research-note
research-note 是多角度技术研究流水线中的综合步骤，接收 api-state、ecosystem-research、impact-measurement、codebase-auditor 四个研究角度的结构化输出，进行信号加权与冲突消解，生成单一 Research 章节并返回给调用方编排器。
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
14,185 个结果
research-grants
为 NSF、NIH、DOE、DARPA 等机构撰写竞争性研究基金申请书的中文技能介绍，涵盖各机构格式、评审标准、预算准备、广泛影响等要求。
weixin-fetch
weixin-fetch 是一个基于 Playwright 浏览器自动化的技能，用于抓取微信公众号文章并转换为干净的 Markdown。支持绕过反爬、自动处理懒加载图片、按发布日期和标题自动生成文件名，并提取作者与发布时间等元数据。
authority-transfer
权威转嫁写作法 skill，用于为产品或品牌引入权威背书以建立信任的文案写作。适用场景包括新品上市缺乏认知度、高客单价产品需要信任支撑、功效型产品需要专业认可。核心方法分两步：第一步树立权威的高地位，第二步描述权威的高标准，读者据此自然推导出产品值得信赖。不适用于已有强品牌认知的成熟产品、低价快消品。
factual-evidence
该技能用于在产品写作中，通过客观数据或直观实验来证明产品性能，打消消费者的理性疑虑。它提供两条证明路线：一是直接证明，先收集精确的可量化性能数据，再将数据链接到读者熟悉的事物上，使抽象数字变得可感知；二是间接证明，当性能不便量化时，设计一个具有强烈视觉对比的实验。适用于产品具备可量化性能优势、需要视觉化展示产品实力、消费者对功效存在理性怀疑的场景；不适用于纯情感型产品或无法量化的体验。
writing-great-skills
编写与编辑技能（skill）的参考指南，讲清让技能具备可预测性的词汇与原则。核心观点是：技能存在的意义是从随机系统中压榨出确定性，而可预测性——智能体每次运行走同一套流程，而非产出相同结果——是根本美德，文中所有手段都服务于它。内容围绕调用方式（模型调用与用户调用）、描述撰写、信息层级（技能内步骤、技能内参考、外部参考、渐进式披露）、拆分时机（按调用拆、按序列拆）、精简（单一事实来源、相关性检查、逐句无操作测试）、引领词（leading word）以及失败模式（过早完成、重复、沉积、蔓延、无操作、否定）展开。文中加粗术语在 GLOSSARY.md 中有完整定义。
awesome-plan-simplify
针对已有计划、设计文档或规格说明做简化审查：对照其将要改动的系统核查计划中的断言，找出过度设计、冗余防护等可删除或合并之处，并按格式生成审查报告，不直接修改原计划。
ai-summarizing
一个基于 DSPy 的中文技能，指导用 AI 将长内容浓缩为简洁摘要，支持受众定制、结构化提取（决策、待办、要点）、长度与详细度控制、长文档 map-reduce 与分层摘要，并提供忠实度与覆盖率评估。
stop-slop-zh
stop-slop-zh 是一个面向中文写作的 AI 味清理技能，适用于公众号、博客、知乎、小红书、技术文档、方案、README、公文、摘要、文案等长文场景。它归纳中文 AI 文本的典型指纹，提供十条改写规则、五维评分量规和交付前检查清单，写完定稿前调用可减少套话与八股。
housekeeping
Housekeeping 是一套项目“家务管理”方法，用于维护文档组织、依赖管理、目录结构、代码清理、技术债跟踪与基础设施，帮助项目随规模增长保持健康。
light-paper-drafting
用于撰写论文初稿与单章节起草、重写和自检的技能，支持 full、outline-only、abstract-only、section-redraft、self-review 五种模式，强调先研究后落笔、claim 可核查与诚信门核查，适合按 IMRaD、综述、理论、案例、政策简报、会议等结构组织论文。
light-paper-polishing
以审稿人视角对论文分模块润色：语言润色、逻辑重构、结构优化、创新点强化、论证补强、摘要精炼、引言增强、实验分析深化、结论提升。从审稿人角度找逻辑薄弱、论证不足、表达不专业、缺引用、需重组之处，给出具体修改方案与修改后文本。
copywriting
一套面向营销文案创作的技能指南，帮助撰写、改写和优化首页、落地页、定价页、功能页等页面文案，强调清晰、具体、以客户语言和行动转化为导向。
requirements-clarity
一个用于在实现前澄清模糊需求的中文 AI 技能：通过系统性提问把含糊需求转化为可执行的 PRD，并采用 100 分制清晰度评分，逐步补齐功能、交互、技术与业务上下文。
mind-map
根据代码库、主题、文件或对话生成 Mermaid mindmap 思维导图，以 2-4 层分支层级可视化呈现主要主题与相关想法。
teacher-skill
teacher-skill（meisijiya 改编版）是一个教学数据契约生成技能，用于学习文档与教学演示。它把上游 chentao326/teacher-skill 的六模式教学契约以渲染器无关的数据形式输出，本身不渲染 HTML，也不运行脚本、不持久化状态、不联网抓取。
docs-as-code
一个文档即代码（docs-as-code）技能，用于指导文档流水线自动化与版本控制、评审、测试和 CI/CD 集成的工作流，涵盖工具选型、项目结构、配置模板与文档质量检查。
interview-conducting
该技能用于 AI 主导的干系人访谈，依据 LLMREI 研究模式开展结构化需求获取，支持真实干系人对话与无真人时的模拟访谈，覆盖开场、背景收集、需求探索、验证、收尾五阶段，并输出结构化需求与访谈摘要。
knowledge-base-add-book
该技能用于向 mmontes11/knowledge-base 仓库的 books/ 分区添加一本已出版的技术书籍，按章节逐章整理成忠实的学习笔记。流程包括：先阅读 books/README.md 了解该分区规定的书籍结构、目录跟踪规则与写作约定；在仓库内创建以书名小写 kebab-case 命名的条目目录，放入源 PDF（book.pdf）并编写条目 README（含书籍信息、简介、目录、参考资料及最小 frontmatter）；随后按阅读顺序为每章创建 NN-<chapter>.md 文件，概括并标注出处，不整段复制原文，必要时添加 mermaid 图并先渲染验证；保持条目目录与章节文件同步；最后在根 README.md 的 Tracked books 表中登记该书，以约定式提交信息提交并直接推送到 main。书籍为项目无关内容，位于仓库根目录 books/ 下。
knowledge-base-add-project
该技能用于向 mmontes11/knowledge-base 仓库的 projects/ 目录添加新的被跟踪项目或新分类，或在维护运行中更新已有项目。提供两种模式：新增（从上游创建标准文档文件夹）和更新（幂等维护，按上游变化刷新文档）。所有操作需遵循知识库根 README 的标准文档与元数据规范，保持链接优先、不复制全文，并推送至 main 分支。
knowledge-base-query
这是一个只读型技能，用于查询 mmontes11/knowledge-base 知识库中收录的项目、书籍与基础知识，并基于库中内容回答问题。它会先读取仓库根目录 README.md 中的索引表定位目标条目，再按问题类型只打开对应文件，例如项目概览、API 参考、发布记录、功能列表、架构说明或书籍章节，避免通读整个仓库。若索引中不存在被询问的对象，它会明确说明知识库未覆盖并停止。该技能适用于查询跟踪项目的用途、接口与最新版本，了解某本书的内容，或理解基础概念的工作原理；回答时会指出所读文件及 last_updated，便于判断时效性。对于仅链接上游的项目，若条目信息单薄或过时，会提示并提供上游链接以便核实。
cap-table-explainer
用通俗英文与实际数字解释股权结构表、稀释、SAFE、期权池和融资轮机制，面向创始人展示融资后谁持有多少股份及原因。仅为说明性内容，不构成法律或财务建议。
gourmet-research
gourmet-research 是一个面向城市美食调研的模板化技能，强调多来源证据、标准化评分与可审计文件结构，用于生成可追溯、可比较的美食推荐。
mapping-webapp
mapping-webapp 是一个面向 Web 应用的行为/功能文档生成技能，通过代码优先分析读取源码，产出 _FEATURES.md，记录页面、流程、状态与行为不变量，是 tree-sitting 的配套工具。