Best-Practice Creator
用于 Opensquad 最佳实践库的创建与维护工作流技能，指导新增或更新 _opensquad/core/best-practices/ 下的最佳实践文件，涵盖格式校验、交叉引用、版本管理与目录同步。
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 10-26 00:15
写作与研究
14,178 个结果
stop-slop
Stop slop 是一个用于改写文章的写作技能，目标是让文字读起来直接、易读、像真人写的。它适用于起草、修改或审阅面向读者的写作。该技能通过一套编辑流程，先确定“声音契约”（谁在说、读者需要理解什么、需保留的事实与格式），再诊断妨碍读者理解的表达问题，最后从读者角度重写并复核。它强调保留原意、事实、语气强度与必要格式，反对用刻意的笑话、俚语或混乱来伪装“人味”。
ask-me-about
Ask Me About 是一个通过访谈方式帮助用户梳理和打磨思路的技能。它围绕某个想法、设计或计划，一次提出一个问题（或在上下文相关时成组提问），既充当提取知识的访谈者，也充当批判性思考者，主动探查缺口、挑战假设、揭示矛盾。访谈从全局入手，逐步深入各分支，并在约 5 个问题后评估覆盖度、定期反馈进度。当信息足够时，它会将所学内容整理成结构化简报，包含核心概念、关键决策、待解问题和假设，并请用户确认。之后由用户决定是记录成文档、进一步研究、实现代码，还是交接给其他技能。
unslop
unslop 是一个用于编辑文本、去除 AI 生成痕迹并注入人类声音的写作技能。它通过扫描并改写 AI 常见模式（如浮夸措辞、空洞的 -ing 短语、AI 高频词汇、破折号与冒号滥用、加粗滥用、聊天机器人用语、冗余填充词和抽象术语）来让文字更自然。同时强调“添加灵魂”：表达观点、变化节奏、承认复杂性、适当使用第一人称、允许不完美、追求具体。适用于任何需要让文字读起来不像 AI 写的场景。
top-down-memo
这是一套基于明托金字塔原理的自上而下写作方法，核心是“先给结论，再给论证”。它适用于建议、发现、决策类书面沟通，要求开篇一句话点明答案，随后用2至4个相互独立、完全穷尽的论点支撑，每个论点下再放置具体证据；背景信息放到最后，篇幅能省则省。资料同时给出了备忘录、Slack 消息等示例格式，并列出常见错误与不适用场景。它还可与 Synthesis、Decision Memo Builder 等技能配合使用。
developer-documentation-style
面向开发者文档写作的风格技能，用于起草或大幅修订 README、API 文档、教程、运维手册、发布说明等技术散文，提供写作纪律而非文档结构模板。
design-doc
Design Doc 是一个用于撰写和评审软件设计文档的技能，面向技术设计文档、工程设计提案、架构决策文档和内部 RFC。它围绕三个核心问题提供判断：项目是否值得写文档、文档应包含什么、以及如何写才能让从未与你交流过的读者也能读懂。该技能强调设计文档的目的是杠杆作用——在投入错误实现之前想清楚难以逆转的决策，同时作为决策强制工具和沟通工具。它指出两种失败模式：写得太少（遗漏难以逆转的决策）和写得太多（把实现细节写进设计阶段），并给出五阶段流程：判断是否要写、决定包含什么、起草文档、让文档独立成立、推动评审。核心原则是“出错的代价”过滤器：高代价决策写入文档，低代价可逆选择留给代码。技能附带章节目录、写作技巧、完整示例文档和评审生命周期等参考资源。
blueprints-writing
blueprints-writing 是一个用于编写和更新技术蓝图文档的技能，适用于新功能、API 变更或架构调整场景。它强调先检索已有蓝图再创建，并规定 frontmatter 格式与文档结构。
document
document 是 han-core 技能集中的文档生成与维护技能，命令形式为 /document [arguments]。它的核心目标是帮助人们理解并使用代码，强调「为读者而写，而不是为自己而写」。该技能覆盖五类文档：README 文件（面向新用户与潜在贡献者，说明项目用途、安装、快速上手、用例、贡献方式与许可）、API 文档（面向集成开发者，记录端点/函数签名、参数与类型、返回值、错误情形、认证要求与示例）、行内注释（面向未来的开发者，解释非显而易见决策、复杂算法、临时方案、边界情况、性能与安全考量）、技术指南（操作步骤、架构概览、集成指南、故障排查）、以及架构决策记录 ADR（记录上下文、决策、备选方案与权衡后果）。技能同时给出一套文档原则与反面清单，并提供 README、REST API、函数/方法文档、技术指南、ADR 的完整模板，以及行内注释的正反例对比与注释格式约定（单行、多行、JSDoc/TSDoc、TODO/FIXME/HACK/NOTE），还包含文档检查清单、常见错误示例和与其他技能（如 explain、proof-of-work、architect、technical-planning）的配合方式。
documentation-linking
该技能用于在代码与文档之间建立和维护双向链接，面向 AI 辅助开发场景。其核心是在代码注释中写入指向架构文档、API 规范、决策记录、测试文档、运维手册等的引用，同时在文档中反向标注实现代码的文件与行号，从而保持代码与文档上下文的一致与可追溯。技能覆盖绝对链接、相对链接、行号链接和锚点链接等格式，并给出架构文档、API 文档、决策记录、测试文档、运行手册、Issue/PR、Wiki、外部规范等引用模式。还提供链接校验脚本、文档覆盖率统计、反向链接自动生成、Git 预提交钩子检查、链接弃用标记和版本化文档等同步与维护策略，并列出应避免的反模式。
deep-research
这是一个面向课程设计的深度研究工作流技能，强调“先研究、再大纲、后生成”的顺序。它要求课程内容中的数字、日期、名称和结论都必须来自实际抓取的来源或用户提供的材料，而非凭记忆生成。技能定义了从调用 list_materials 检查已有材料、把主题拆分为 2–4 个可检索面向、在预算内进行最多 8 次 web_search、挑选并 fetch_url 最多 6 个权威来源、用 read_material 与 search_material 深读并维护“主张→来源”台账、交叉核对冲突，到把研究结果写入大纲与每页 brief、通过 generate_scene.materialFacts 传递带出处事实的完整流程。它适用于依赖时事、市场数据、真实案例等需实时核验的课程；对纯教科书式永恒知识则建议改用普通课程。
pro-editing
pro-editing 是 thu-maic/openmaic 项目中的一个技能，用于对已存在的课程进行专业编辑。它面向需要修改、改进、重构或润色已有课程页面的场景，强调“外科手术式”编辑：先读取存储中的页面，再精确修改用户要求的内容，其余部分保持不变。技能通过 list_scenes 盘点课程页面，用 read_stage 读取目标页面（支持 tree、text、source 三种详细级别），再根据用户意图选择最小操作，如 patch_stage 修改文本、位置、样式、媒体源、测验题、交互配置、旁白或 PBL 内容，edit_deck 重命名、插入、删除或重排页面，generate_scene 仅在明确要求整页重写时使用。它还要求遵循最小编辑纪律、保持课程原有语气与视觉语言，并在涉及布局敏感改动时用 render_scene_preview 验证，旁白文字改动后调用 generate_tts 重新生成音频，最后做一致性检查。
logophile
Logophile 是一个用于精准文案编辑与命名的技能，目标是在不改变语义的前提下压缩并澄清文本，最大化语义密度。它适用于改写、重述、精简、收紧语言，以及为标题、标签、功能或技能命名。该技能会保留含义、义务（must/should/may）、不确定性、责任归属，以及数字、专有名词、引号、代码、路径、URL 等必须保留的内容，默认保持原有结构与顺序。输出支持 fast（仅返回修订文本）、annotated（附编辑说明）和 delta（最小差异改写）三种模式，命名任务返回 3-7 个候选。
prd
将粗略的产品或功能想法整理成书面 PRD 的技能，明确问题、目标受众、范围、用户故事、边界情况与成功指标；PRD 只描述“做什么、为什么”，不涉及技术实现。
text-cleanup
这是一个用于清理文本与代码中冗余内容的技能：删除 AI 生成的空话、重复、夸张措辞和多余注释，同时保留原意。它会移除对话式开场与结尾、虚假紧迫感与奖励惩罚、泛泛的“要彻底”“逐步思考”类指令、无指标支撑的自信自评、重复的结论与过渡、只复述代码的自明注释、无出处的模糊说法，以及可用更平实词汇替代的夸张用词。它保留技术约束、数字、公式、验收标准、错误情形、安全警告、兼容性限制、决策及其理由、澄清格式或边界行为的示例、必需的 schema 与领域术语。改写规则包括：结论先行；优先主动语态与具体名词；把模糊的质量词替换为可度量要求；一句一个想法；仅在便于扫读时使用最少标题与项目符号；若精简会损失必要精度，则不应缩短。代码清理方面，处理分支代码时仅修改引入的“垃圾”：冗余注释、不必要的包装、异常防御处理、类型逃逸和可避免的嵌套，并保持行为不变、运行受影响的检查。默认输出为仅返回清理后的文本；涉及文件编辑时，用至多三条项目符号报告修改的文件与验证情况。
xquik-x-tweet-scraper
基于 Xquik 的 Apify Actor 抓取 X（推特）公开帖子数据，支持单帖、搜索、时间线、列表、文章、对话与互动研究，输出结构化 JSON，仅限研究用途。
content-write
Content Engine 流程的第 6 步：在 05 步生成的创意素材之下，以作者本人的语气撰写可直接发布的 LinkedIn 帖子文本。它并不从零开始写，而是作为一项写作流程（linkedin-post-writing）的调度层：思路 → 问题+干货 → 文案框架 → 总结 → 预告钩子 → 去 AI 味 → 排版，并与思路/创意绑定，在向用户展示前通过评分关卡（第 8 步的盲评评审）。输入为思路（含 05 步创意）+ 客户；若尚无创意且格式并非纯文本，则需先执行 content-creative。
insight-recaller
WPS Insight Recaller 是一个面向 WPS 笔记的选择性召回技能，用于在写作、专题复习、准备讲稿或整理研究思路时，把过去真正有用的旧笔记重新找回到眼前，回答“现在最该想起什么”，而非做完整的笔记建链。
misconception-finder
用于检查 WPS 学习笔记中是否存在理解错误、概念混淆、逻辑跳步或表述过虚的 Skill，适合课后自查、复习前校正和讲给别人前自检。
prerequisite-gap-finder
WPS Prerequisite Gap Finder 是一个用于分析学习卡点的技能，帮助用户找出在某个主题上缺失的前置基础知识。当用户觉得某个主题看不懂、学习卡住，或想知道自己缺了哪些基础时，可使用此技能。它适合课程复习、自学卡点分析、考前查漏补缺，以及回看旧笔记时发现“明明记了但还是不会”的场景。该技能会结合当前吃力的笔记、可能覆盖基础知识的旧笔记，以及可选的课程阶段或考试背景，输出一份结构化的前置知识缺口报告，包含缺失基础、修复路径和补完后的自测项。
design-coherence-check
研究设计内部一致性检查工具。系统检查研究设计在本体论-认识论-方法论-具体方法四个层次之间的一致性，识别认识论矛盾、方法论-方法不匹配、效度语言混用等深层问题，并给出综合评估与修改建议。当用户需要检查研究设计是否自洽、认识论和方法是否一致、方法是否选对时适用。
paper-title-abstract-keywords
用于学术论文标题、摘要与关键词生成的技能，分三步执行：先给出4个不同角度的候选标题，再给出3种结构的摘要版本，最后给出2组关键词方案，每步附理由并暂停等待用户选择，最终保存为 title_abstract_keywords.md。
ta-research-AFP-auto
TA研究全流程全自动AFP工作流协调器，无需用户逐步确认，自主完成12个检查点，遇到卡点自动降级或跳过，最终输出完稿清单与决策日志，所有自动决策记录在报告中供研究者审阅。
synthesizing-knowledge
synthesizing-knowledge 是一个用于生成专题知识文档的技能，适用于需要多来源调研与可验证参考链接的场景。它会先通过网络与视频来源对主题进行深度检索，再将发现综合整理为结构清晰的 Markdown 报告，并附带可访问的参考链接。当用户需要某个特定主题的知识文档、摘要或报告，或需要模型记忆之外的较新、较深入信息，以及需要可点击验证的参考来源时，可使用该技能。若来源是 YouTube 转录或会议纪要，则应改用 youtube-minutes-synthesis。