documentation-verification
一个用于在合并前验证文档质量的技能:检查完整性、失效链接、代码示例准确性与事实正确性,适用于评审 README、安装配置或伴随行为变更的文档改动。
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
14,083 个结果
一个用于在合并前验证文档质量的技能:检查完整性、失效链接、代码示例准确性与事实正确性,适用于评审 README、安装配置或伴随行为变更的文档改动。
面向 AI 从业者情报的调研技能,从 Hacker News、GitHub、Reddit、Twitter、Telegram 等社区获取实践者真实信号,而非 SEO 营销内容,用于判断工具、框架、智能体与模型的当前态势与采用阶段。
to-spec 是一个把当前对话与代码库理解综合成 PRD 并发布到项目 issue tracker 的技能,不访谈用户,直接基于已有讨论产出规格,作为后续自主阶段(to-tasks、implement-and-review)的自主性契约。
mParticle 平台帮助技能,面向混合型 CDP 的实时事件流、身份解析、受众激活与 300+ 集成场景,用于排查 SDK/API 集成、身份合并、受众同步、数据规划与合规等问题。
将 arXiv 论文(TeX 源码)转换为适合大语言模型阅读的 Markdown 文本的技能,在用户提供 arXiv ID 或链接,或需要把 PDF 文件夹中的学术论文同步为 Markdown 时调用。
一个用于方案评审的 AI 技能:以逐题追问的方式,对照现有领域模型挑战你的计划,统一术语,并就地更新文档(CONTEXT.md、ADR)。
这是一个系统性文献回顾技能,面向医学与研究场景,用于完成文献的搜索、筛选、下载与整理。它基于 PubMed 检索工具与全文解析工具,支持生成 MeSH 与同义词检索式、解析 PICO 临床问题、合并去重检索结果、探索引用网络、按 iCite RCR 排序、获取开放获取全文、解析 PDF 结构与章节内容,并可将文献保存到 mdpaper、导出 RIS 或 BibTeX。该技能提供从环境准备、并行搜索、结果评估、筛选保存、全文阅读、逐篇结构化分析到导出与记忆更新的完整工作流,并强调对已保存文献进行全文解析与独立分析。适用于新研究项目、Introduction 前调查、系统性回顾以及 PICO 临床问题场景。
用于规划、执行、审计和记录系统综述、范围综述及PRISMA式流程的技能,强调可复现的检索与筛选记录。
一对一数学辅导技能,可接收数学题图片或文本,完成数学分析、HTML可视化、分镜脚本、TTS配音与Manim动画视频生成的完整流程,最终输出带配音的讲解视频。
manuscript-ingest 是 research-units-pipeline-skills 中的稿件导入技能,用于在 paper-review 流程中、进行 claim 提取之前,把稿件源文件转换为规范化的文本产物。它接收工作区中的一份稿件源文件(通常为 inputs/manuscript.md、inputs/manuscript.txt 或 inputs/manuscript.pdf),通过 scripts/run.py 找到最简单的可用稿件源,忠实提取文本,并将全文写入 output/PAPER.md。该技能不进行摘要、评论或改写,输出需保留论文正文、可用的章节标题以及可提取的页码标记。验收标准是 output/PAPER.md 存在且包含稿件正文而非仅标题与摘要。其非目标包括 claim 提取、证据审计和评审写作。
baoyu-article-illustrator 是一个用于为文章自动配图的技能(Skill)。它会分析文章结构,识别需要视觉辅助的位置,并以「类型(Type)× 风格(Style)× 配色(Palette)」三个维度生成风格一致的插图。类型包括信息图、场景、流程图、对比图、框架图、时间线等;风格包括 notion、warm、minimal、blueprint、watercolor、elegant 等;配色可选 macaron、warm、neon 等,也可使用预设(如 edu-visual)一次性指定三者。工作流程为:预检查(读取 EXTEND.md 偏好配置)、分析内容、确认设置、生成大纲、生成图片、收尾插入 Markdown 引用。生成前需将每张图的完整提示词保存为独立文件(prompts/NN-{type}-{slug}.md),再调用图像后端批量生成,默认并行 4 张。支持参考图、水印、多种输出目录布局,并可通过 EXTEND.md 修改偏好。
编排完整个股研究流程的技能,按需调用其他技能或工具包视图,把输出整合为一份一致的研究交付物;适合“从头到尾分析这只股票/给我完整研究包”的请求。
都爆鸭出品的公众号爆款文案改写工具,可将任意文案转换为公众号风格内容,自动生成不超过20字的标题、融入高频关键词与金句,并在结尾附加5-10个#标签。纯本地运行,不联网、无需API Key。
Humanize 是一个用于去除文本中 AI 写作痕迹的技能,基于维基百科“Signs of AI writing”指南。它通过扫描并改写文本中的模式化表达,让文字听起来更自然、更像真人写作。该技能覆盖内容模式(如夸大重要性、媒体点名、肤浅的 -ing 分析、宣传性语言、模糊归因)、语言模式(如 AI 高频词汇、回避系动词、否定平行结构、三段式、同义词循环)、风格模式(如破折号滥用、过度加粗、内联标题列表、表情符号、弯引号)、交流痕迹(如聊天机器人用语、知识截止免责声明、谄媚语气)以及填充与模糊表达(如冗余短语、过度模糊、泛泛的积极结论)。使用方式为:扫描上述模式,用自然表达改写问题段落,保留原意和语气,并加入个性。输出为改写后的文本,可选地总结主要改动。
Wiki Page Writer 是一个面向技术文档编写的技能,定位为“资深文档工程师”,用于生成具有证据深度的综合技术文档页面。它可帮助用户针对特定组件、系统或功能撰写技术文档,并支持深度的技术剖析与图表呈现。该技能强调基于实际代码路径的追踪,要求每项论断都附带来源引用(文件路径与函数/类名),并区分事实与推断。文档需包含深色模式的 Mermaid 图表、源代码引用和第一性原理的深度解释。适用场景包括:用户请求为某个组件、系统或功能编写文档;需要进行配图的技术深度剖析;以及为 wiki 目录章节生成内容。
ResearchClaw 是一个自主研究流水线技能,可从研究主题出发,自动完成文献综述、假设生成、实验设计、代码生成与执行、结果分析、论文写作、同行评审和最终导出,共 23 个阶段。支持 CLI、Python API 和迭代式多轮改进三种运行方式。
一个对话输出风格技能:让后续回复采用 Rundown 简报格式,以 TL;DR、状态清单和可编号选项呈现信息,面向快速浏览的人类读者。
Validation Report Generator 是 claude-cto-team 中的技能,用于把验证分析整理成结构化、可执行的 8 段式报告,给出 GOOD、BAD 或 NEEDS MAJOR WORK 的明确结论,并包含优势、关键缺陷、盲点与后续路径。
arc-bug-finder 是一个以调研为先的缺陷受理技能:它不修改代码,而是通过穷尽式的仓库搜索与网络调研定位根因,并在项目现有问题追踪系统中登记高质量的缺陷工单,修复交由独立的 arc-bug-fixer 步骤处理。
Docusaurus 3.x 文档框架技能,覆盖 MDX 写作、主题定制、版本管理与国际化,适用于搭建技术文档站、博客与落地页,也可用于 spec-weave.com。
education-research 是一个教育研究技能,用于支持教学方法评估、学习分析、评估设计、课程开发分析等教育研究任务,覆盖研究问题界定、研究设计、评估开发、数据收集、多层分析与证据综合等环节。
用于中文技术文章、博客、文档与技术分享的写作、重写、润色和校对技能,帮助解决不知如何下笔、只能凭感觉写的问题,统一文章语气、结构与术语,提升专业性与可读性。
这是一个用于模拟文学经纪人冷读投稿作品开篇的技能:它按真实“收件箱”的阅读方式逐页判断注意力何时涣散,并给出“索稿或退稿”的结论及真实原因。该技能只读不写,不重写作者文字,适合作者在投稿前检验开篇是否留住经纪人。
一个访谈式角色构建技能,通过每次一个尖锐问题,把模糊的角色想法逐步引导成完整、标准的角色卡,且始终让角色保持作者本人的创作。