humanizer
Humanizer 是一个用于去除文本中 AI 写作痕迹的编辑技能，源自 blader/humanizer（v2.5.1，MIT 许可），并针对学术与基金写作场景做了补充。它通过识别并改写 29 类 AI 写作模式，让文字更自然、更像人写，同时保留原意与语气。
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
14,079 个结果
ai-tells-scan
一个用于扫描并清理文案中明显 AI 写作痕迹的技能，适用于 README、文档、PR 描述、教程、博客、发布说明等最终面向读者的文本。它在草稿呈现前做一次机械式快速检查，替换禁用标点、开头词、词汇与结构反射，默认静默改稿，无法干净修改时会内联标记。
promote
用于在发布版本后生成 X/Twitter 推广帖的 Claude 技能：产出含 ASCII 卡片、推文串、CodeSnap 渲染命令与事实核查的 Markdown 文件，强调用可验证数据而非营销话术。
fda-510k-documentation
面向软件即医疗器械（SaMD）的 FDA 510(k) 文档自动化技能，可生成需求与法规之间的追溯矩阵、对比器械实质等同表、软件文档、ISO 14971 风险管理文档，并组装 510(k) 提交包结构。
script-writer-personality
该技能用于生成教育类视频脚本，支持 GMTK、Fireship、Chilli 三种人格风格，并强制执行严格的反 AI 套话写作规则。输入主题、故事弧、研究资料、时长、幽默度、技术深度与节奏等参数，输出可直接供 TTS 朗读的纯文本脚本。
peach-wiki
peach-wiki 是基于 Karpathy LLM Wiki 模式的知识管理技能，可读取代码项目或 Obsidian 笔记等原始资料，在 docs/wiki/ 下构建并维护累积式知识库，支持初始化、摄取、查询、变更同步与一致性检查。
dojo-david-deutsch
一个以哲学家 David Deutsch 为单一专家角色的技能面板，把用户问题按主题路由到对应专家，并以该专家本人的框架与语气作答，不混合不同专家声音。
japanese-email
japanese-email 是一个用于撰写专业日语商务邮件的技能。它依据日本商务礼仪，帮助用户生成包含正确敬语（keigo）、季节问候语（時候の挨拶）和规范结构的日文邮件。该技能涵盖丁宁语（teineigo）、尊敬语（sonkeigo）和谦让语（kenjogo）三种敬语层级，并内置邮件模板、敬语动词转换示例以及按月份划分的季节问候语参考资料。它定义了日语商务邮件的七部分结构：宛名、挨拶、名乗り、要旨、詳細、結び、署名，并提供主题行写法、开场白、缓冲语（クッション言葉）和结尾语的规范用法。同时，它还列举了常见错误，如二重敬语、对自己使用尊敬语、缺少お/ご前缀、过于直接的请求以及使用随意语言等。该技能适用于会议邀约、致歉、婉拒等常见商务场景。
hugging-face-papers
用于查询和阅读 Hugging Face 论文页面（hf.co/papers，基于 arXiv）的技能：可将论文内容以 markdown 获取，或通过论文 API 获取作者、关联模型/数据集/Space、GitHub 仓库等结构化元数据，并支持每日论文、搜索、索引与链接更新。
litho-document-skill
Litho Document Skill（纯 Agent 版）是 Litho（deepwiki-rs）的纯 Agent 平行实现，不依赖外部二进制，通过 Agent 工具调用完成四阶段文档生成流水线，产出概述、架构、工作流、模块深度研究、边界接口及条件触发的数据库文档。
llm-wiki
llm-wiki 是一个基于 Andrej Karpathy 的 LLM Wiki 模式构建的技能，用于创建和维护持久、可累积的互链 Markdown 知识库，并遵循 Zettelkasten（卡片盒笔记法）笔记纪律。与传统 RAG 每次查询都从头重新发现知识不同，该技能将知识一次性编译并持续保持更新：交叉引用已存在、矛盾已被标记、综合内容反映所有已摄入的资料。分工上，人类负责筛选来源和指导分析，智能体负责总结、交叉引用、归档并维护一致性。知识库本身只是 Markdown 文件目录，可用 Obsidian、VS Code 或任意编辑器打开，无需数据库或特殊工具。该技能在用户研究主题、创建或构建知识库、摄入来源、提问且已有 wiki、检查 wiki 健康度等场景下激活。
obsidian-markdown
用于创建和编辑 Obsidian 风格 Markdown 的技能，覆盖 wikilink、嵌入、标注、属性、评论等 Obsidian 扩展语法，帮助生成结构化笔记与知识库内容。
deep-research
deep-research 是一个面向多轮研究的方法论与状态管理技能，用于把一个问题按照明确阶段推进并保留完整证据链。它将研究流程分为 Scope（界定范围）、Plan（制定计划）、Iterate（多轮迭代）、Compile（汇编）、Deliver（交付）：首先用 plan.py 生成包含子问题、深度目标与来源数量的研究计划并保存为 JSON 状态文件；随后由宿主 agent 执行网页抓取，再用 iterate.py 打印本轮需抓取的地址并把返回的证据（URL、标题、摘要、相关度、抓取时间）记录回计划，脚本会更新各子问题覆盖率，达到目标后完成标志置为真并结束迭代；最后用 compile.py 生成带引用标注的报告 Markdown，包含执行摘要、方法论说明、逐子问题章节、来源列表以及明确未覆盖内容。它适合需要研究综述、文献回顾、深度调研、多来源引用报告的场景，并提供 overview、thorough、exhaustive 三档深度选择。该技能本身不抓取网页、不自动解决来源矛盾、不做事实核查，依赖宿主 agent 的搜索抓取工具；持续监控需要另建定时技能。
paper-writing-review
面向学术论文写作与审阅的AI技能，帮助从项目证据出发撰写和修改论文、提案、相关工作、摘要等学术文本，并提供结构、方法、证据、风格、投稿、LaTeX审计和文献综述等多种审阅模式。
sota-literature-review
用于构建可复现、可检查、可持续更新的 SOTA 文献综述的编排型技能，覆盖从模糊想法、种子论文或查询出发的来源发现、引文追踪、全文获取、线性阅读、逐篇综合、参考文献规范、论断审计与综述产出。
youtube-transcript
youtube-transcript 是一个将一个 YouTube 视频链接或已有字幕文本转换为带时间戳的 Obsidian 笔记的技能。它会先获取并解析视频字幕，然后按照 TEMPLATE.md 模板，将字幕内容整理成结构化笔记，包含时间戳、元数据、Obsidian callout（如引用、提示、警告、注释、注意事项）以及分节详述。适用于需要把 YouTube 讲座、教程或访谈内容沉淀为可检索、可引用的知识库笔记的场景。若未提供链接或字幕文本，该技能会先询问缺失的来源；如果因缺少 yt-dlp 或视频无字幕导致提取失败，会说明原因并接受手动提供的字幕。笔记默认命名为 YYYY-MM-DD - [Video Title].md，保存位置在用户未指定时才会询问。内容方面强调不编造事实、对含糊说法标注 [uncertain: reason]、保留重要章节的时间戳，并将方法、框架与流程以清晰步骤或段落解释。
wait-what
wait-what 是一个来自 windyd/skills 的技能，用于在对方表示上一段消息没听懂时，要求重新说明。它提示重新给出少量背景，使用 ASD-STE100 简化技术英语，并采用 GLOSSARY.md 中的统一术语；若仓库有多个词表，按 GLOSSARY-MAP.md 找到正确的那一个。
tooluniverse-drug-research
用于生成药物研究综合报告的技能，覆盖化合物身份消歧、化学性质、作用机制与靶点、ADMET、临床试验、安全性、药物基因组学、监管标签与文献等，强调引用来源与证据分级。
long-form-youtube
这是一个面向长视频 YouTube 脚本创作的结构化写作技能，适用于约 6–25 分钟、任意领域或业务的内容，覆盖脚本撰写、提纲规划与结构诊断。它强调先锁定标题与封面再动笔，按观众画像设计相关性与赌注，并用“钩子—铺垫—章节主体—中段再钩—兑现—结尾行动号召”的骨架组织内容。核心方法是开放式循环链：每关闭一个悬念前先开启下一个，配合冷开场、章节悬念化命名、每 20–40 秒一次模式打断与节奏变化，并在视频 40%–60% 的流失点设置再钩子。还提供常见错误对照与留存检查清单，便于发布前自检。
to-prd
to-prd 是一个将当前对话上下文与代码库理解合成为 PRD 的技能，写入 docs/scratch/<NN>-<中文需求名称>/PRD.md。适用于用户要求产出 PRD、需求文档或说出「写个 PRD」「出需求文档」「to-prd」等场景。
devdocs-retrofit
devdocs-retrofit 是一个用于将已有工程改造为 DevDocs 文档流程、或将旧版 DevDocs 迁移到新规范的技能。它支持中英文提问并统一用中文回复和生成文档。主要能力包括：扫描项目结构、检测项目状态（无 DevDocs、旧版 DevDocs、符合规范）、自动识别现有文档、从代码逆向推导生成文档、为功能点/用户故事/验收标准/测试用例分配编号、生成追溯矩阵、执行版本迁移（规范检查、差异清单、文件重命名、章节补充），并输出改造报告。使用方式为：先扫描并检测项目状态，进入 Plan 模式呈现改造策略，经用户审批后生成或更新 docs/devdocs/ 下的 Markdown 文档。适用于项目缺少文档需从代码逆向生成、需要标准化项目文档、或需迁移升级已有 DevDocs 的场景。限制：本技能仅产出或更新 DevDocs 文档，严禁编写或生成任何实现代码，编码实现由 /devdocs-dev-workflow 负责。
multi-ai-research
multi-ai-research 是一个多 AI 协作研究分析技能，通过 Claude 子代理（Task 工具）、Gemini CLI 和 Codex CLI 三个 AI 系统进行多视角研究、交叉验证与迭代优化。它采用五阶段流水线（规划、并行研究、深度分析、综合验证、迭代），目标是产出比单一 AI 更全面的分析，并声称达到质量分 ≥95/100、100% 引用覆盖、零关键缺口。适用于安全分析、架构分析、代码质量、性能分析、研究综合与全面审查等场景。
telegraph-publisher
telegraph-publisher 是一个用于通过 Telegraph API 发布和管理页面的技能工具，支持媒体嵌入、页面浏览统计以及长文章自动拆分。它适合发布文章、研究报告、文档和图文内容。使用前需先阅读 SKILL.md。该工具通过脚本完成账户创建、页面发布、编辑、列表查询、浏览量统计和媒体上传等操作，内容需转换为 HTML 片段后由脚本自动转为 Telegraph 的 Node JSON 格式。
deep-research-article
该技能用于围绕任意主题开展深度研究，并综合成一篇结构清晰的长文，包含明确论点、论证流程、证据、反驳与结论。默认联网检索，产出 article.md 及来源档案、证据提取、研究笔记、主张-证据台账等研究包。