human-writing-style
human-writing-style 是一套写作风格指南技能，用于避免 AI 典型写作模式，写出更可靠、更易被记住的德语与英语专业文本。它分为两部分：好文本的结构方法，以及需要避免的 AI 语言特征。
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 10-28 00:17
写作与研究
14,294 个结果
content-de-slop-ai
content-de-slop-ai 是一个用于在发布或发送前去除 AI 生成痕迹的内容编辑技能。它适用于博客文章、信息流帖子、newsletter、落地页、冷邮件、案例研究等所有 AI 辅助草稿。该技能按固定顺序执行：先修复结构性问题（如句式翻转、三段式、节奏单一），再处理标点、词汇、内容与语气层面的机器痕迹，然后进行具体化改写（把泛泛表述换成来自素材的真实数字、名称或日期，否则删除并标记缺口），接着调整句子节奏，最后与作者声音指纹对齐并按渠道校准。它强调结构才是最大的破绽，仅替换词汇无法真正去 AI 化；同时要求所有具体信息可溯源，禁止编造细节，禁止用俚语或刻意随意来伪装。技能附带参考文档，涵盖五类机器痕迹清单、渠道校准、七项检测测试、声音指纹构建和完整示例。
plotloom-episode-card
Plotloom Episode Card 是一个用于短视频/短剧创作流程的技能，在生成视频提示词之前，为某一集创建一份精简的“剧集意图卡”。当用户提出“plan ep001”“next episode”“make a 45s/60s short-drama”等需求时使用。它聚焦于剧集意图锚定，而非完整剧本或分镜生成，输出 episodes/epXXX/episode-card.md，并衔接后续的 plotloom-shot-prompts 技能。
writer
writer 是一个用于文本编辑、文档更新、替换文本、润色写作风格与文本操作任务的技能，强调用专门的写作工具而非 grep、sed 等软件工程工具来编辑文本。
past-research-search
past-research-search 是一个用于记录和检索历史 tavily-research 运行结果的本地日志技能。它解决的问题是：Tavily 的 API 没有跨会话的历史查询接口，用户只能通过 request_id 查询某次研究的状态，一旦忘记 ID 就无法找回。该技能通过在每次 tavily-research 运行后向本地日志文件追加一条记录（包含时间戳、查询内容、所用模型、request_id 和输出文件路径），让用户之后可以按关键词搜索本地日志来定位过去的任务，而不必记住 ID。查找后若仍在 Tavily 的保留窗口内，可用 tvly research poll <request_id> --json 重新获取完整结果。资料同时说明了一个已知问题：截至 2026-08 年，通过 OAuth（tvly login）认证时，按 request_id 重新获取结果的步骤会失败，因为该路径经由 Tavily 的 MCP 服务器，而该服务器目前未暴露 tavily_get_research 工具；解决办法是改用原始 API key 认证。本技能仅涉及本地日志记录与查找，不改变 Tavily 本身的能力。
taxue-material
taxue-material 是一个素材检索与注入技能，可从个人创作资产库中检索并注入高质量素材、金句、案例、洞见和方法论，帮助用户完成创作前的素材准备，并标注素材来源。
youtube-catchup
youtube-catchup 是一个用于批量跟进优先 YouTube 频道新视频的技能：抓取频道更新、过滤已处理视频，并为新视频生成带转录摘要的笔记。适合想自动整理订阅内容、快速浏览要点的人，需要配合 yt-dlp 与本地知识库路径使用。
threejs-particle-canvas
用于生成交互式 Three.js 画布的 Claude Code 技能，提供叙事粒子、WebGPU 加载动画、无限画廊隧道、glTF 生物、黑胶展示、玻璃主视觉六种模式。输出为单个自包含 HTML 文件，无需构建步骤或框架，可离线运行。
deep-research-report
将 Claude、ChatGPT、Gemini、Codex 等深度研究功能输出的长篇调查文本（Markdown、Word、纯文本或聊天粘贴内容）编辑为咨询级 HTML 报告：结论前置、数字图表化、出典分级标注，并单文件输出。仅做重排与编辑，不新增原文没有的数据。
deep-research-glim
deep-research-glim 是一个基于 glim MCP 工具与并行子代理执行多角度深度研究的技能，用于深度调研、竞争格局分析与战略情报，强调跨来源验证、证据丰富和正交洞察。
web-research
web-research 是一个基于 Brave Search API 的深度网络研究技能，用于围绕某个主题进行系统性检索、抓取网页内容、交叉比对多个来源，并整理成带引用的结构化研究报告。它适合需要超越单次搜索的深入调研任务，例如技术选型评估、市场与竞品分析、事实核查等。使用前需在环境中配置 BRAVE_API_KEY，可在 https://brave.com/search/api/ 获取（资料提到免费额度为每月 2,000 次查询）。
research
这是一份技术调研技能说明，用于系统化研究、分析和规划可扩展、安全且易维护的技术方案。它规定调研范围、搜索步骤、来源验证、分析维度与报告结构，并要求守住YAGNI、KISS、DRY原则。
librarian
面向图书馆信息服务的专业 AI 技能，模拟拥有 15 年以上公共、学术与专门图书馆经验的 MLIS 馆员，可辅助参考咨询、馆藏建设、信息素养教学、编目与元数据、数字资源管理及社区参与等工作。
product-lens-reviewer
product-lens-reviewer 是一个以资深产品负责人视角审查规划文档的技能。它首先质疑问题定义本身，而不是直接评估执行方案，核心理念是“最常见的失败方式是把错误的事情做得很好”。该技能会从前提挑战、轨迹检查、实现替代方案、目标与需求对齐、优先级一致性等维度产出发现，并对每条发现做置信度校准：0.80 以上为高置信度，0.60-0.79 为中等，低于 0.50 则不予输出。它明确不审查实现细节、技术架构、度量方法、风格格式、安全、设计、范围大小和内部一致性，这些分别交由其他专项技能处理。
wenyan-mode
文言模式（wenyan-mode）是一个安装后始终启用的技能，自动让助手以文言文风格回应。技术名词保留原文，仅调整语言风格，不改变技术内容与代码。
Plotting SOP
Plotting SOP 是一套面向学术论文配图生成的标准操作规程（SOP），属于 wentorai/research-claw 项目下的技能。它为「用户要求画图、绘制论文图表、制作流程图/架构图/概念图、在学术写作中生成插图、把数据转换为可视化」等请求提供了统一的判断与执行流程。该规程内置四类渲染引擎：Python（数据可视化，基于 matplotlib/seaborn）、Mermaid（结构化图表）、AI Image（通过 OpenRouter 调用 Gemini 图像生成，即 NanoBanana，用于复杂学术示意图）、SVG（自定义矢量图形）。整体流程包括：会话内一次性的环境能力检测（matplotlib、seaborn、mmdc、cairosvg）、引擎选择决策树、代码模板、执行与失败自纠（最多 3 次）、配色方案、图表类型速查、图片质量检查清单、学术配图规范（命名、图注、字体、DPI、配色、网格）以及与 Writing SOP 的集成调用。该技能强调所有图表标签使用英文、图片 DPI 至少 300、使用色盲友好配色、输出到 outputs/figures/ 目录，并在调用需要付费的 AI 图像接口前先征得用户确认。
Writing SOP
Writing SOP 是一套面向学术写作与文档产出的四阶段迭代协议，属于 research-claw 技能集。它把写作流程拆分为「材料审查与大纲 → 初稿生成 → 自检与修订 → 精修与导出」四个阶段，并在阶段之间设置 Stop Point 等待用户确认，避免一次性生成完整草稿。协议覆盖大纲编制、逐节撰写、引用格式（APA 7、MLA 9、Chicago、IEEE、Vancouver、Harvard、Nature、ACM 等）、参考文献导入导出（BibTeX、RIS、CSV、JSON、PDF、DOI 列表）、LaTeX 编译、Markdown 转 PDF/docx、语言润色与投稿准备等环节。适用于论文、报告、学位论文、研究计划等学术文本的撰写与编辑。
beamer-compile-qa
beamer-compile-qa 是一个用于编译 Beamer 教学幻灯片并生成构建报告的技能。它以 latex/slides/main.tex 作为编译入口，输出 latex/slides/main.pdf 和 output/SLIDES_BUILD_REPORT.md。该技能适用于 source-tutorial 的 C4 阶段，前提是已有 latex/slides/main.tex 且幻灯片脚手架已完成。其护栏要求编译失败时也必须落盘可读报告，不能只返回报错。运行方式为通过 uv 执行脚本并指定工作区。
source-ingest
Source Ingest 是一个用于研究流程的技能，负责把 sources/manifest.yml 中列出的网页、PDF、Markdown、仓库、文档站点和视频等来源，抓取并归一化为本地、可追溯的文本产物。它支持本地文件路径和远程 URL，输出 sources/index.jsonl 与 sources/provenance.jsonl，保留来源出处。视频采用字幕优先策略，优先使用提供的 transcript_locator 或 Bilibili 字幕，否则明确失败。该技能只把成功抽取的内容视为有效来源，失败来源必须落盘记录，必选来源失败时整体失败。
map-literature-contradictions
该技能用于分析文献综述中相互冲突的研究发现，把研究分歧转化为结构化洞见。当用户提供论文、摘要、笔记或研究主张时，可借助“梳子法”工作流梳理共识、分离矛盾、比较研究条件、推断差异原因、标记解释边界，并输出矛盾矩阵与可直接使用的综述综合段落。
style-extract
Style Extract 是一个用于分析语雀文档并提取个人写作风格的工具。它通过读取用户指定的或自动筛选的语雀文档，从用词习惯、句式结构、语气特点和结构偏好等维度进行分析，生成可复用的写作风格画像。该画像可用于帮助用户理解自己的写作风格，或指导 AI 以用户的口吻撰写新内容，保持文档间风格一致。
docs-management
docs-management 是一个项目知识库引擎类技能，目标是持续维护 docs/ 目录，使其保持为一个“活”的知识库，而不仅是静态文件堆。它借鉴 Karpathy 关于 LLM Wiki 的思路：LLM 不只是写文档，而是持续维护知识库。技能采用三层架构——Raw Sources（原始素材，如代码、git log、会议记录、外部文档）、Wiki（docs/ 目录下的结构化文档）、Schema（CLAUDE.md 中的文档规范）。围绕该架构提供五个核心操作：Ingest（摄入新信息并与已有文档合并）、Query（在 docs/ 中检索知识并回答）、Lint（对 docs/ 做健康检查）、Index（维护索引文件）、Synthesize（从碎片文档聚合成全局视图索引）。它强调“记账”式的交叉引用、一致性维护与状态同步，旨在防止文档腐烂，并与其他技能（如 task-finish、task-start、task-manager）配合形成文档维护闭环。具体安装方式与运行环境暂未提供。
expansive-inquiry
Expansive Inquiry 是一个多视角协作探究技能，将主题分解为六个认知透镜（Scope、Logic、Mythos、Bridge、Meta、Pattern），每个透镜具有不同的认知姿态，最终综合出跨透镜的元模式。它适用于开放式主题问题、需要认知多元性的战略决策、戏剧/艺术/哲学分析以及多学科研究综合。该技能由 Claude 作为编排者，六个透镜是 Claude 依次采用的个性向量，而非外部服务。执行图在独立阶段并行、依赖阶段顺序执行，并包含上下文窗口纪律与输出工件规范。
atlassian-community-search
该技能通过公开的 Vanilla Forums API v2 检索 Atlassian Community 上的公开问题、回答与文章，仅需 curl 和 jq，无需账号或 API 密钥。适合需要查找 ScriptRunner 等 Atlassian 产品真实使用经验、报错现象、变通方案与实践者讨论的场景。它把社区帖子作为实践证据而非权威产品文档，支持按类型、标签、短语和日期过滤，并区分已采纳答案与普通回复。使用时应保持请求有条理、限制条数，并对返回内容做校验与来源标注。