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 10-29 00:09

写作与研究

14,367 个结果

detect-thoughts

Detect Thoughts 是一个用于“意图分析”的技能,它借鉴《龙与地下城》中同名法术的隐喻:从一段消息、简报或需求中系统性地提取发送者可能的意图、优先级与关切,并区分“说出来的”和“真正想要的”。它属于结构化的分析流程,而非直觉式读心:先读明文表达,再分析措辞、强调与结构中的隐含信号,最后给出陈述意图与推测意图之间的差距及回应建议。资料显示,它的运行除 Hermes Agent 及常规工具集外无额外运行时依赖,输出包含意图分析、差距分析和回应建议三类交付物,并要求用置信度标注推测、区分事实/假设/推断,且默认不假设对方有对抗意图。

写作与研究9 次安装

faerie-fire

Faerie Fire 是一个用于“标记已知内容”的技能:它不负责搜索、发现、解释、翻译或修复,而是在用户已经指出目标清单后,通过高亮、打标签、加注、标旗等方式,让这些已知事项在文档、代码库、数据集或图表中难以被忽略。使用前需先重述标记目标、成功条件和不可触碰的边界;若目标清单不明确,应先显式提取。它按载体选择策略:代码用行内注释、// HIGHLIGHT: 标记或带 file:line 的函数清单;文档用加粗/下划线、边注或含条款引用的发现表;数据表用标记行、条件格式描述或筛选视图;图表用标注标签、编号注释或图例。每个标记都要附带被标出的原因,无理由的标记视为噪音。交付物包括标注后的源材料,以及说明标记内容与选择标准的简明摘要,并显式列出置信度、假设与未解决风险。限制:不适合扫描/搜索(如查找隐藏 webhook)、解释代码、翻译语言、改写文本、修复问题或模糊请求;它只做可见化标注,不发现也不修复。

写作与研究9 次安装

glibness

Glibness 是一个用于提升表达说服力的修辞润色技能,它能把一段立场或论证改写得更自信、更流畅、更有结构。它来自 hmown/wizards-of-the-ghosts 技能集,被描述为以咒语为隐喻的交付型技能。使用时,它会先确认目标与边界,再提炼核心论点与最强证据,去掉犹豫措辞和多余限定语,按先结论、再证据、后行动请求的顺序重组内容,并对“润色是否掩盖真实弱点”做诚实性审计。交付物包括润色后的论证、诚实性审计、按说服力排序的替代框架。它强调只放大真实,不制造事实,并区分合理自信与不诚实的确定性。

写作与研究9 次安装

insight

Insight 是一个用于“潜台词分析”的技能:把邮件、需求、对话或 bug 报告中字面表达与真实意图之间的差距梳理出来。它会先复述目标与边界,再读取表层信息,标出语气变化、明显遗漏、模糊措辞、过度具体等不协调信号,进而推测对方真正的顾虑、异议或请求,并同时给出表层解读与潜台词解读及置信度,最后建议一种既回应真实顾虑又不显得对抗的回复方式。该技能不依赖额外运行时,适用于理解字面请求背后的真实诉求、识别利益相关者言行不一致时的真正阻塞点等场景。输出会明确区分已确认事实、假设与推断,强调潜台词只是有证据的假设而非读心,也不鼓励在缺乏强信号时臆测恶意。

写作与研究9 次安装

intimidation

这是一个面向严肃沟通场景的写作技能,用于在安全问题、合规义务、带截止时间的升级事项或不可选的整改通知中,写出语气与事实严重程度相匹配、具有权威感的正式信息。技能强调“校准力度而非虚张声势”:依据真实后果和期限组织直接措辞,明确责任人、所需行动与截止时间,并附上语气强度理由及何时应缓和的说明。使用时需先复述目标与边界,梳理权限链、后果与期限,再产出可辩护的严厉草稿。限制包括不得编造法律、安全或雇佣后果,避免羞辱与人身威胁,并区分已确认事实、假设与推断。

写作与研究9 次安装

legend-lore

Legend Lore 是一个深度调研技能,用于对指定的个人、公司、库、框架、概念或系统进行穷尽式研究,输出带来源引用的结构化档案,而非快速答案。它要求跨文档、源码、学术论文、网页与社区知识检索,交叉核对并解决矛盾,最终交付综合研究报告、按置信度分级的摘要,以及已知未知项与后续调研建议。该技能不提供除 Hermes Agent 和当前会话常规工具之外的额外运行时依赖。

写作与研究9 次安装

suggestion

Suggestion 是一个专注于“单次轻推”(single nudge)的写作技能,用于在用户最易接受的时刻,生成一条精心放置的提示文案。它不面向营销活动、说服论证或自动化,只产出单条 CTA、工具提示、通知或引导消息。技能要求所植入的想法合理且站得住脚,并通过“披露测试”:若用户得知这是刻意设计来引导自己会感到被操纵,则技能拒绝生成。交付物包括轻推文案、展示位置与时机建议,以及一句操纵审计说明。

写作与研究9 次安装

domain-modeling

Domain Modeling 是一个帮助团队构建和打磨项目领域模型的 AI 技能。它适用于讨论代码库术语、编写或编辑 GLOSSARY.md 以及记录或编辑 ADR(架构决策记录)等场景。该技能强调主动的领域建模纪律:挑战术语、构想边界场景,并在术语或决策确定的那一刻将其写入文档。它不仅仅是阅读 GLOSSARY.md 获取词汇,而是在改变模型本身。技能会检查用户使用的术语是否与现有词汇表冲突、将模糊语言精炼为精确的规范术语、通过具体场景压力测试领域关系、并与代码交叉验证以发现矛盾。术语确定后立即更新 GLOSSARY.md,ADR 则仅在满足难以逆转、缺乏上下文会令人惊讶、且是真实权衡结果这三个条件时才提议创建。

写作与研究9 次安装

sharpen-output

Sharpen Output 是一个用于“打磨输出”的技能,可处理任意类型的产出物,如提示词、故事、流程、技术文档、提案、创意写作、框架等。它通过迭代式意图提取与聚焦提问,帮助用户把模糊想法逐步澄清,最终生成比自己单独撰写更有冲击力的版本。技能会先静默判断输出类型与“有效”的含义,再询问可用时间(快速、中等、深入),并按需确认是否针对特定模型。随后以每次一个问题的方式,围绕受众与场景、反面空间、成功标准、约束、参考锚点、结构协商、边界情况和语气校准等维度推进。生成后会视强度进行一次或多次细化,涉及流程性输出时可选建议转换为 OpenProse。核心原则包括一次只问一个问题、综合而非复述、暴露用户未意识到的盲点、以消除歧义为方向,并尊重用户选择的强度。

写作与研究9 次安装