docfront
docfront 是一套在 docs/ 目录中编写、组织和浏览文档的约定与 CLI 工具，供人和 AI 智能体在终端中发现并阅读文档。支持列出目录、递归浏览、读取文档（去除 frontmatter）以及校验文件命名与格式。
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
14,007 个结果
deep-research
deep-research 是一个用于复杂实现任务前的研究与分析技能，通过本地代码检索、外部库搜索、外部知识查询和架构分析工具，系统梳理代码库与依赖，输出结构化研究报告。
blog-drafter
面向技术产品受众的访谈式博客起草技能：先通过结构化访谈提炼用户独到观点，再产出含论点、大纲与研究建议的草稿，并在用户认可后进入文风润色阶段。
circuit-resource-analysis
Circuit 资源分析技能：通过 Circuit 产品视角审视用户提供的文章、对话、X 帖子、工作流示例、GitHub 仓库或代码库，评估其与 Circuit 的关联、差异、可行性与产品影响，并给出是否值得收录的建议。
clean-prose
clean-prose 是 redhat-developer/rhdh-skills 技能包中面向人工调用的入口，用于把提供的文本或文件路径交给该技能包的散文编辑器处理。仅在用户明确调用 /clean-prose 时使用。
aeo-geo-writing
AEO/GEO Writing 是一套面向 AI 搜索引擎的内容写作规范，目标是让网页文案被 ChatGPT、Perplexity、Gemini、Google AI Overviews、Claude 等引用，而不只是被传统搜索排名。核心原则是写可核查的事实，而非泛泛而谈。
thesis-writing
这是一个用于撰写、组织、起草和审阅学位论文的 AI 技能，覆盖本科论文/TFG、硕士论文/TFM 及博士论文等实证研究写作。它提供五种工作模式：从选题界定与范围讨论，到章节大纲生成、具体章节起草、全文审阅编辑，以及写作过程与进度规划。技能强调论文应围绕一个清晰的研究问题展开，并特别关注最容易被忽视的两章——目的明确的引言和回答“那又怎样”的讨论。它支持按学位层次调整章节数量与深度，默认使用 Markdown/纯文本输出，也可在需要时使用 LaTeX、Word 或 Google Docs 风格，并遵循所在院校的格式要求。
synthesis-clean-text
synthesis-clean-text 是一个文本生成合规技能，用于设定并审计“生成文本不含隐藏标记”的要求。它规定输出文本不得包含用于识别的特殊 Unicode 不可见字符、系统性词元模式形成的统计指纹或嵌入签名，并明确区分“要求”与“可验证证明”的边界：字符级属性可在生成后直接审计，但未公开的密钥化词元选择方案无法通过散文指令验证或可靠移除。技能提供 scripts/text_integrity_audit.py 审计脚本，可报告文件的 SHA-256、字节与字符数、BOM、换行、Unicode 规范化差异，以及逐项列出隐藏字符发现（如 U+200B、双向控制符、变体选择符等），脚本只读不改写。适用于需要隐私、保密、内容质量与透明度的写作场景，也说明何时应改用本地可控开源权重模型并保留溯源记录。
synthesis-creative-writer
这是一个将大语言模型配置为创意写作教练与编辑的配置型技能，属于 synthesis writing craft 系列（作者写作、AI辅助）。它定义了 LLM 在创意写作中的角色与职责：协助发展想法与故事线、提升表达的清晰度与感染力、建议更好的用词与措辞、保持作者独特声音、对草稿提供建设性反馈；同时规定了写作理念（保留作者自然风格、以增强而非替代为原则）、按“有效之处—改进机会—具体建议—理由—由作者决定”的顺序组织反馈，以及清晰、影响力、流畅等写作原则，并给出博客、社交媒体、专业写作等不同内容类型的指导要点和反馈标准。
vuln-research
安全研究元思考方法论技能，源自先知社区5600+篇安全文档提炼，提供漏洞挖掘的L1-L4思维金字塔、通用决策循环和跨领域核心公式，并可按Web注入、反序列化、二进制、域渗透、代码审计等场景查阅对应方法论文档。
academic-scientific-research
面向学术与科学研究的技能，用于检索、筛选并综合学术论文、科学文献、技术报告、预印本及临床或生物医学证据，帮助规划研究、选择来源、确定提取目标并汇总证据。
baoyu-markdown-to-html
baoyu-markdown-to-html 是一个 Markdown 转 HTML 转换器，将 Markdown 文件转换为带内联样式的美观 HTML，针对微信公众号等平台做了适配。它提供 default、grace、simple、modern 四套主题，支持自定义主色、字体与字号，并保留代码高亮、数学公式、Mermaid、PlantUML、脚注、Alerts、信息图等 Markdown 特性。还提供可选的外链转底部引用模式。转换结果输出为与输入文件同目录的 .html 文件，冲突时自动备份。通过 bun 脚本执行，需在 vault 根目录运行，适合把 Markdown 文章排版发布到微信等平台。
deep-research
deep-research 是一个用于对指定主题进行综合调研的技能，会并行启动多条研究线程，结合本地代码库分析与网络检索，交叉比对多个来源后输出结构化研究报告。
case-study-writer
将已完成的客户项目整理为可发布的案例研究，采用 Case Study Kit 的 12 节结构，产出网站案例页、单页摘要和 LinkedIn 交接稿，并可生成 SME 访谈问卷、设计简报与发布前检查清单。
unslop
unslop 是一个用于编辑文本、去除 AI 写作痕迹的技能。它通过扫描文本中的特定模式并重写来保留原意与语气，检测范围涵盖内容、语言、风格、沟通痕迹、填充词、术语和表达方式等多个类别，例如删除空洞的 -ing 短语、模糊归因、AI 高频词汇、过度破折号与冒号、聊天机器人套话、冗余填充词和抽象隐喻名词等，并提倡主动语态、平实用词和完整句子。
earnings-analysis
该技能用于为已覆盖的公司生成专业的股票研究季度业绩更新报告，遵循机构标准（如摩根大通、高盛、摩根士丹利格式）。报告长度为8-12页、3000-5000词，包含1-3个摘要表格和8-12张图表，通常在财报发布后24-48小时内完成。核心聚焦于“新信息”：业绩超预期/低于预期分析、更新盈利预测、对投资论点的影响。要求所有数据必须附有具体来源和可点击超链接，包括财报发布、10-Q文件、电话会议记录、投资者演示材料、一致预期来源等。使用场景包括用户请求“为某公司创建2024年Q3业绩更新”、“分析某公司季度业绩”等。不适用于首次覆盖报告、快讯或未覆盖公司。工作流程分为数据收集、分析、图表生成、报告创建和质量检查五个阶段。主要交付物为DOCX报告，可选XLS模型更新。依赖Python（matplotlib、pandas、seaborn）和DOCX技能。
earnings-preview-single
earnings-preview-single 是一个面向单一公司的股票研究财报前瞻生成技能。它基于 Kensho Grounding MCP 搜索和 S&P Global MCP（kfinance）两类指定数据源，分析最近一期财报电话会议记录、竞争对手格局，并生成一份精简、数据密集的专业股票研究报告，输出为独立的 HTML 文件，目标篇幅为打印后 4-5 页。该技能强调严格的数据溯源、可验证的直接引语、多步计算的算术校验，以及报告正文中每个数据点都附带指向附录的信源超链接。适用于分析师或投资者在财报发布前快速产出单公司前瞻报告的场景。
initiating-coverage
该技能用于生成机构级首次覆盖研究报告（equity research initiation report），采用严格的多任务分步工作流。它将整个报告流程拆分为 5 个独立任务：公司研究、财务建模、估值分析、图表生成、报告汇编。每个任务必须单独执行，并在开始前校验前置输入是否就绪。技能不自动串联任务，也不假设用户想继续下一步，而是每次只完成一个任务并交付明确规定的产出物（一份研究文档、一个 Excel 模型、一份估值分析、一个图表压缩包、一份最终报告）。默认全文档使用 Times New Roman 字体，除非用户另有指定。资料未提供该技能的具体收费、平台限制或效果保证。
prd-writer
PRD Writer 是一个帮助产品经理撰写产品需求文档（PRD）的技能，围绕用户故事、验收标准、技术规格、线框描述和优先级排序等要素，指导团队对齐功能规格。它结合以用户为中心的设计、技术清晰度和业务背景，覆盖从执行摘要、用户故事与用例、功能与技术规格、UI/UX 线框描述，到 RICE/MoSCoW 优先级框架、发布规划、成功指标、风险与缓解以及 PRD 审批清单等完整结构，并给出可交付成果清单。
table-schema
Table Schema 是一个用于调研（survey）写作流程的技能，核心是“先设计 schema，再填充表格”。它把表格分为两层：内部索引表（outline/tables_index.md，用于覆盖度检查与快速证据扫描，不进入论文）和面向读者的附录表（outline/tables_appendix.md，可插入最终 PDF）。该技能要求在填充前先定义每张表要回答的问题、行单位（如 H3、benchmark、work、failure mode）、列及其单元格风格约束，以及每列对应的上游证据字段映射，确保表格可验证、可填充，避免出现需要编造事实的列。默认以语义（LLM 优先）方式工作，视为设计任务而非脚本执行。
paper-review
paper-review 是一个面向顶级计算机科学会议与期刊的学术论文同行评审技能。它支持 PDF 和 LaTeX 两种输入格式，能够对论文进行系统化评审。评审流程包括：先通过 AskUserQuestion 收集评审语言（中文或英文）和目标会议/期刊（如 NeurIPS、CVPR、ICML、ICLR、TPAMI 等）；随后提取论文内容（PDF 使用 pdfplumber 逐页提取文本，LaTeX 则递归读取主 .tex 文件及 \input、\include 引用的子文件）；再识别摘要、引言、相关工作、方法、实验、讨论、结论、参考文献等关键章节。评审从八个维度展开：原创性与新颖性、技术质量与可靠性、实验验证、清晰度与呈现、重要性与影响力、可复现性、视觉元素质量、伦理与局限性，每个维度给出评分（X/10）和置信度（1-5）。综合评分按加权平均计算（原创性 20%、技术质量 25%、实验验证 20%、清晰度 15%、重要性 15%、可复现性 5%），并给出从 Strong Accept 到 Strong Reject 的推荐等级。最终生成两份 Markdown 文件：完整评审报告 review-{paper-name}-{timestamp}.md 和改进计划 improvements-{paper-name}-{timestamp}.md。
yao-expert-skill
Yao Expert Skill 可将某个领域、行业、技术、角色、市场、产品方向或模糊想法，整理成一套专家级学习资料包，包含结构化报告、教程路径、关键词教学卡、费曼测试题以及四种导出格式，适合需要系统入门并建立领域认知的场景。
literature-review-writer
顶刊论文文献综述写作工具。用户提供研究选题或研究问题后，该工具会自动检索真实学术文献、核实文献真实性，并按照顶级期刊（如AMJ、ASQ、SMJ、MISQ、OS、JCR、JMR等）的写作标准撰写文献综述部分。其核心特征为精炼、论证驱动、战略性选文，采用漏斗型结构组织内容，强调文献之间的脉络关系、演进趋势与研究空白。工作流程涵盖研究选题解析（拆解核心构念与变量关系）、真实文献检索、文献真实性核查、综述结构确定、正文撰写以及对话输出与Word文档生成。综述默认使用APA第7版引用格式，若用户以中文提供选题则默认用英文撰写，除非用户明确要求中文。
experiment-story-writer
Experiment Story Writer 是一个用于机器学习与人工智能论文写作的技能，专门把实验表格、图表、消融实验和指标转化为“以论断为中心”的结果段落文字。它帮助作者规划实验章节顺序、根据表格和图表撰写结果段落、解释主结果、消融、诊断、效率结果和定性示例，并处理混合、负面或意外结果，同时用占位符标记尚未完成的临时指标。该技能强调结果文字应回答论断问题而非单纯描述表格，要求每个结果段落说明比较对象、指标、设置和结论，并披露影响比较的计算、数据、训练时长、调参预算、硬件和评估协议等细节。它不用于从零设计新实验，而是与论文写作记忆管理、结果资产构建、证据缺口挖掘等技能配合使用。