摘要、主题章节、要点总结、来源列表和研究方法等结构撰写报告。报告中的每个论点都要求附来源，单一来源的说法需标注为未经核实，优先采用近 12 个月内的资料，找不到资料时应说明数据不足，并区分事实与推测。对于范围较广的主题，还可借助 Claude Code 的 Task 工具并行启动多个研究子代理分头研究，再由主会话整合成最终报告。
generar-prd-conversacional
这是一个对话式 PRD 生成技能，通过逐节访谈用户来生成可交付的 PRD.md 文档。它不会一次性草率成稿，而是在写入每一节之前先向用户提问、确认，遇到涉及真实决策的章节还会给出 2-3 个带权衡的备选方案。它把代理的假设用 <!-- REVISAR: ... --> 明确标出，交由人工复核。适用于需要一份站得住脚、可辩护的产品需求文档，而不是模糊初稿的场景。包含 8 个章节：问题、目标用户、目标/预期结果、范围、非范围、成功标准、边界情况、假设与风险。
literature-search
系统化文献综述方法技能，涵盖检索策略设计、纳入排除标准、PRISMA 流程、筛选与质量评估及综合分析方法，适用于开展文献综述或撰写研究背景。