SuperAPI AI 工具集

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 10-27 00:15

写作与研究

14,261 个结果

write-good-docs

write-good-docs 是一个面向人类读者的技术文档写作、编辑与审阅技能,适用于 README、指南、教程、操作说明、API 或 CLI 参考、运行手册、故障排查等文档。它强调为特定读者服务,优先保证事实与安全、读者目标、可查找性与顺序、清晰连贯的行文以及一致性。该技能只规范行文与结构,不负责确立产品事实;用户指令与项目约定优先于其默认风格。它区分纯文字编辑、基于证据的重写和实质性建议,要求保护代码、命令、标识符、路径、URL、数值、版本等精确内容,不编造默认值、命令、机制或引用,并在交付前检查受保护内容、引用支撑与安全可验证性。

写作与研究14 次安装

academic-tone-guide

Academic Tone Guide 是一个用于调整学术写作语气、语域与声音的技能,帮助写作者匹配学科规范和目标发表场所的文体惯例。它覆盖从非正式草稿到可发表文稿的语域光谱,讲解模糊限制语(hedging)、去人称化表达、各学科的文体规范,以及常见的有损可信度的语气问题。该技能提供语域分级示例、学科差异说明(STEM、社会科学、人文学科)、模糊限制与强化表达的使用时机与规则、常见语气问题的修改前后对照,以及作者声音与人称使用的指导,并附有实用的语气审查清单,通常用于实质性内容编辑完成后的最后修订阶段。

写作与研究14 次安装

prose-writing

Prose Writing 是一个面向创始人的长文写作技能,用于撰写博客文章、创始人随笔、build-in-public 更新、About 页面、newsletter 开头等长文内容。它强调先确定个人声音(voice),再组织结构、快速起草、最后编辑,帮助避免 AI 常见的空泛、套话和模板化表达。技能提供声音卡片(voice card)构建方法、多种格式的写作模板与提示词、起草与编辑流程、常见错误对照表以及发布前质量检查清单。

写作与研究14 次安装

module-source-coverage

module-source-coverage 是一个用于教程生成流程的“模块—来源覆盖”审计技能。当已经存在教程模块计划(outline/module_plan.yml)时,它在撰写正文之前生成一份可审计的模块到来源的 grounding 文件。该技能读取 outline/module_plan.yml、sources/index.jsonl 和 sources/provenance.jsonl,输出 outline/source_coverage.jsonl,每个模块一条覆盖记录,并额外包含一条语料对账记录(corpus_reconciliation),用于列出已摄取来源、已归属来源和未被使用的来源。它只做 grounding 审计,不撰写教程正文,也不负责上下文包组装。触发词包括 module coverage、source coverage、tutorial grounding、模块覆盖、来源覆盖。若模块计划或来源摄取不完整则应跳过。

写作与研究14 次安装

source-manifest

source-manifest 是 source-tutorial 流水线中的 C1 环节技能,用于在内容摄取开始前,把用户提供的多个来源(URL 或文件)整理成统一的 sources/manifest.yml 清单。它读取 GOAL.md 与 DECISIONS.md 来理解教程预期使用的来源类型,若清单不存在则生成最小示例脚手架,并校验每个来源是否包含 source_id、kind、locator、label 四个字段。支持的来源类型包括 webpage、pdf、markdown、repo、docs_site、video;对 video 类型优先要求 transcript_locator,Bilibili 在公开字幕可用时可能成功,YouTube 目前需搭配 transcript_locator。该技能不联网,强调不得伪造来源,清单不完整时返回 BLOCKED 而非假装完成,只有存在至少一个真实来源时才返回成功。

写作与研究14 次安装

source-tutorial-spec

Source Tutorial Spec 是一个用于从已摄取资料生成教程规格的技能,属于 source-tutorial 工作流的 C2 阶段。它在结构规划之前,依据 sources/index.jsonl 与 sources/provenance.jsonl 等资料,锁定受众、前置知识、学习目标、资料范围与贯穿示例策略,产出 output/TUTORIAL_SPEC.md 教程契约。该规格包含受众、前置知识、学习目标、非目标、资料范围、贯穿示例策略与交付形态等章节,并嵌入机器可读的结构化数据,供下游确定性规划使用。脚本 scripts/run.py 负责读取已摄取资料包、推导有依据的教程范围并写出 Markdown 规格与结构化种子块。该技能不负责概念 DAG 构建、模块排序与教程正文写作。

写作与研究14 次安装

source-tutorial-writer

Source Tutorial Writer 是一个用于从已批准的教程上下文包生成最终教程文章的技能。当 source-tutorial 流程的 C3 阶段就绪、outline/tutorial_context_packs.jsonl 已准备好且 DECISIONS.md 已勾选 Approve C2 时使用。它读取 outline/tutorial_context_packs.jsonl、outline/module_plan.yml 和 DECISIONS.md,按已批准的模块顺序渲染出确定性的教程内容,输出 output/TUTORIAL.md。正文以读者为先,但不得写出资料未支持的内容。每个模块需包含 Why it matters、Key idea、Worked example、Check yourself、Source notes 等教学小节。该技能不联网,不负责自循环 QA 报告,也不负责文章或幻灯片编译。

写作与研究14 次安装

tutorial-context-pack

Tutorial Context Pack 是一个面向教程写作流水线的技能,用于在模块规划与来源覆盖完成后,为每个模块生成可稳定交给写作者的上下文包。它组合模块结构、来源覆盖信息和来源片段,按模块输出确定性的 JSONL 包文件。触发词包括 tutorial context pack、module pack、writer pack、教程上下文包、模块写作包。使用前提是 source-tutorial 的 C2 阶段已完成 module plan 和 source coverage;若二者尚未完成则应跳过。该技能不访问网络,且只负责整理上下文,不直接撰写教程正文。

写作与研究14 次安装

documentation

该技能用于生成代码文档、API 规范、架构图(Mermaid)、README 以及代码讲解,适用于为代码或 API 编写文档的场景。它覆盖多种文档类型:函数/类文档字符串(支持 Python、JavaScript/TypeScript、Java、C# 等语言格式)、逐端点的 API 参考文档、系统架构文档、项目 README,以及对复杂代码的分步讲解。技能会在用户提出“document this”“explain this code”“how does this work?”、提及 README/docs/documentation、完成功能或创建 API 端点后、或要求“write comments for this”时被激活。文档内容强调解释“为什么”而非“做什么”、保持示例最新、使用一致格式、包含边界情况,并随代码同步更新。

写作与研究14 次安装

writing

通用写作技能,以“内容→组件→组合”的方式产出技术文档、产品文档和汇报材料,覆盖 spec、plan、PRD、用户手册、项目汇报、方案路演、调研报告等结构化文档场景。核心理念是组件驱动、不预设模板:先分析内容形态,再挑选能承载该形态的写作组件,自然组合成文档。提供写作组件库、常见组合范式参考以及浅色阅读型和深色路演型 HTML 报告组件示例,并给出从理解内容、选组件、素材就位、撰写到质量自检、交付的完整流程。

写作与研究13 次安装

reference-library-manager

Reference Library Manager 是一个用于管理项目参考资料库的技能,将 reference/ 目录下的来源文件作为持久的研究基础设施进行维护。它回答的核心问题是:我们有哪些来源,以及它们的处理状态如何。该技能适用于扫描、摄取、索引、去重、监控或跟踪论文等来源的处理状态。它不负责深入理解来源内容或分析来源对项目的意义,这些任务分别由 reference-reading-summarizer 和 reference-project-synthesizer 承担。技能默认以 <project-root>/reference/ 为参考根目录,支持论文 PDF、协作文档、Markdown 笔记、BibTeX 文件、脚本、配置、笔记本、网页快照等多种来源类型。它通过确定性扫描获取文件名、哈希、大小和修改时间,并生成索引、处理状态、元数据缺口和重复检查等文件。

写作与研究13 次安装

research-results-auditor

Research Results Auditor 是一个面向机器学习研究的技能,用于在实验结果即将写入论文作为论断之前,对结果进行结构化的有效性审查。它关注的核心问题是:按论文所述,这些证据在科学上是否站得住脚。适用场景包括:实验已完成、结果即将写为论文论断;结果看似有说服力但测量与结论之间的联系显得牵强;审稿人可能追问“还有什么能解释这一结果”;用消融结果把性能提升归因于某个特定组件;类别不平衡、校准或阈值选择可能主导指标;投稿前需检查测量内容与论文论断之间的差距。该技能不适用于实验仍在进行或结果尚未定稿的情况,也不用于测试选择或方差报告。它通常会与上游的结果诊断、统计分析规划器配合,并在下游更新证据板、收窄或禁止未通过审查的论断。

写作与研究13 次安装

cnblogs

cnblogs 是一个用于操作博客园(CNBlogs)内容的技能,通过官方 vscode-cnb 客户端所使用的 API,配合个人访问令牌(PAT)实现文章的发布、更新、读取与删除。它基于捆绑的标准库 CLI 运行,连接器会将用户的博客园个人访问令牌注入为环境变量 $CNBLOGS_TOKEN,使用时不会打印该令牌。该技能遵循当前官方 cnblogs/vscode-cnb 客户端契约(https://write.cnblogs.com/api,使用 Authorization: Bearer 加 Authorization-Type: pat 进行认证)。主要命令包括 whoami(验证令牌并查看账号的发布模板)、categories(获取分类)、posts(列出最近文章)、post(查看指定文章)、create(创建草稿或发布)、update(更新文章,需显式选择可见性)、delete(删除文章)。创建与更新默认先执行 dry run,不加载凭据也不调用 API,需要用户确认后才加 --confirm 执行;公开发布还需额外添加 --publish。若认证失败,会提示用户在 https://account.cnblogs.com/settings/tokens 创建 PAT 并重新连接,不索取账号密码或 Cookie。适合需要通过 API 批量或程序化管理博客园文章的场景。

写作与研究13 次安装