research
一个面向代码库的客观调研技能：由主智能体读取调研简报并生成中立问题，分配给不接触简报的队友并行调查代码，最终汇总为仅含事实与文件引用的 research.md，不夹带意见或方案。
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 11-01 00:15
写作与研究
14,529 个结果
writing-skills
面向技能作者的写作方法：将测试驱动开发应用于技能文档，先跑失败基线再写 SKILL.md，并用场景测试验证 agent 是否遵守。
ljg-paper-flow
ljg-paper-flow 是论文工作流技能，输入一个或多个 arXiv 链接、论文 URL、PDF 或论文名称，即可一条命令完成读论文、生成解读并铸成卡片，支持多篇并行处理。
ljg-rank
ljg-rank 是一个“降秩引擎”技能：给定一个领域，尝试找出支撑该领域的最少独立生成器并输出其“秩”。它要求结果具备生成性、最小性、独立性与预测力，并以散文形式呈现，最终写入指定笔记文件。
ljg-word
ljg-word 是一个深入解析单个英语单词的工具，将单词拆解为核心语义与“顿悟”式理解，帮助使用者掌握词汇的深层含义和用法，而非仅做翻译。适用于用户要求讲解或掌握某个特定英语单词的场景。
ljg-writes
写作引擎类技能，强调从观点出发在写作中想透观点。资料给出 Org-mode、ASCII 图、Denote 文件命名与写入 ~/Documents/notes/ 等约束，并包含声音、密度、过程五步和反风格检查等写作方法。
run-research-and-save-files
该技能面向需要对5个以上实体或整个市场/品类开展调研的场景，将调研结果落盘为可导航的多文件证据语料库，而非单条聊天回复。每个实体一个证据包、跨维度对比汇总、来源台账与主摘要均写入文件夹树。
documentation
面向技术文档写作的技能，围绕 Diataxis 框架组织教程、操作指南、参考与解释四类文档，强调 docs-as-code、贴近代码、评审与维护，并给出触发场景、质量门与反模式。
spec-writing
规范写作技能，用于把已评审的需求固化为共享的产品或技术规范，明确首版范围、非目标、接口、上线约束与待解决问题，主要服务于规范驱动和瀑布式流程，不适合日常敏捷迭代。
user-research
用于发现阶段获取目标用户、行为与痛点证据的技能；在需求梳理或问题界定后出现待验证假设时，先制定研究计划，再产出有证据支撑的用户画像与旅程图。
outline-wiki-search
本技能用于在 Outline Wiki 工作区中进行只读的文档检索与读取：既可以按关键词执行全文搜索，返回匹配的文档列表；也可以按文档 ID 获取文档的 Markdown 原文与元数据（标题、Collection、创建时间、作者等）。它属于 outline-wiki-* 技能家族中能力最小的一员，仅包含核心的 search / read 两项只读能力，不包含任何写操作。凡涉及创建、编辑、上传文档（含图片附件、@mention、评论、Collection 管理、移动、删除、归档）的场景，均由 outline-wiki-upload 技能负责；MCP 配置与首次接入由 outline-wiki-setup 技能负责。使用前需确认当前会话已注册 mcp__outline__* 系列工具，并在操作前先调用 MCP 的 tools/list 端点核实实际工具名与参数结构，不写死工具名。搜索结果按相关度展示，也可作为写入前的查重前置步骤。需要注意的是，在 Claude Code 环境下，MCP fetch(document) 返回的正文 content block 会被客户端截断，只能拿到元数据，正文需改走 REST 接口获取。
yzr-polish-writing
yzr-polish-writing 是一个用于润色改写与缩减文字的 AI 技能，主要面向已经写好的文本（多为 AI 生成，也接受人写草稿），直接产出改好的版本，而非诊断报告。技能设定的人格是资深系统架构师，强调用最简洁的语言把核心讲清楚。其核心机制是「缩减阶梯」六层：删段、删句、并句、短语换词、删词、幸存者顺风格。技能提供 lite、full、ultra 三档强度，默认 full：lite 只跑阶梯 L3–L6，段级与整句删除仅在说明中建议；full 跑全阶梯 L1–L6；ultra 在 full 基础上挑战内容存在性，给出极限压缩版并列出被挑战删掉的段落。技能明确「永不可砍」的内容：事实、数据、结论、引用，以及由「但/然而/前提是」引出的 caveats 和用户点名保留的内容；Markdown 标题层级、frontmatter、代码块、链接、图片、表格、列表等结构原样不动。输出包含改写后的完整版本、压缩率一行和不超过 3 行的说明。适用于润色、改写、精简、缩减、压缩、去 AI 味、polish、rewrite、condense、shorten 等场景，不适用于翻译、事实核查、改代码、内容意图变更或从零写文档。
code-docs-spec
code-docs-spec 是一套软件设计文档规范集合，包含产品蓝图、架构设计、功能需求规格、测试规格与文档审校润色五部分规范，用于在编写、维护、检查或润色设计文档时按文档类型引用对应规范，并在首次成稿后执行交付前质量门检查。
code-docs-spec
一套面向软件设计文档的规范集合，涵盖产品蓝图、架构设计、功能需求规格、测试规格，以及文档审校与润色，通过引用对应规范指导文档的编写、维护、检查与交付前质量把关。
research-paper-writer
research-paper-writer 是一个辅助撰写中文学术科研论文的技能，覆盖从研究方向诊断、题目精炼到框架构建、逐节撰写与去 AI 味润色的完整流程，适用于工学、农学、计算机等中文学术语境。
unmachined
unmachined 是一个用于识别并清除文本、UX 文案和网页界面中“AI 味”（AI slop）的技能。它针对 AI 输出容易趋同的问题，提供两层防线：一是收录已知的 AI 写作与设计特征并按严重程度分级，二是要求输出具备多样性，避免所有结果都收敛到同一种替代风格。该技能优先处理文本，其次是设计与布局，品牌相关放在最后。安装后可选择常开模式，让 CLI 会话中所有面向用户的文本默认按反 AI 味规则起草并在交付前扫描。它提供 onboard、always-on、always-off、status、learn、audit、fix、text、ui、diff 等命令，支持文本管线与 UI 管线，并配有 scan_text.py 和 scan_ui.py 等确定性扫描脚本。适用于撰写、审计或修订文章、帖子、README、营销文案、UI 文案以及前端界面等场景。
transcription
OpenChatCut 的转写（Transcription）技能，用于视频/音频任务的语音识别转写、字幕生成、字幕样式、转写文本搜索、转写就绪状态检查等。新导入的本地/客户端媒体需通过 import_media 启动转写，再用 track_progress 等待完成。已上传的资源在入库时会自动启动 ASR，但不会有任何流程自动等待它，必须使用 track_progress 确认就绪。若转写长时间停留在进行中，可按资源时长与等待时间判断是否卡住，再用 manage_transcript 的 retry_transcription 强制重试。字幕显示、文本检索、脚本清理等分别由 read_captions/edit_captions、find_transcript、clean_script 等工具负责。该技能还说明字幕读回为空时的排查思路，以及转写就绪后进行口播剪辑的流程要点。
version-update-log-format
该技能用于把同事提供的粗糙变更清单，整理成可直接对外发布的 OneOS PC 版本更新日志正文。它规定了固定的输出格式（标题、更新时间、分隔线、【新功能】/【Bug修复】分区、连续序号），并强制同模块合并、结果导向的业务语言、每条包含「做了什么 + 用户价值 + 责任部门」三要素。适用于用户要求写、优化或合并版本更新日志，输入含模块名与新功能/修复描述，或发版前需要统一文案口径的场景。
last30days
last30days 是一个用于研究近 30 天内人们真实讨论内容的研究工具。它从 Reddit、X、YouTube、TikTok、Hacker News、Polymarket 等平台抓取帖子和互动数据，并按一套严格的输出契约生成研究结果。该技能以 SKILL.md 指令契约的形式运行，包含版本自检、输出徽章、格式法则（LAW 1-8）、查询类型区分（通用/新闻/提示/推荐/对比）以及引擎调用规范。它要求由推理模型自行生成 JSON 查询计划（--plan），并强调不得即兴发挥、不得编造标题或章节标题、不得附加 Sources 列表。适用于需要了解某话题近期社区真实声音的场景。
xiaoqi-style-writer
小七万能文风写作（xiaoqi-style-writer）是一个风格抽取与迁移工具，核心能力是从任意文本中提取写作风格的骨架，并在全新主题上复现该风格。它基于 8 维度动态分析框架工作，可从文本中抽取风格参数（只提取骨架、不复制内容），再基于这些参数在任意新主题上生成文章，并维护一个可生长的风格库。使用时支持四种路径：风格写作、风格探索、风格抽取、风格库管理。用户可直接指定作家名称（如鲁迅、汪曾祺、史铁生），或粘贴一段喜欢文本来提供参考；工具会依次检查预装风格库、库外名家、用户提供文本三种输入模式。预装风格库当前收录约 20 个作家/作品，涵盖万维钢、史铁生、李娟、许倬云、鲁迅、王小波、黑塞、加缪、三毛、余华、张爱玲、杜拉斯、林语堂、汪曾祺、阿加西、马伯庸等。抽取完成后可询问用户是否保存至个人风格库，并记录使用次数与最近使用时间。
lyric-writing
该技能用于创作完整的歌曲歌词，并附带结构标注与制作说明，专门针对 Suno、Udio 等 AI 音乐生成平台进行优化。它覆盖结构设计、情绪映射、副歌钩子（hook）开发，以及把演唱与制作方向直接嵌入歌词文本中。可生成包含主歌、副歌、桥段等完整段落，并标注 [whispered]、[belt]、[building]、[harmony] 等演唱与动态提示，帮助 AI 音乐平台更准确地理解演唱方式与情绪走向。适用于需要为 AI 音乐生成准备歌词、设计情绪弧线与记忆点、保持艺人声音一致性的创作场景。
content repurposer
Content Repurposer 是一个内容复用技能，用于把一份素材转换成 10 种以上发布格式。它可接收博客文章、播客、视频或演讲等内容，生成 Twitter/X 推文串、LinkedIn 帖子、Instagram 轮播、 newsletters、短视频脚本、博客大纲、引用图、邮件序列、播客讨论要点以及 YouTube 描述和时间戳。其核心原则是适配而非复制粘贴、符合平台原生习惯、开头先用钩子、每份内容独立可用、并保持行动号召多样化。
news-aggregation
News Aggregation 是一个多源新闻聚合技能，用于从多个新闻站点与聚合器收集最近新闻，将相似报道合并为简短主题，并在每个主题下列出所有主要来源链接。默认时间窗口为最近 3 天，除非用户另行指定。它适合需要从众多媒体获得一份简洁简报、需要去重覆盖、以及需要来源透明（展示全部原始链接）的场景。基础 RSS 工作流无需 API 密钥，依赖 Python 3.10+ 及 feedparser、python-dateutil，也提供 Node.js 快速抓取与分组示例。
tech-selection-research
Tech Selection Research 是一个用于产品研发决策的技术选型调研技能。它不产出泛泛的技术概览，而是面向决策的输出，包含证据、权衡分析、ADR 草案和验证计划。适用于：为采用某项技术或框架做调研、在 2-4 个候选方案间比较、为架构或框架选型产出 ADR 草案、定义 PoC 计划与验证清单、为已采用技术产出趋势更新。技能提供四种模式：Quick Scan（单技术快速评估）、Shortlist Comparison（2-4 个候选比较）、Decision Pack（决策就绪报告 + ADR + PoC，默认模式）、Trend Update（最新版本、路线图、升级风险）。评估使用标准维度，包括业务契合、架构契合、团队能力契合、交付速度、运行时与可扩展性、可运维性与可观测性、安全与合规、生态成熟度、迁移成本、长期演进。技能强调来源层级（官方文档优先）、证据标签（Verified / Inference / Needs PoC），并明确禁止编造基准数据、仅凭流行度推荐、忽略迁移成本或团队能力。