paper-2-web
Paper2All 是一个学术论文转化流水线技能，可将 LaTeX 或 PDF 格式的学术论文转换为三种推广与展示格式：Paper2Web（交互式学术主页）、Paper2Video（带旁白、幻灯片和可选数字人出镜的演示视频）、Paper2Poster（可打印的会议海报）。该技能通过 LLM 驱动的内容提取、设计生成和迭代优化，产出适用于会议、期刊、预印本平台和学术推广的高质量材料。支持单篇处理与批量处理，可自定义海报尺寸、视频时长、机构品牌与多语言内容，并内置质量评估。
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 10-16 00:02
写作与研究
11,104 个结果
moral-parallax
Moral Parallax 是一个用于生成推想小说的写作技能，通过压缩行为与后果之间的“舒适距离”，揭示系统性剥削。它提供五种距离类型、四种引擎模式、启示弧与设计流程，帮助作者构建主角已深陷共谋、无法干净脱身的故事。
obsidian-literature-workflow
Obsidian Literature Workflow 是一个面向项目范围的文献综述技能，构建在 Sources/Papers 目录之上。它规定了从文献来源到知识综合、再到写作输出的完整流程：Sources/Papers/ -> Knowledge/ -> Writing/ -> Maps/literature.canvas。该技能默认生成论文笔记、文献总览、方法分类、研究空白、论点地图等文件，并仅在论点通过证据门槛后才生成写作草稿和对比矩阵。它强调论文笔记保留在来源目录、综合内容不写入来源笔记、每条综合笔记必须链接支撑来源、每个研究空白必须附带证据、每个提升的论点必须携带证据记录 ID 等规则。
feynman
费曼学习法技能（feynman）是一个用于深度理解概念的思维工具，通过四个步骤引导用户把概念讲清楚、找出理解缺口、补齐缺口并给出精炼后的解释。它把“讲给别人听”作为检验理解的手段：先用最简单的话和类比解释概念，再识别解释中含糊、需要术语或说不清的地方，然后针对每个缺口研究并给出简单版本，最后重写一份完整、更容易理解的解释，并总结要点、给出一句话电梯陈述。资料中给出明确的输出结构（概念、步骤一至步骤四、关键要点与测试问题）以及使用准则，例如不要假装理解、缺口本身很有价值、多用日常生活类比、必要时用简单语言定义术语、越简短越好、认真对待“讲给孩子听”的标准。适合在学习新知识、检验自己是否真正理解、需要向他人讲解或梳理知识点时使用。资料未提供安装方式、收费、价格、具体平台支持或使用限制等信息。
cnki-export
cnki-export 是一个用于从中国知网（CNKI）导出论文引用数据并推送到 Zotero 或保存为 RIS 文件的技能。它支持三种导出模式：zotero（默认，通过本地 API 推送到 Zotero 桌面版）、ris（保存为 .ris 文件）、gb（输出 GB/T 7714 引用文本）。该技能可在论文详情页进行单篇导出，也可在搜索结果页批量导出，批量模式通过直接调用 CNKI 导出 API 避免逐篇进入详情页，显著减少操作步骤。导出数据经 Python 脚本处理，解析 ELEARNING 格式并调用 Zotero 本地接口完成保存。使用时需确保 Zotero 桌面版正在运行，且因 Windows 编码问题必须通过 Python 脚本处理中文 JSON。
notion-research-documentation
该技能用于在 Notion 中跨多个页面进行检索，并将收集到的信息综合整理为结构化文档，例如简报、对比分析或研究报告。它通过 Notion 的搜索与页面获取能力定位相关来源，提取关键事实、指标、约束与日期，并保留引用链接；随后根据任务类型选择合适格式（快速简报、研究摘要、对比、综合报告），使用对应模板在 Notion 中创建页面，并附上引用与参考来源。适用于需要从多个 Notion 来源汇总信息、形成决策依据或可分享文档的场景。
specsfy-monorepo-documentator
Specsfy 官方 monorepo 文档维护技能，用于在 promovaweb/specsfy 仓库根目录维护 Specsfy 项目自身的官方文档。它通过采集脚本收集 monorepo 证据，要求先阅读根目录 AGENTS.md、受影响模块说明、docs/develop/context/README.md 及被变更路由到的上下文，再对照代码、测试、manifest、配置、schema、运维文档或规范上下文核验每条陈述。技能要求同时更新用户文档（docs/user/）与技术文档（docs/develop/），保持安装指南、各基础 skill 页面和唯一阅读顺序，使用相对链接，公开 URL 指向 GitHub 仓库；docs/user/ 变更后需用 make ebook 重新构建 PDF、EPUB 和清单，并运行模块聚焦测试与集成回归。证据政策要求区分现行决策、已实现状态、推断与缺口，不复制大型清单、不泄露机密，不在根目录创建 plan.md、tasks.md、research.md、data-model.md 或 specs/。该技能仅用于 Specsfy 自身 monorepo，消费方应用的 docs/ 应使用 $specsfy-documentator。
humanize
中文介绍正在整理，稍后补充。
wechat-studio
WeChat Studio 是一套面向微信公众号内容创作的全流程工具，覆盖 Markdown 主题排版、Dan Koe 风格写作、AI 去痕、图片上传、图文草稿创建与小绿书发布等环节。其 Markdown→微信 HTML 转换由脚本直接渲染，无需 AI 参与，内置 autumn-warm、spring-fresh、ocean-calm 三套主题及支持 AI 渲染的 custom 主题；图片处理支持本地图片与在线图片上传，超过 5MB 自动压缩，并以文件 MD5 为 key 做本地缓存去重，上传后可将 HTML 中的 <!-- IMG:N --> 占位符自动替换为微信图片标签。写作与去痕功能分别读取参考文档中的写作规范与 22 种 AI 写作模式规则生成或优化文本。此外，工具支持通过环境变量或 YAML 配置文件接入微信凭证，并在无法直连微信 API 的环境下部署远程代理服务器（Server Mode）转发请求。使用时需 Node.js 环境，上传与草稿功能依赖微信凭证，转换、写作与去痕功能无需凭证。
listenhub-tts
Listenhub-tts 是一个调用 ListenHub OpenAPI 的文本转语音技能，支持快速合成、多角色脚本与长文本流式合成三种模式，未指定音色时自动获取音色列表供选择，默认使用 chat-girl-105-cn（晓曼）。
venue-templates
面向科研投稿的 LaTeX 模板与格式规范技能，提供 Nature、Science、PLOS、IEEE、ACM 等期刊及 NeurIPS、ICML、CVPR 等会议的论文模板，还有学术海报与 NSF、NIH、DOE、DARPA 等基金申请书模板，并附格式校验脚本。
okf-open-knowledge-format
OKF（Open Knowledge Format）是一套开放规范（v0.2，由 Google Cloud 发布），用带 YAML frontmatter 的 Markdown 文件目录表示组织知识，无需 SDK。该技能用于创建、校验和丰富 OKF bundle，涵盖来源追踪、信任标记、生命周期与 Attested Computation。
ak-rss-digest
ak-rss-digest 是一个用于从固定 RSS/Atom 订阅源中筛选中文阅读精选的技能，偏好 AI agent 思考、前沿 AI 评论与深度内容。默认抓取上海时区最近 7 天文章，按评分标准筛选出超过 7.0 分的文章并以简体中文输出。
llm-wiki-setup
LLM Wiki Setup（投研第二大脑共创）是一个用于搭建个人投资研究 LLM Wiki 的技能，遵循 Karpathy 的纯 markdown + [[wikilink]] 互联 + LLM 维护模式。它的核心不是提供投研模板，而是通过访谈引导用户提炼自己的投资判断方式，写成专属的 CLAUDE.md。技能包含机制层（三层目录、wikilink、lint、git hook，由 scripts/init_vault.py 安装）与规则层（关注维度、观点记录、复盘方式等，由访谈生成）。工作流覆盖新建 vault、ingest 源、财报后复盘、query 等场景，并提供 ingest、fulfillment、prune、counter_review、interview 等参考文档。
documentation-templates
该项目提供文档模板与结构规范，覆盖 README、API 文档、代码注释、变更日志、架构决策记录（ADR）以及面向 AI 的文档（如 llms.txt）。它通过模板明确各文档类型的必要章节和优先级，帮助开发者快速搭建一致、可扫描、可维护的文档结构。模板只是起点，需要根据项目实际情况调整。
changelog-generator
Changelog Generator 是一个将 Git 提交记录自动转换为面向用户更新日志的技能。它通过分析指定时间范围或版本之间的提交历史，把开发者视角的技术性提交分类整理为功能、改进、修复、破坏性变更、安全等类别，并翻译成客户能理解的语言，同时过滤掉重构、测试等内部提交。适用于准备版本发布说明、周报或月报式产品更新、面向客户的变化文档、应用商店更新描述、更新通知、内部发布文档以及公开更新日志页面等场景。使用时可在项目仓库中按时间（如过去一周、3 月 1 日至 15 日）或按版本（如 v2.4.0 之后、2.5.0 版本）生成更新日志，也可结合 CHANGELOG_STYLE.md 中的自定义规范保持格式一致。官方资料未提供该技能的收费、价格、平台支持或效果保证等信息，这些方面暂未提供。
bmad-create-prd
bmad-create-prd 是 bmad-method 中已被废弃的技能，现作为兼容转发到 bmad-prd（create 意图）。它保留旧名称调用和旧定制文件的可用性，新工作应直接调用 bmad-prd。
writing-skills
这是一个用于指导如何创建、编辑和验证 AI 智能体技能（Skill）的元技能（meta-skill），来源于 davila7/claude-code-templates 项目。它把测试驱动开发（TDD）的 RED-GREEN-REFACTOR 循环应用到技能文档编写上：先用子智能体在压力场景下跑基线、观察失败（RED），再写出针对这些失败点的技能文档（GREEN），最后通过封闭漏洞和对抗理性化来重构（REFACTOR）。核心原则是：如果你没有亲眼看过智能体在没有该技能时失败，就不知道这个技能教的是不是对的东西。内容包括何时创建技能、技能类型划分、目录结构与 SKILL.md 格式、面向 Claude 搜索优化的描述字段写法、Token 效率技巧、交叉引用、流程图使用、代码示例、文件组织、铁律（NO SKILL WITHOUT A FAILING TEST FIRST）、不同类型技能的测试方法和常见跳过测试的借口。适合编写 Claude Code、Codex 等智能体技能文档的人参考。
linkfox-zhihuiya-claim-data
该技能用于从智慧芽（PatSnap）专利数据库获取专利权利要求数据，帮助知识产权从业者、专利分析师和研发团队快速访问任意专利的权利要求部分。支持通过专利 ID 或公开号查询单个或多个专利的权利要求，可选用同族专利替代功能。调用方式包括 API 端点 POST /zhihuiya/claimData 和 Python 脚本。返回数据包含专利 ID、公开号、同族替代公开号、权利要求数组及权利要求总数等字段。单次请求最多查询 100 件专利，按动态规则计费（消耗算力 = 81 × 返回数据条数），可能一次性消耗大量算力，需用户确认后继续。
document-summary
Document Summary 是一个用于文档摘要与信息提取的技能，可对长文档生成简洁摘要、提炼关键要点与主要论点、创建结构化大纲，并识别重要实体与主题。它提供三种摘要类型：执行摘要（2-3 段，聚焦结论与建议，面向决策者）、详细摘要（全面覆盖要点、保留重要细节，面向需要完整背景的相关方）和要点列表（快速浏览格式，突出关键事实与数据，面向时间有限的读者）。输出采用固定结构，包含 Summary、Key Points、Main Topics 以及可选的 Action Items。该技能强调保留原意、保持中立语气、在可用时纳入定量数据，并注明任何注意事项或局限。
review-docs
review-docs 是 tldraw/tldraw 仓库中的文档评审技能，用于按写作风格与文档指南评估并改进 tldraw SDK 文档，对每篇文章打分并循环迭代直至通过。
mdv-markdown-visualization
MDV 是一套 Markdown 超集（文件扩展名 .mdv），用于在单一工作流中撰写报告、Dashboard 和幻灯片，并可导出为自包含的 HTML 或 PDF。它在 CommonMark 基础上扩展了四项能力：YAML front-matter、围栏式可视化代码块、用于布局的 ::: 容器，以及自动生成的目录。通过 CLI 或 VS Code 扩展可以在本地渲染、实时预览与导出，适合把数据与叙述放在同一份文档中维护。
deep-research-pro
Deep Research Pro 是一个多来源深度研究智能体技能（skill），可自动完成从规划、检索到成稿的完整研究流程。它通过 DuckDuckGo 搜索网页与新闻，对不同子问题执行多关键词检索，抓取重点来源的完整页面内容，再综合整理成带引用来源的研究报告。该技能强调所有论点均需附带来源、交叉验证、优先采用近 12 个月内的资料，并在资料不足时明确说明，而非编造结论。整个流程无需付费 API 或 API 密钥。
writing-for-agents
writing-for-agents 是一份关于“为智能体撰写文档”的参考指南，适用于创建或编辑技能（skill），以及修改 AGENTS.md 或 CLAUDE.md 等文件。它指出：无论文档的打包形式如何（技能、AGENTS.md/CLAUDE.md、通过指针引用的文档），写作方法是一致的——目标是让智能体每次运行都走同样的过程，而不是产出同样的结果。核心内容包括：上下文指针（context pointer）的措辞决定智能体何时以及多可靠地触达材料；两种负载（上下文负载与认知负载）；信息层级（文件内步骤、文件内参考、披露式参考）与渐进式披露；步骤的完成标准（清晰度与要求强度）；何时拆分文档；引导词（leading words）的用法与否定式表述的失败模式；以及修剪原则（单一事实来源、相关性检查、无操作句删除）。