paper-lookup
通过 REST API 检索 10 个学术论文数据库的技能，覆盖 PubMed、PMC、bioRxiv、medRxiv、arXiv、OpenAlex、Crossref、Semantic Scholar、CORE、Unpaywall，可查找论文、预印本、全文、开放获取 PDF、引用关系与作者成果。
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 10-24 00:15
写作与研究
14,077 个结果
scientific-writing
科研写作核心技能，结合深度检索与文献验证，用 IMRAD 结构、多种引用格式与报告规范撰写科学手稿，并强调全文用完整段落而非要点罗列。
writing-well
writing-well 是一个用于审校和改进用户文本的写作技能，围绕清晰、简洁和影响力执行 7 项检查，适用于审阅、编辑或重写文本的场景。
google-related-questions
该技能通过 Frevana 接口，用 next_page_token 展开 Google“People also ask”/相关问题结果，返回经过校验的 JSON。它本身不是关键词搜索接口，token 必须来自常规 Google 搜索响应中的 related_questions 项。
web-search-exa
基于 Exa 的神经网页搜索与深度研究技能，支持相似内容查找、网页内容提取、LLM 问答与异步研究任务，通过 Gooseworks 代理以 Bearer 认证调用。
web-search-tavily
基于 Tavily 的 AI 网络搜索与研究技能，提供搜索、网页内容提取、站点地图、爬取和深度研究能力，通过 Gooseworks 代理以 Bearer 认证调用。
research
一个项目级持久化研究存储技能：在项目根目录维护 .research/ 目录，用 INDEX.md 作为索引分发器，按主题保存 FINDINGS.md 研究结论，检索时按层级渐进加载，避免重复研究并节省上下文。
social-polish
从核心观点生成可直接发布的社媒长文，运用 4D 框架分析选题、去 AI 味处理与 6 维度评审，适用于 X 长推、小红书、微信公众号、即刻等平台。
s4h-writing
用于写作类问题的技能路由工具：读取用户描述后判断问题类型，并将其导向对应的写作技能，覆盖虚构创作、连续性检查、编辑修改、专业与非虚构写作、修辞与受众校准等方向。
s4h-writing-audience-calibration
面向特定读者校准写作的技能：通过分析读者的知识、关注点与关系，识别过度解释或解释不足等问题，并据此改写开场与框架，使同一内容更贴合目标读者。
s4h-writing-plot-structure
s4h-writing-plot-structure 是一个用于以五拍戏剧结构（激励事件、第一转折点、中点、至暗时刻、高潮）诊断故事结构性问题的写作技能，帮助定位情节失去动力、中段拖沓或结尾仓促等结构缺陷。
s4h-writing-pov
这是一个用于审校写作中叙事视角（POV）的技能，检查是否存在违背视角契约的问题、视角一致性以及视角选择是否契合故事需求。当叙事读起来不一致、出现不受欢迎的“跳视角”（head-hopping），或选定的视角可能不适合故事效果时使用。它把 POV 视为作者与读者之间关于“叙事能知道什么”的契约：一旦叙事获取了它承诺不会获取的内容，就会破坏读者信任。技能支持识别人称/贴限第三人称/全知/第二人称/混用等视角类型，明确该视角的契约，扫描内心、观察、知识、不一致四类违规，并评估视角是否服务于故事核心效果。
s4h-writing-scene-construction
用于诊断和修复小说单个场景的写作技能，基于“欲望/障碍/结果”框架分析场景是否改变故事状态。可检查结果类型、感官描写、潜台词和场景功能，并给出保留、删减、合并或重写的建议。
s4h-writing-tone-alignment
用于诊断和修复写作中的语气漂移，即语域、正式度、温度、紧迫感或句式节奏在全文中的无意识变化。适用于多人协作稿、跨时段长文、拼接素材；通过建立基准语气、标记偏移、诊断成因并给出具体修改建议来统一文本声音。
s4h-writing-voice-consistency
从已有优质段落中提取“声音指纹”，用于审计并修复多人协作文档中的文风偏离。适合品牌或组织写作的统一口径检查，包含特征提取、指纹样例、偏离扫描与文风指南生成。
s4h-writing-worldbuilding
用于审核虚构世界的内部一致性、质感、经济结构与“约束—故事”对齐度的写作技能；当世界显得单薄、通用或仅像背景板时可使用，帮助判断世界是否真正承载故事冲突。
capture-learning
该技能用于把用户分享的技术领悟、调试根因、工具或系统的实际行为记录到 Logseq 笔记库（路径 /Users/hw/logseq）。它既可在用户明确说“document this”“capture this learning”“TIL”等时手动触发，也会在用户表现出“原来如此”“我不知道”“等等，所以 X 其实……”这类惊讶或纠正、发现新的命令行参数/配置项、理解发生根本转变、或解决疑难 Bug 并由此揭示系统真实行为时主动捕获（捕获后再向用户确认）。技能会先概括学习点，再用 grep_search、glob 在库中查找相关页面（优先使用命名空间），随后依据 logseq-organization 技能决定追加到已有页面、写入当天日记的 #learnings 标题下，或在内容较重要时询问是否新建学习页面；捕获时始终关联相关项目页面以保留来源上下文，最后写入并简要确认。例行重构、用户本就掌握的知识、转述他人发现、通用最佳实践以及用户在提问时不会触发。
ecto-changeset-patterns
面向 Elixir Ecto 的 Changeset 模式技能，适用于超出基础 CRUD 的 changeset 工作。强调按操作拆分命名 changeset、组合校验、cast_assoc 处理、字段转换以及唯一性校验的配对使用。
feature-discovery
feature-discovery 是一个自主式功能调研与差距分析技能，用于在启动 /add-new-feature 或分析现有架构文档时，先理解功能目标而非实现方式，收集证据、识别缺口并整理需用户确认的问题。
changelog-generator
changelog-generator 是技术文档领域的自动激活技能，用于辅助生成变更日志（changelog）。当请求中提到 changelog generator，或询问其模式与最佳实践时自动触发，提供分步指导、配置与代码生成及校验。
writing-clearly-and-concisely
该技能用于在撰写供人类阅读的散文时提升清晰度与简洁度，适用于文档、README、技术说明、提交信息、拉取请求描述、错误信息、UI 文案、帮助文本、注释、报告、摘要等场景。核心包含两部分：应做什么（Strunk《The Elements of Style》的写作规则）与不应做什么（需避免的 AI 写作模式）。规则涵盖语法与标点（如单数所有格加 's、系列项之间用逗号、插入语用逗号包围、独立分句不用逗号连接等），以及写作原则（每段一个主题、主题句开头、使用主动语态、肯定句式、具体明确的语言、删除多余词、相关词相邻、强调词置句末等）。同时列出应避免的 AI 文风：夸大词（pivotal、crucial、vital 等）、空洞的 -ing 短语（ensuring reliability、showcasing features 等）、宣传性形容词（groundbreaking、seamless、robust 等）、过度使用的 AI 词汇（delve、leverage、multifaceted、foster、realm、tapestry）、过度使用项目符号、表情符号装饰和加粗。在上下文紧张时，可先将草稿交给子代理，仅加载相关章节文件进行编辑以节省 token。
mermaid-visualizer
将文本内容转换为适用于演示和文档的专业 Mermaid 图表，自动规避列表语法冲突、子图命名、空格等常见语法陷阱，确保在 Obsidian、GitHub 等兼容平台正确渲染。
cross-domain-analogy-finder
跨域类比查找器（Cross-Domain Analogy Finder）是一个用于在远距离领域中寻找某个概念“结构孪生体”的技能。它帮助用户借用其他领域的解决方案，或核查某个想法是否已以别的名称存在。该技能强调验证环节，区分“进攻”（借用方案）与“防御”（核查新颖性）两种模式，并通过抽象骨架、搜索抽象而非名称、四类判定（完全相同、可移植、带差异的孪生、仅表面相似）以及“可携带结果”测试来过滤类比。它明确警告：大多数运行应返回“仅表面相似”，真正的跨域结构迁移很罕见。该技能需要具体的种子问题或待核查想法，不适用于回避难题或泛泛调研。
related-work-survey
related-work-survey 是一个用于科研选题定位的系统化文献综述技能：围绕研究问题定义综述维度、逐轴检索文献、构建分类体系、识别研究空白并撰写相关工作叙述，帮助用户理解领域现状并明确自身贡献位置。