x-research
X Research 是一个面向 X/Twitter 的通用型智能体研究工具。它能把任意研究问题拆解为多个定向搜索，迭代优化查询，追踪推文线程，深入挖掘推文中链接的内容，最终综合成一份带来源的简报。工具以命令行方式运行，支持搜索、查看用户资料、抓取线程、查看单条推文以及维护监控列表等操作，并提供排序、时间过滤、互动量过滤、缓存等选项。适用于实时观点、开发者讨论、产品反馈、文化话题、突发新闻和专家意见等场景。
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
11,994 个结果
plagiarism-checker
这是一个用于歌词查重的技能，通过网页搜索和 LLM 知识扫描歌词中可能与已有歌曲雷同的短语，帮助创作者在发布前发现无意的借用。它提取歌词中具有辨识度的 4-7 词短语，搜索匹配已知歌曲，并结合模型知识独立标记相似之处，最终生成带风险等级（高/中/低）的结构化报告。该工具定位为质量检查而非法律工具，仅用于提前发现可能的借用以便修改，不能判定版权侵权。
getting-started-guide
novel-writer-skills 的入门引导技能，在用户开始新小说项目时激活，介绍七步方法论（constitution→specify→clarify→plan→tasks→write→analyze），并解答常见问题、给出第一步建议。
papermorph
Papermorph 是一个用于将参考 PDF 制作或编辑成动画、带旁白、可交互的网页书籍的技能。它面向书籍规划、故事板、章节动画与练习、旁白等用途。每个章节被设计为一支简短的动画教学影片：画面承载讲解，旁白说出内容，随堂检测与练习在画面内完成。其质量标准包括：生动（物体有重量与节奏地运动和变化）、构图完整（每个瞬间都像一幅画，文字贴近其所指）、准确（运动、标签与数字在每一刻都一致）、流畅（播放不卡顿，含 Firefox）。技术上，一个章节由一块 1600×900 的 SVG 舞台加一个播放器组成，节拍（beats）将旁白片段与定时动作配对。工作流程从 intake.md 对话开始，产出约定的 style.json，之后每章依据该风格制作。项目包含书籍源文件、样式、章节地图、故事板、图片、旁白内容、测试工具和最终静态站点等目录结构。使用需 uv、ffmpeg/ffprobe、Edge TTS 网络访问（或本地 Kokoro）以及 Playwright 浏览器。
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。
bull_bear_case_builder_skill
用于同时搭建看多与看空逻辑的投资研究技能，比较双方证据强弱、关键变量与情景路径，帮助识别核心分歧，防止确认偏误。推荐配合 wind-mcp-skill 获取底层数据。
zhihu-converter
zhihu-converter 是一个写作转换 Skill，用于把通用写作 Skill 产出的内容改写为适合知乎平台发布的格式与风格，强调专业深度、逻辑清晰和有据可依，并保留原文图片及其说明文字。
notion-research-documentation
该技能用于在 Notion 工作区内进行跨页面研究并生成结构化文档。它通过搜索工作区内容、抓取并分析相关页面、综合多来源信息，最终将研究结果保存为新的 Notion 页面。支持研究摘要、综合报告和快速简报等输出格式，并提供引用来源、页面放置和搜索过滤等能力。
render-html
render-html 是 ARIS 研究工作流中的一个技能，用于将 Markdown 或 JSON 产物渲染为单文件 HTML 视图，便于人类阅读。ARIS 工作流节点以 Markdown 作为规范且适合审计的来源格式，而本技能负责把这些产物转换为带目录、提示框、表格、数学公式和评分进度的 HTML 页面。它支持学术（academic）和仪表盘（dashboard）两种模板，默认通过 CDN 加载 MathJax 3 与 highlight.js 以渲染数学公式和代码高亮，也提供 --offline 离线回退模式。每个渲染出的 HTML 都会在 meta 标签和页头嵌入源文件路径、SHA256 与生成时间戳，用于检测源与视图之间的漂移。辅助脚本 render_html.py 仅使用 Python 标准库，无需安装依赖，并内置了 XSS 清理逻辑。该技能适用于 IDEA_REPORT、AUTO_REVIEW、KILL_ARGUMENT、PAPER_PLAN、research-wiki 状态等需要人类阅读的产物，不适用于 LaTeX 论文输出、SKILL.md 协议文件或调试追踪。
paper-spine-research
PaperSpine Research 是 PaperSpine 流程中的一个内部研究步骤技能，用于在确认论文动机（motivation）之前，针对目标发表场景开展调研。它会索引本地参考资料，并行启动三个专家子代理（场景分析、范例学习、SOTA 差距映射），最终合并产出风格画像与候选动机选项，供用户确认。该技能强调：没有目标场景调研，就不提供针对特定发表场所的写作建议。
bmad-market-research
bmad-market-research 是一个已弃用的技能，现作为兼容性转发层，将调用转发至 bmad-deep-recon 的 market（市场）类型。它保留原有名称调用和 _bmad/custom/bmad-market-research.toml 覆盖文件继续可用，激活时会解析自定义配置、向用户发出弃用提示，并以市场类型调用 bmad-deep-recon，由后者接管后续工作流。新工作应直接调用 bmad-deep-recon。
executive-briefing
executive-briefing 是一个可将研究结果转换为面向高管层的简报的技能。它会在对话提及“executive”“briefing”“C-suite”“board presentation”“leadership team”“stakeholder update”“management report”“one-pager”“key takeaways”等关键词时自动激活。该技能遵循 BLUF（Bottom Line Up Front，结论先行）原则，先给出结论与需要采取的行动，再呈现关键发现、影响、建议行动、风险与注意事项，并附简要来源与联系人信息。格式为一页式，强调用数字与指标表达、句子简短直接、多用项目符号、突出需要做出的决策，并为下一步行动标注负责人和时间线。写作时避免未解释的术语或技术用语、冗长背景、被动语态，以及不驱动决策的信息。数据呈现建议四舍五入提升可读性、与基准或往期比较、突出变化与趋势、采用易理解的对比方式。简报需标注置信度：高（多个可靠来源、已验证数据）、中（来源良好但存在缺口）、低（数据有限、信息尚在形成）。详细信息可另建附录文件，包含完整方法、数据表、来源文档、技术细节与扩展分析。
paper-polish
paper-polish 是一个用于审阅和润色 LaTeX 研究论文的 AI 技能，聚焦写作清晰度、语法、LaTeX 最佳实践与文档结构。它帮助智能体从审稿人视角检查论文，强调引言应传达新意与影响力，要求表达简洁、时态正确，并给出语法规范（如标题大小写一致、避免被动语态与名词化、正确使用 which/that、区分 fewer/less、正确使用冠词等）。在 LaTeX 方面，建议使用 LuaLaTeX、BibLaTeX、siunitx、hyperref 等现代工具，规范变量斜体、大数字与交叉引用写法。文档结构上，main.tex 为入口，src/ 存放章节，tables/ 存放表格，figures/ 或 fig/ 存放图，code/ 存放代码清单。
daily-news-report
daily-news-report 是一个按预设 URL 列表抓取内容、筛选高质量技术信息并生成每日 Markdown 日报的技能，采用主 Agent 调度加 SubAgent 执行、浏览器抓取和智能缓存的架构。
bmad-domain-research
bmad-domain-research 是一个已弃用的兼容性技能（skill），它本身不再执行研究流程，而是将调用转发给 bmad-deep-recon，并固定使用 domain（领域）研究类型。该技能被保留下来，是为了让按名称调用的现有工作流以及 _bmad/custom/bmad-domain-research.toml 覆盖文件继续可用。用户激活时，技能会先解析自定义配置（通过 uv run 运行 resolve_customization.py，读取项目下的 _bmad/custom 覆盖项），然后向用户发出弃用通知，最后把原始输入原样传递给 bmad-deep-recon，由后者接管后续流程。据资料，bmad-deep-recon 能为外部工具起草深度研究提示、把完成的研究报告处理为可供下游使用的摘要，并可直接运行研究，覆盖市场、领域、技术、竞争、用户声音、学术文献等多种研究类型，另含用于择优决策的 select 形态和自定义类型，并支持草稿/处理/运行三种模式、验证级别、HTML 简报与交接。迁移到 bmad-deep-recon 可消除弃用提示并获得完整新能力。
oh-story-claudecode-writing
oh-story-claudecode 是一套面向 AI 编程智能体的中文网文写作 Skill 包，覆盖长篇与短篇网络小说创作的全流程。它提供扫榜（市场扫描）、拆文（作品分析）、写作（生成大纲、人设、章节草稿）以及去 AI 味（检测并改写 AI 写作痕迹）等结构化技能。写作内容以文件系统方式管理，包含设定、大纲、正文等目录结构。支持起点、番茄、晋江、七猫、刺猬猫等长篇平台，以及知乎盐言故事、番茄短篇、七猫短篇等短篇平台。可通过 Claude Code、OpenClaw 或 CLI 安装。
latex-writing
该技能用于指导 LaTeX 文档的编写，强调遵循最佳实践与正确的语义标记。它会在编写或编辑 .tex 文件时主动介入，帮助用户使用与内容语义相符的 LaTeX 环境，而非仅关注视觉外观。核心内容包括：列表环境的选择（description 用于术语-定义对，itemize 用于简单列表，enumerate 用于有序步骤）、避免单条目列表、语义环境内不以列表或代码块开头、在编号条目之间穿插评论、修复常见反模式（如 itemize 中的粗体标签、手动格式化）、文学编程 .nw 文件中使用 [[code]] 记法而非 \texttt 手动转义、交叉引用使用 \cref、引用使用 \cite/\citep/\citet、引号使用 csquotes 的 \enquote、强调使用 \emph 而非全大写、图表使用带标题和标签的浮动环境等。
youtube-render-pdf
youtube-render-pdf 是一个用于把 YouTube 讲座、教程或技术演讲转化为专业 LaTeX 课程笔记并编译成最终 PDF 的技能。它的核心目标是根据视频的真实教学内容（而非仅字幕转写）生成一份完整、可编译的 .tex 笔记与渲染后的 PDF。输出要求包括：在 .tex 与 PDF 首页放置视频原始封面图；将必要的高价值关键帧作为配图插入，且不添加冗余截图；以最终的综合章节收尾，包含讲者实质性的收尾讨论与提炼出的要点；使用 section 与 subsection 组织结构；形成从 documentclass 到 end{document} 的完整 .tex 文档；并作为最终交付的一部分成功编译为 PDF。该技能对教学标准、来源获取、长视频策略、教学内容取舍、写作规范、图示处理、关键帧选择与命名、可视化等都有详细规定，强调以人类优秀教师的讲解方式组织材料，避免按字幕时间顺序堆砌。
geo-rewrite
GEO Rewrite 是一个用于优化 AEM Edge Delivery Services（EDS）页面内容的技能，目标是提升内容在 AI 搜索引擎中的可发现性（GEO，生成式引擎优化）。它会分析页面的标题结构、内容密度、事实性表述、问答模式、内部链接和图片替代文本，并针对目标查询给出改写建议，使内容更易被 ChatGPT Search、Perplexity、Google AI Overviews、Gemini、Claude 等 AI 搜索引擎提取和引用，同时兼顾传统 SEO。该技能包含六个步骤：抓取并分析当前页面、识别目标查询、评估 AI 可读性（结构、密度、事实、答案、权威、片段六个维度各 1-10 分）、生成优化内容、优化元数据、生成差异报告与实施说明。它强调答案前置、描述性标题、去除填充内容、增加事实密度、保持品牌语气，并遵守 EDS 约束（内容需可在 Google Docs 或 Microsoft Word 中编写）。该技能不适用于视觉设计修改、区块开发、站点配置或从零创建内容。
podcast-studio
Podcast Studio 是 onewave-ai/claude-skills 中的一个技能，可将文字内容转化为播客脚本，并配有音频时间、音乐提示、音效与制作说明；音频混音使用 Tone.js 和 Howler.js，可创建片头片尾音乐、过渡与音效。
interview-cheatsheet
在指定 ML/LLM 主题上生成长篇中文面试备考速查表，含公式推导、从零编写的 PyTorch 代码、对比表与 25 道高频题；经跨模型数学/代码评审后渲染为 HTML，默认不自动提交。
ce-noslop
ce-noslop 是一个写作改写与检查技能，目标是让文字不带 AI 写作痕迹、读者第一遍就能读懂，同时完整保留原文中的全部事实。它支持三种模式：author（起草）、edit（改写）、detect（检测）。edit 模式只重写未通过检测的句子并返回文本，对通过检测的句子保持原样，因此对返回文本再次处理不会产生变化。detect 模式指出发现的每个模式、引用原句并给出简短修改建议，但不重写。工具坚持两个目标同时成立：文字虽无 AI 痕迹但仍晦涩算失败，文字虽平实但改变了原文论断的确定性也算失败。边界明确：不触碰代码块、引用文本、frontmatter、链接目标、标识符等，也不判断文本是否由模型撰写。适用于需要去除 AI 写作腔调、提升可读性并保持事实保真的各类文本场景。
write-release-notes
用于 tldraw SDK 版本发布说明撰写的技能，指导从已发布版本中整理变更、生成完整的 release notes 文档，并规范破坏性变更的迁移说明。
bmad-validate-prd
bmad-validate-prd 是 bmad-method 中已弃用的技能，现作为兼容层转发到 bmad-prd 的 validate 意图。保留旧名称调用与旧版自定义覆盖文件可用，新工作应直接调用 bmad-prd。