aiq-research
AIQ Research 技能用于通过本地或自托管的 NVIDIA AI-Q Blueprint 后端执行深度研究类请求，借助 scripts/aiq.py 调用 /chat 与异步任务接口，支持轮询、恢复、报告获取与追问重跑。
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
14,002 个结果
business-model-researcher
Business Model Researcher 是一个用于商业模式研究的技能，覆盖商业模式画布与精益画布、价值主张与客户细分、收入与定价模型、单位经济（CAC、LTV、利润率、回收期）以及分解收入模型、GEO 与市场调研。
paper-digest
将学术论文（PDF、图片等）解析并深度分析为结构化研究卡片的技能，覆盖研究问题、方法、数据集、结果、局限等字段，先由 SoMark 将 PDF 解析为 Markdown，再做 AI 提取，适用于文献综述与知识库整理。
space-video-script
该技能用于撰写视频口播脚本，包含两大特色：一是去 AI 味，把书面或 AI 腔的表达改成能念出口的真人口语；二是把模糊想法逼成一份精确到秒的分镜脚本，明确每个镜头讲什么、怎么呈现、停多久、怎么切。适用于用户提出「写口播脚本」「这段太 AI」等需求时。
warmth
温暖现实向短篇/治愈系小说写作技能，用克制细节、小冲突与温暖收束，写普通人的小困境与小成长，避免狗血、煽情、说教和鸡汤。
content
vstorm-co/content-skills 中的 content 技能：内容工作室的主路由器，接收 /content <子命令> 并分发到对应子技能，维护共享品牌一致性，协调多步工作流，本身不生成内容。
write-readme
write-readme 是一个面向开源项目（库、CLI 工具或智能体工具）的 README 撰写与评审技能，核心视角是“缺乏耐心的读者”：先讲清具体价值，再给出最短上手路径。它要求作者先收集上下文（解决的问题、目标受众、现有替代方案、最突出的价值或证据、非目标），随后将项目归类为库、CLI/工具或智能体工具，并在动笔前做删减，去除重复的清单、徽章噪音、营销话术和照搬的 --help 表格。文章采用倒金字塔结构：直白价值、安装、常见用法、边界，最后才是可选参考内容，并强调让最常见的调用或导入方式出现在前 30 行。该技能还给出开头规则、削减清单，以及针对被编码智能体调用的 CLI 的特殊写法，例如把 README 当作工具的函数签名、展示确切命令形态与必需参数、补充 Not for X 的防误用提示。
bias-assessor
bias-assessor 是 Research Units Pipeline Skills 中的偏倚评估技能，用于在 evidence-review 生成抽取表后补齐轻量风险偏倚字段。适用于证据或系统综述流程，需已存在 papers/extraction_table.csv，无网络访问。
citation-injector
Citation Injector 是一个引用注入技能，依据 citation-diversifier 生成的引用预算报告，将“在范围内”的引用键注入已有草稿，不引入新事实，并使全局唯一引用数量达到目标。
schema-normalizer
Schema Normalizer 是一个用于规范化跨技能 JSONL 接口的工具，重点统一 id、title 和引文键（citation key）格式，避免下游技能依赖不确定的字段拼接。它面向“技能优先”pipeline 中常见的 schema 漂移问题：当字段不一致（缺少 id/title、引文键格式混杂）时，下游会使用不稳定的解析与 join。该工具以 outline/outline.yml 为字段来源，规范化多个 JSONL 产物，并可生成规范化报告。
article-rewriter
article-rewriter 是一个深度改写中文文章的 AI 技能，支持对内联文本、文件路径或 URL 三种输入进行翻译、改写、润色与平台适配（如公众号、知乎、Newsletter），提供 quick、standard、publish 三种模式。
research-project-memory
Research Project Memory 是一个用于维护机器学习研究项目分层记忆的协调型技能。它把项目记忆组织为分层系统而非扁平笔记文件，为智能体提供共享协议，用于记住研究项目试图证明什么、存在哪些证据、还剩哪些风险，以及每个后续动作由哪个组件负责。该技能适用于需要跨会话记忆的场景，帮助论文、代码、工作树、幻灯片、审稿人模拟与反驳等模块之间保持对齐。它不替代远程项目控制、实验设计规划、会议写作适配、论文审稿模拟或反驳策略等技能，而是告诉它们在哪里以及如何持久化可信的项目状态。技能通过 memory/ 目录下的项目配置、声明板、证据板、风险板、行动板、溯源板、交接板、阶段仪表盘、来源可见性板等模板文件，以及组件级 .agent/ 目录下的状态与工作树索引，构建声明-证据-风险-行动图，并支持一致性检查与会话收尾协议。
table-results-review
这是一个用于审查机器学习与人工智能论文结果表格的技能，适合在表格被当作论文证据、会议材料或反驳材料之前进行核对。它主要处理以独立文件形式保存、再通过 \input{tables/results} 插入正文的 LaTeX 表格，覆盖基准测试、消融实验、速度、模型规格、指标定义、oracle、健全性检查与附录表格等类型。技能关注表格标题与内容是否一致、行列含义、指标方向、加粗与下划线规则、脚注、缺失值约定，并追溯表格数值的来源，包括结果 CSV、日志、配置、随机种子、聚合方式、舍入以及人工修改。它会先描述表格再解释含义，审查表格对具体论断的支持程度，检查统计与实验证据，给出表格说明、来源摘要、标题对齐诊断与修改建议，并把问题路由到表格包装修复、表格编辑、标题重写、描述补写、结果文本改写、资产构建、结果挖掘、重跑、结果诊断、基线审计、缩小论断、移至附录或删除等后续动作。该技能不用于已渲染的图表资产或绘图样式，也不负责把整篇论文的大量图表与论断关联起来。
search-specialist
这是一个面向网络信息检索与综合的专家技能，适用于需要系统化搜索、筛选、验证和整合多来源信息的任务。它强调高级搜索查询构造、域名过滤、结果质量评估、跨来源信息综合、事实核查与交叉引用，以及历史与趋势分析。使用方式包括：明确研究目标与约束、生成3至5个查询变体、先广泛搜索再逐步细化、通过多个来源验证关键事实、记录矛盾与共识。输出通常包含研究方法与所用查询、带来源URL的整理结果、来源可信度评估、关键洞察综合、发现的矛盾或空白、数据表格或结构化摘要，以及后续研究建议。该技能适合研究、情报收集、事实核查和趋势分析等场景，不适用于与搜索专家工作无关的任务或需要其他领域工具的情况。
paper-research
命令行学术文献搜索工具，可并行检索 OpenAlex、Semantic Scholar、CrossRef、arXiv、PubMed、DBLP、bioRxiv 等源，并支持 Google Scholar、知网、Web of Science，自动去重、下载 PDF、导出 BibTeX。
reviewing-user-research-prior-art-survey
用于在验收前评审用户研究先行调查产物的技能，依据 references/conditions.md 中的四十项条件逐条判断研究词汇表、单角度检索输出、摘录容器或证据登记册是否诚实记录检索与发现。
user-research-prior-art-survey
用于在界面设计前，系统检索已发表的用户研究证据的技能。它按四个流程产出词汇地图、单角度检索结果、单来源深读容器与证据登记表，并用校验脚本把关。
gds-domain-research
面向游戏领域与行业调研的技能工作流，基于实时网络数据与可验证来源生成带引用和叙事的完整研究报告。激活时解析自定义配置、加载持久事实与配置，询问研究主题后创建输出文件并进入分步调研流程。需具备网络搜索能力。
transcript-polisher
Transcript Polisher 是一款把播客、访谈等口语原始转录稿润色为可读文档的技能：去除口头禅、修正语法、添加章节结构，同时保留说话人真实语气与含义，目标是在不改变原意的前提下将篇幅缩减约25%–35%。
voice-matching-wizard
一款把写作样本转化为可复用“声音技能”的向导：分析你或他人文章中的句子结构、用词、语气、结构与独特手法，生成 voice-[name].skill.md，供 AI 稳定模仿该风格，并可与 anti-ai-writing 等技能配合使用。
unified-research-synthesizer
将多来源调研整合为一份《统一调研文档》的文案策略技能，用RMBC方法桥接调研与简报阶段。输入产品描述、目标受众、成分研究、竞品数据、客户反馈和认知层级，输出ICP画像、痛点欲望矩阵、竞品格局、证据库、机制候选与策略建议，作为所有文案决策的可追溯依据。
paper-narrative
用于梳理科学论文叙事结构的技能：围绕手稿、摘要、图表与证据链组织论证，识别证据缺口，并给出章节与图表的调整方案。
explore
explore 是 cosmincartas/context-engineering 项目中的一项技能，当用户希望理解技术概念、比较方案、查看代码示例，或评估采纳某项技术对当前代码库的影响时使用。它把回答限定在「探索」阶段，不把技术问题变成交付项目：默认在对话中回答，可按需推断概念、影响、比较、示例、设计五种模式，并将重要论断标注为已确认、推断或未知；对外部信息要求记录调研日期、优先一手来源并给出引用。
batch
Batch 是一个用于跨多个独立目标并行规划与执行可重复迁移或批量转换的技能，适用于代码、文档、研究产物、运维配置及混合任务集，强调分区、受限并行、逐目标验证与结果汇总。