research-literature-interpretation
面向单篇论文的深度解读技能:像资深研究者带学生一样,提炼问题、机制、证据强弱、边界与可迁移启发。适用于用户提供 PDF、arXiv/DOI/出版社链接、本地论文或正文片段,并希望理解、批判、复现或学习时;不用于论文发现、多论文综述或仅改写摘要。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-27 00:15
14,241 个结果
面向单篇论文的深度解读技能:像资深研究者带学生一样,提炼问题、机制、证据强弱、边界与可迁移启发。适用于用户提供 PDF、arXiv/DOI/出版社链接、本地论文或正文片段,并希望理解、批判、复现或学习时;不用于论文发现、多论文综述或仅改写摘要。
面向 Intel XPU GPU(Battlemage/Arc Pro B50)的 Triton 内核开发技能,提供编写、优化与基准测试指导,并集成 Xe-Forge 优化框架,将 PyTorch 代码转换为高性能 Triton 内核。
一套面向人类可读文本的写作规范,旨在让文字听起来自然、像真人所写。适用于文档、Slack 消息、邮件、提交信息、错误提示等场景,基于 Strunk《The Elements of Style》及已记录的 AI 生成文本特征整理。
用于生成经事实核查的SAP技术文章与配置指南的技能,可输出含嵌入图片、流程图和参考来源的专业Word文档,覆盖SD、MM、FI、CO、PP、WM、ABAP、Basis与S/4HANA等主题。
面向日语技术博客的写作技能,用于个人博客、Zenn、Qiita、企业技术博客的文章企划、结构、撰写与整体评审。不处理 slug、front matter、标签、图片等文件准备,也不用于 About 页、README、SNS 投稿等短文。
将一篇长篇博客、思想领导力文章、研究报告、案例研究或产品指南,转化为三条差异化、平台原生社交帖子的技能,面向 B2B、SaaS、创作者与专业受众。
用于在当前代码仓库的 /docs 目录创建和更新产品上下文文档的技能,涵盖产品概况、功能、站点地图、架构与技术栈,适合需要为仓库补充或维护产品文档的场景。
JetBrains 的 context-research 技能,用于借助 jbcontext search 语义搜索来研究和理解陌生代码库,定位实现、定义与用法,并在改动前收集上下文。
Perplexity Search 是一个通过 LiteLLM 和 OpenRouter 调用 Perplexity 模型进行 AI 联网搜索的技能,可获取带来源引用的实时网络信息。它适合查找最新动态、近期科研文献以及超出模型训练数据截止时间的事实,只需一个 OpenRouter API 密钥即可访问全部 Perplexity 模型,无需单独注册 Perplexity 账号。技能提供命令行脚本,支持指定模型、保存 JSON 结果、详细输出等用法,并附带查询设计、模型对比与 OpenRouter 配置参考文档。
ToolUniverse 是面向 AI 智能体的科研工具生态,提供对 600+ 科学资源的标准化访问,覆盖生物信息学、化学信息学、基因组学、结构生物学、蛋白质组学和药物发现等领域,可用于发现、执行和组合科研工具与多步骤工作流。
一个用于构建和维护项目领域模型的技能,适合在讨论代码库术语、编写或编辑 GLOSSARY.md、以及记录或编辑 ADR 时使用。核心是主动挑战术语、打磨模糊语言、讨论具体场景并同步更新文档。
paper-analysis 是一个用于深度分析单篇论文的技能:输入论文 URL、PDF 路径或标题后,通过并行子代理采集背景动机、团队背景、技术方法、实验评估、优缺点、社区反馈、术语与延伸阅读七个维度,交叉分析后输出带来源标注的结构化研究笔记。触发词包括“分析论文”“paper analysis”“读这篇 paper”。
Cavekit Writing 是一套面向 AI 智能体的规格(kit)编写方法论,核心原则是「描述做什么(WHAT),而非怎么做(HOW)」。它要求 kit 与具体实现无关,不指定框架、语言或架构,从而具备可移植、可持久、可测试和可复用的特性。每条需求都必须附带可自动验证的验收标准,采用可观察、确定性、可自动化、独立于主观判断的格式。Kit 以层级结构组织,由一个索引文件链接到各领域子 kit,实现渐进式披露,节省上下文窗口。文档还涵盖跨 kit 交叉引用、完整模板、绿地与重写两种工作流、规格压缩、差距分析,以及与其他技能的集成方式,并列举常见错误。
用于更新或创建 WordPress 插件翻译的技能,处理 i18n、.po/.pot 文件,可提取、翻译并编译翻译文件。
用于检索并引用微软官方最新文档的技能,覆盖 Azure、.NET、Microsoft 365、Windows 与 Power Platform。通过搜索与抓取工具获取 Microsoft Learn 内容,适合查询配额、支持状态、配置选项和官方教程,并强调将结果视为不可信参考数据。
用于为 Power BI 语义模型与报表生成标准化文档的技能,通过交互式问答收集配置,连接语义模型后整理元数据并输出文档。
用于将项目整理为可公开发布的开源仓库的工作流技能,涵盖许可证、用户名替换、代码完整性检查与文档套件生成。
一个引导式设计文档编写技能,通过访谈流程提取项目背景、发现并压力测试设计原则、化解原则冲突,最终生成结构化设计文档,供后续 /design-review 使用。
基于 Obsidian 官方 CLI 的仓库搜索与发现技能,支持全文/grep 搜索、标签查询、大纲查看、链接与反向链接遍历,以及孤立笔记、死胡同笔记和失效 wikilink 审计。需 Obsidian 桌面版运行中。
用于将任意语言的律师文件翻译为高质量英文,并保留原 .docx 的字体、样式、页眉页脚、表格、编号与修订痕迹格式。基于 Skill 的分步流程运行,包含提取、翻译、校验、回填与重新打包。
nightly-docs-sweep 是一个面向代码仓库的文档巡检技能,目标是让仓库文档与当前实现保持一致,并留下可审查的变更集或拉取请求。它通过一次完整的文档检查,对比代码、配置、命令与实际行为,找出 README、安装指南、API 参考、示例、架构说明、注释和运行手册等文档中已过时或缺失的内容。它只更新不准确或缺失的材料,不会为了制造改动而重写本来正确的文档,并要求核对命令、链接、示例、配置名称、API 形态和安装步骤,再运行项目已有的文档测试、链接检查、类型检查、单元测试或 lint 等检查。最后汇总发现的文档漂移、改动的文件和已执行的验证;若用户要求且环境支持,会以清晰的标题和正文提交 PR。它强调范围紧扣真实实现行为,不编造代码、配置、测试或项目文档无法支撑的功能;仓库过大时可优先处理变更频繁或访问量高的文档并说明剩余范围。
为研究报告添加来源引用的技能,在深度研究完成后使用,可提升报告可信度。它只添加引用,不修改原文内容与结构,支持脚注与内联引用,并针对社交媒体数据给出专门的引用格式。
一个面向深度研究任务的“研究主管”技能:通过并行子代理与网页工具(web_search、web_fetch、Playwright)以及 TikHub API 收集资料,最后由主代理自行撰写综合研究报告。
Dive 是一个用于深入调查项目问题的技能:按文档→代码→分析的层次化检索策略,给出带 file:line 引用的有据可依的回答,适用于从业务逻辑到技术实现的各类项目疑问。