daily-paper-digest
每日 AI 论文速递工具，自动从 arXiv 和 HuggingFace 抓取最新论文，格式化后推送到飞书、Slack、Discord 等聊天应用，支持关键词过滤和定时调度。
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
14,267 个结果
deep-research
Deep Research 是一套结构化深度调研工作流，基于 Deep-Research-skills 项目，强调人机协作（human-in-the-loop）。通过 /research、/research-deep、/research-report 等命令，先由用户确认调研大纲与字段，再并行网络搜索逐项收集数据，最终汇总生成 Markdown 报告。
paper-parse
paper-parse 是一项学术论文双模式深度研读技能，可对用户提供的 PDF 附件或 URL 论文一次性生成两份报告：Part A 面向研究者的深度专业解析，Part B 面向快速理解的核心逻辑与价值提炼。
paper-summary
用于总结学术论文与研究文章的 AI 技能，支持 PDF、链接或文本输入，自动提取研究背景、方法、发现与结论，生成结构化摘要报告，适用于快速筛选论文、跨领域理解、文献综述与学术写作参考。
qmd
qmd（Quick Markdown Search）是一个面向 Markdown 笔记、文档与知识库的本地搜索引擎，核心思路是“一次索引、快速检索”。它把本地 Markdown 集合加入 collection 后建立索引，支持关键词、语义向量与混合三种搜索模式，并提供按路径或文档 ID 取回全文、批量取回、索引状态查看与增量更新等能力。默认推荐使用基于 BM25 的关键词搜索 qmd search，通常即时返回；语义搜索 qmd vsearch 与混合搜索 qmd query 依赖本地模型，冷启动可能较慢甚至超时，因此被定位为关键词搜索失败后的备选。qmd 使用本地 GGUF 模型，首次运行会自动下载，模型缓存默认位于 ~/.cache/qmd/models/。它面向 Markdown 集合（常见为 **/*.md），对结构不规整的 Markdown 也能按内容分块处理，但不用于代码搜索。安装依赖 Bun >= 1.0.0，macOS 上还需通过 brew 安装 sqlite 以支持 SQLite 扩展，并确保 PATH 包含 $HOME/.bun/bin。
tutor-skills
TUTOR SKILLS 是一套把 PDF、文档和代码库转成 Obsidian StudyVault 的技能，并配合交互式测验进行概念级进度跟踪。包含 tutor-setup 生成学习库、tutor 进行测验两个技能。
wechat-article-search
搜索微信公众号文章的技能：通过微信搜索按关键词获取文章列表，返回标题、概要、发布时间、来源公众号与链接，适合查找公众号文章、整理参考资料或快速获取文章信息。
xurl
xurl 是一个面向 WordPress 与 Shopify 客户的 Twitter 研究与内容情报技能，用于分析用户提供的 Twitter 个人资料、推文串和对话，挖掘痛点、提炼内容创意并识别潜在客户线索。它不直接访问 Twitter API。
writing-tech-breakdowns
已弃用的 Bitwarden 技能，用于起草工程工作分解（Tech Breakdown）。已被 starting-breakdown 与 developing-breakdown-spec 取代，仅作历史参考。
deep-dive-research-orchestrator
Deep-Dive Research Orchestrator 是一个协调多个 AI 研究专家、对任意主题（公司、产品、市场、技术等）进行多维度调研并生成带来源引用的专业分析报告的技能，涵盖财务、竞争、市场与产品分析。
sup-writing-plans
用于在动代码前，把多步骤任务的需求或规格写成完整实施计划的技能。计划面向零上下文工程师，按小颗粒任务拆分，包含精确文件路径、完整代码、测试命令与预期结果，遵循 DRY、YAGNI、TDD 与频繁提交。
briefing-note
用于生成结构化政策简报（1-2页）的技能，涵盖议题、背景、分析、选项与建议，支持英国GES、澳大利亚财政部、咨询及智库等模板，可指定受众、立场、篇幅与输出格式。
market-research
面向行业与市场研究的技能，可生成结构化、逐条标注来源的市场研究报告，覆盖市场规模、竞争格局、波特五力、PESTLE、监管、供应链、贸易与展望，支持多地区、多深度与多种输出格式。
humanizer
Humanizer 是一个用于去除文本中 AI 生成痕迹的写作编辑技能，基于维基百科 WikiProject AI Cleanup 维护的“AI 写作迹象”页面。它通过识别并改写 AI 写作中常见的模式，让文字听起来更自然、更像人类所写。该技能不仅删除问题模式，还强调为文本注入个性与声音，避免“干净但无灵魂”的写作。它覆盖内容模式（如过度强调意义、模糊归因、公式化“挑战与前景”段落）、语言与语法模式（如 AI 高频词、回避 is/are、负面平行结构、三段式滥用、同义词循环、虚假范围）、风格模式（如破折号滥用、粗体滥用、内联标题列表、标题大小写、表情符号、弯引号）、沟通模式（如聊天机器人残留语、知识截止免责声明、谄媚语气）以及填充与模糊限制（如冗余短语、过度限定、空洞积极结论）。使用时，用户提供待编辑文本，技能会扫描上述模式、重写问题部分、保留原意并匹配预期语气，最后输出改写后的文本，可选附上修改摘要。它适用于编辑或审阅文本、让内容更自然、去除 AI 味等场景。该技能基于维基百科页面，具体实现细节和平台限制暂未提供。
kavak-documentation
Kavak 内部平台文档技能，用于在 Kavak 项目中实现任何功能前先检索内部文档，覆盖架构、kbroker 事件、STS 认证、SDK、数据库、GitLab CI/CD、Docker 与 CLI 等主题。
chanjing-video-translation
蝉镜视频翻译技能，用于为已上传视频或已有视频任务创建多语言翻译任务，并查询支持的目标语言。使用前需配置蝉镜 OpenAPI AK/SK，源素材需已有 video_id 或 file_id。
nitro-research
nitro-research 是一个基于 nitro CLI 的研究技能，用于针对问题产出带引用来源的 Markdown 结论文件。它由主会话负责规划与判断，廉价子代理负责阅读原始资料，答案先给结论、逐条标注来源，并明确列出未知项。
competitor-research
用于调研竞争对手的产品、定价、团队、融资、战略与定位的技能，适合分析竞品、比较产品或理解竞争格局。资料未提供官方说明与安装方式。
exa-company-research
基于 Exa 搜索的公司调研技能，可查找公司信息、竞品、新闻、推文、财务、LinkedIn 资料并构建公司列表；适用于对特定公司或行业进行调研与深挖。
positioning-workshop
positioning-workshop 是一个用于公司定位的结构化练习技能，结合竞品研究与强制选择题，帮助团队写出不超过30字的定位陈述，产出面向战略对齐而非营销文案。
easysdd-architecture
easysdd-architecture 是项目架构文档的一站式技能，用于起草新架构文档、按代码最新状态刷新已有文档，或对架构做只读体检。它根据用户表述自动判断 new、update、check 三种模式，强调锚定代码、不替用户拍板决策、检查只出报告不修复。
loom-technical-writing
面向软件项目的专业技术文档写作技能，覆盖 README、用户指南、教程、迁移指南、变更日志与 API 文档等。核心是 Diátaxis 四模式（教程、操作指南、参考、解释）与简洁主动的写作风格，强调先读代码再写作、文档即代码。
academic-pipeline
学术研究全流程编排技能，从研究选题到最终论文，协调 deep-research、academic-paper、academic-paper-reviewer 等技能，分 10 个阶段推进并跟踪状态。
lit-pm
lit-pm 是一个文献综述流程编排技能（Tier 1 编排器），用于协调 9 阶段文献综述流水线，包括并行综述发现、自适应检查点、专家技能间的交接，产出全面且对决策有用的文献综述。