writing-plugin-readme
该技能用于为插件及其子工具、子资源撰写结构化、专业化的 README 文档。它提供了一套写作指南，包含必备章节清单（标题与简介、功能列表、先决条件与安装、使用指南、目录/架构图、贡献与许可）、主插件 README 模板，以及格式化规则（代码块加语言标签、合理使用 GitHub 提示框、任务清单用复选框）。同时列出了常见错误，如命令路径含糊、遗漏外部 CLI 依赖、留下占位文本等，帮助编写者产出清晰、可复制、规范一致的文档。
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
tech-hub
tech-hub 是一个科技动态综合分析技能，由角色“郑大姐”使用。它追踪全球（硅谷与中国本土）前沿硬科技动态，覆盖 AI 与大模型、算力与芯片、具身智能/人形机器人、低空经济/eVTOL、商业航天、脑机接口、AI 创新药、量子计算、个人 AI 硬件、6G/通信等十大领域，并重点关注国际 AI 巨头（OpenAI、Google、Anthropic、NVIDIA）与国内 AI 独角兽（DeepSeek、智谱 AI、MiniMax、月之暗面/Kimi）。技能通过事实提取、通俗解读、A 股映射三步分析框架，将技术突破与产业链变化映射到 A 股板块与具体标的，输出《郑大姐科技风暴报告》，包含三大风暴眼、产业链深度拆解、即时策略等模块。
optimize-skill-md
依据《Skills MD 标准书写格式》对现有 SKILL.md 进行结构化优化，提升 YAML 描述质量、章节组织、内容简洁度与格式规范性，并按需外移内容到 references/，不改变技能原有功能行为。
paper-lookup
Paper Lookup 是一个通过 REST API 检索 10 个学术论文数据库的技能，用于查找研究论文、预印本和学术文章。覆盖 PubMed、PMC（全文）、bioRxiv、medRxiv、arXiv、OpenAlex、Crossref、Semantic Scholar、CORE、Unpaywall。它根据用户查询意图选择最合适的数据库，读取对应参考文件后发起 API 调用，并返回原始 JSON（arXiv 为解析后的 XML）响应、所用数据库与端点列表；无结果时也会明确说明。
scientific-visualization
这是一个用于生成符合期刊投稿要求的科学图表的元技能（Meta-skill）。它帮助科研人员使用 matplotlib、seaborn 和 plotly 创建可直接用于论文发表的可视化图表，支持多面板布局、误差棒、显著性标注和无障碍配色方案，并可导出为 PDF、EPS、TIFF 等格式。适用于向 Nature、Science、Cell、PLOS 等期刊投稿时准备图表，确保图表对色盲友好、在灰度下仍可辨识，并符合目标期刊的尺寸、分辨率和字体规范。
issue-writing
用于撰写、编辑、审阅和改进 GitHub、GitLab 等平台上的 issue、pull request 与 merge request 的标题、正文和评论。强调措辞简洁、准确、冷静、审慎且自然，优先使用具体上下文而非模板化套话，并在用户或上下文未要求时使用平台中立的表述。
a1-editor-in-chief
a1-editor-in-chief 是一个由用户显式调用的主编工作流技能，用于把已确认的编辑任务转化为经过审阅的成稿。它只做有边界的编辑方向决策：创建内部 Copy Editing Brief，将文本执行委托给 a1-copy-editing，审阅结果并交付最终答案，而不会充当通用营销策略师，也不会亲自重写文本。该技能要求用户明确以名称调用或发出等效的主编指令后才运行，不会自动启动访谈。默认检测并使用用户语言工作；若输入文本与指令语言不同，则改写稿保留输入文本语言，说明使用指令语言。输出通常包含最终文本、变更摘要，必要时附假设与警告；委托环节的内部信息默认不暴露。
feedback-pedagogy
Feedback Pedagogy 是一套关于教学反馈方法的技能，旨在将反馈从评判转变为促进学习的机会。它涵盖学生作业的书面反馈、评分量规设计、同伴互评引导以及建设性反馈技巧。该技能强调反馈应具体、可操作、及时、平衡且与学习目标挂钩，并提供了 3-2-1 反馈模型、反馈评论类型（表扬、解释、建议、提问、读者回应）、优先级排序、评论放置位置等实用框架。此外，还包含整体式、分析式和单点式评分量规的设计模板与原则，同伴互评的准备与协议，以及口头反馈（面谈）的结构和提问技巧。针对大班教学，提供了效率策略、评论库示例和音视频反馈建议，并倡导成长型思维语言。
knowledge-architecture
知识架构（Knowledge Architecture）是一套按“本体论”原则设计知识系统的技能：不按任意层级或习惯分类，而是按“事物本质上是什么”来组织知识，适用于构建个人知识库或知识体系。它区分实体、关系与情境，强调以原子笔记、索引枢纽、显式关系和元数据来组织结构，从而减少知识碎片化、暴露隐藏联系。资料同时给出命名约定、文件系统映射与元数据模式等实现方式，但未提供具体安装或使用步骤。
generate-philosophy-doc
该技能用于为任意领域生成研究支撑的哲学与标准文档，例如 UX 设计、落地页、邮件外联、API 设计等。文档包含基础原则、框架与方法论、反模式词典、设计检查清单、带指标的案例研究、度量框架以及学术与行业参考。工作流包括定义领域、开展研究、生成结构、逐节填充、质量校验、迭代优化和交付文档。
prd
PRD Skill 是一个用于创建、更新、校验和分阶段规划产品需求文档（PRD）的技能。它通过迭代式发现流程，帮助产出可防止需求漂移的 PRD，输出到 .claude/reference/PRD.md。该技能支持多种模式：从零交互式创建、基于上下文创建、增量更新、校验、依赖审计，以及生成可供 orchestrate 使用的任务计划。创建流程包括自动扫描代码库、2 至 4 轮交互式发现（每轮最多 4 个问题）、起草、校验和定稿。它强调先扫描代码库再提问、使用 Given/When/Then 编写验收标准、进行依赖分析、以 DAG 形式规划阶段，并禁止在最终 PRD 中保留待澄清标记。适用于需要结构化需求文档和分阶段实施计划的软件开发场景。
teach
teach 是一个把技术文档转化为严格学习旅程的技能。它要求学习者在每个阶段达到可验证的掌握程度，而不是停留在表面熟悉。该技能采用布鲁姆分类学（Bloom's taxonomy）的认知层级递进，从记忆、理解、应用、分析、评价到创造逐级提问，每个知识块需通过 80% 以上的验证题才能进入下一块。开始前会先探测前置知识，基础不牢时先补齐；教学中提供核心讲解、多个不同语境示例和常见误区，块与块之间进行整合，最后通过跨块综合测试检验整体理解。进度保存在 ~/.skulto/teach/{topic-slug}/progress.md，支持模糊匹配已有目录以恢复学习，并包含复习测验、自然停顿与掌握状态汇总。支持 /teach @doc1.md @doc2.md 指定文件或直接调用后输入主题。适用场景为需要系统深入掌握技术文档、追求扎实掌握而非快速浏览的自学或教学。限制方面，资料未提供具体的费用、平台支持范围与可处理的文档格式细节。
research-workflow
research-workflow 是一个系统化的多源研究工作流，通过按最优顺序编排 skill-researcher 的各项操作，完成对某一领域的全面调研。它包含五个步骤：网络搜索调研、GitHub 仓库调研、官方文档调研、MCP 服务器调研（可选）以及发现综合。该工作流适用于新技能开发前的调研、陌生领域探索、实现模式收集、技术或库调研以及最佳实践发现等场景，最终产出包含 3-5 个来源、识别出的模式与最佳实践的 research-synthesis.md 综合文档。
docs-updater
docs-updater 是一个“活文档”更新技能，用于在功能实现完成后，根据实现进度同步更新产品文档（.specweave/docs/），并将文档章节状态从 [DRAFT] 改为 [COMPLETE]。
consultant
consultant 是一个面向商业咨询的分析技能：以假设驱动拆解商业问题，产出结构化分析与建议内容。它只负责思考、论证与文字内容，不生成图表或版式，可交给交付类技能做成幻灯片、文档或表格。
ez-devto
ez-devto 是一个用于浏览和搜索 DEV.to 文章的 Typer 命令行工具，无需认证。支持获取热门、最新、上升及按标签筛选的文章，查看文章详情与评论，并列出热门标签。所有命令均支持 --json 输出原始 JSON。
aeon-deep-research
aeon-deep-research 是面向深度研究的多源调研技能，按一手来源、专家来源、二手来源与市场信号分级取证，并为每条论断标注来源类别。输出包含核心论点、发现、对抗性反驳、未解问题与去重来源，强制给出反方观点，适合需要分析师级严谨结论的场景。
aeon-last30
aeon-last30 是一个跨平台 30 天话题社交研究技能，覆盖 Reddit、X/Twitter、Hacker News、Polymarket 与开放网络，按叙事聚类提及并按 7 天热度变化排序，而非按声量排序，并强制呈现反方观点。
aeon-paper-pick
aeon-paper-pick 是一个每日从 Hugging Face Papers 中挑选单篇 AI/ML 论文的技能，输出包含核心主张、值得阅读的理由、可能出错之处和阅读顺序的简短简报，帮助读者决定是否投入一小时阅读。
citation-analysis
用于分析引文网络、计算文献计量指标并识别研究前沿的技能，基于 Semantic Scholar、OpenAlex 和 CrossRef 数据，可计算 h-index、g-index、i10 等指标，构建引文与合著网络，检测研究前沿。
hypothesis-gen
结构化科学假设生成技能，用于从观察、数据或研究空白中提出可检验的假设。可帮助正式表述H0和H1、定义变量并按可检验性等标准评分排序。不用于检验假设、设计实验、检索文献或撰写论文。
latex-posters
latex-posters 是一个用于制作学术研究海报的技能，基于 LaTeX 的 beamerposter、tikzposter 或 baposter 等宏包，帮助生成会议、研讨会、答辩等场景的专业海报，并强调用 AI 生成视觉元素、控制内容溢出与字号可读性。
openalex-database
基于 OpenAlex 开放学术数据库的技能，用于检索与分析学术文献。可搜索论文、按作者或机构查找成果、追踪引用、分析研究趋势与开放获取情况，支持批量查询与大规模数据导出。无需 API 密钥，建议提供邮箱以提升速率限制。
paper-writing
用于撰写和润色科学论文的技能，按 IMRaD 结构组织内容并规范引用格式，支持 APA、IEEE、Chicago、Vancouver 等引文样式与 LaTeX 模板，适用于起草摘要、方法、引言等章节及改进论文结构。