SuperAPI AI 工具集
合作ENAI 行业资讯收藏

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

thinking-yingshi-juufeng

这是一个蒸馏影视飓风Tim（潘天鸿）思维模式的实用框架，围绕视觉叙事、技术科普平民化、系统化知识体系、制作精良标准与真诚表达五个思维模型展开。资料提供了各模型的核心概念、原则、自查清单，以及内容策划流程、质量评判维度、经典语录、技术科普策划表、评测内容框架、视觉叙事分镜模板等实战工具，并列出适用场景与常见反模式，供B站中长视频、知识科普、科技评测、在线教育与品牌内容等创作参考。

写作与研究3 次安装

video-script

video-script 是一个面向 YouTuber 和 B 站 UP 主的视频内容准备技能，用于生成结构化的视频口播稿及配套发布素材。它会先向用户收集视频主题、目标平台、目标时长、目标观众、关键要点和参考资料等信息，信息不足时主动追问。随后可按需通过 WebFetch、Read/Grep/Glob、WebSearch 研究参考文章、文档或代码仓库，并提炼要点。每期视频会在用户指定位置下创建以日期命名的目录（如 ./videos/2026-03-07-react-server-components/），其中包含 script.md（口播稿）、blog.md（博客文章）、youtube.md 与 bilibili.md（平台发布素材）。脚本强调口语化、自然易读；博客为独立文章而非逐字稿；两个平台共享核心内容但结构与推广位置不同。完成后会提示用户检查与迭代，并提醒 YouTube 章节时间戳为估算值、需在剪辑后调整。该技能只生成文件，不执行任何发布操作，并支持首次询问后保存个人推广信息以便后续复用。

写作与研究3 次安装

aaddrick-voice-replication

aaddrick Voice Replication 是一个用于生成模仿 aaddrick 写作风格文本的技能。它基于一份包含 26 份报告的分析流程，产出在风格上与原作者难以区分的文字，内容则由具体任务决定。该技能适用于用户要求“以我的口吻写作”、起草 Reddit 评论、论坛回复或非正式技术写作，以及为 aaddrick-voice 智能体提供参考画像等场景。其声音定位为 AI 开发工具领域主题专家，以知识渊博的同侪而非权威身份沟通，情绪稳定、冷静克制、建设性积极，不使用脏话、人身攻击或讽刺。核心写作规则包括：可读性 FK 6-8 级、平均句长 8-12 词、短长句交替、位置优先的论证顺序、实质性回复使用段落分隔等。技能还按技术、个人/育儿、爱好/休闲等语境区分语域，并提供句法指纹与自检清单。

写作与研究3 次安装

pipeline-summary-report

这是一个用于汇总写作声音复刻分析流水线全部报告的技能。当所有分析报告（01至25号）已完成、需要一份统一总结时使用。它读取 docs/analysis/ 目录下的全部报告，先综合出整体人物画像的执行摘要，再逐份报告提炼3-8条要点，并附上流水线健康状态表（含缺失、存根、低置信度标记），最终写入 docs/analysis/26-pipeline-summary.md。适用于需要向利益相关者交付单一文档、避免阅读25份以上独立报告的场景。

写作与研究3 次安装

speech-act-pragmatic

语音行为与语用分析（Speech Act and Pragmatic Analysis）用于按文本的交际功能（断言、解释、建议、提问、质疑、赞同/支持等）对文本进行分类，而非按内容主题分类。它通过测量语料中各类言语行为的比例，生成作者或语料的“语用签名”，即一种分布式的语言行动画像。其核心假设是：言语行为能揭示跨主题持续存在的交际习惯。该分析可作为词汇、情感和结构分析的补充层，用于作者写作风格（voice）复刻。该技能有明确的使用边界：语料需至少300词、多句文本、至少10个可分类文本单元，且以英语为主；不适用于判断说话人意图或真诚度、评估论证质量或说服效果、机器生成或高度模板化文本、以及翻译文本。

写作与研究3 次安装

subagent-instruction-operationalization

该技能用于将一份已经完成的写作风格规格说明（style specification）转换为可用于 LLM 子智能体的提示词（prompt），使子智能体能够生成逼近目标作者语气的文本。它把上游心理语言学分析（LIWC、Big Five、MDPI 原型、文体计量、可读性、CAT、修辞结构、言语行为等）的产出，逐项翻译成带有验证标准的提示词段落。核心原则是：规格中的每条约束必须落为可量化、可测的提示指令，或明确标注为愿景性（aspirational）目标；前者是“语气是什么”的分析产物，后者是“如何产出语气”的生成产物。技能特别强调 LLM 对不同约束类型的服从度存在梯度差异——词汇类约束较易落实，结构类部分可落实，分布类若无少样本示例则难以落实，因此提示词设计需按约束强度排序（角色框架、少样本示例、复杂度目标、句法稳定性、情感效价、信息密度、证据框架、修辞结构、语用分布、语域规则、社群趋同）。该技能适用于已有风格规格、需要生成可测试可版本化的语气复刻提示词的场景，明确排除无规格、用于欺骗冒充等不道德用途、以及目标语气过于通用的情况。

写作与研究3 次安装

writing-skills

Writing Skills 是一套用于创建、编辑和验证 AI 智能体技能（Skill）的方法论，本质上是把测试驱动开发（TDD）应用于流程文档。它强调先写测试用例（用子智能体构造压力场景）、观察失败（基线行为）、再编写技能文档、验证通过、最后重构堵漏。核心原则是：如果没有亲眼看到智能体在没有该技能时失败，就无法确认技能教对了东西。技能以 SKILL.md 形式存放于智能体专属目录（如 Claude Code 的 ~/.claude/skills、Codex 的 ~/.codex/skills），采用扁平命名空间。文档要求 frontmatter 仅含 name 和 description 两个字段，description 只描述触发条件、不总结工作流，并以“Use when...”开头。该技能还提供技能类型划分、目录结构、CSO 搜索优化、流程图使用规范、代码示例原则以及针对不同技能类型的测试方法。

写作与研究3 次安装

document-code

Document Code 是面向编程场景的技能，用于为代码生成文档，涵盖函数/类的 docstring、模块 README、API 文档、行内注释与架构概览。它强调“文档解释 WHY 而非 WHAT”，要求先充分阅读代码、确认受众、检查既有文档并理解架构，再决定所需的文档类型。技能给出文档类型对应表，明确了行内注释的适用与不适用场景，并针对 TypeScript/JavaScript、Python、Go、Java、Ruby、PHP、Rust、Swift、Kotlin 等语言分别提供了 docstring 格式示例，同时覆盖模块/文件头与 README 的写法要点。适合在写文档、补注释、整理模块说明时使用。

写作与研究3 次安装

wiki-setup

Wiki Setup 是一个用于在代码仓库中初始化基于 Markdown 的 wiki 知识库的技能。它会创建内容目录结构、写作指南、AGENTS.md 配置以及初始内容模板。用户可选填领域（如医疗合规、金融科技、房地产）、存放位置（默认仓库根目录下的 wiki/）和范围（minimal 仅含术语与会议，full 含全部内容类型）。工作流程包括：先检查已有结构并适配而非覆盖，再创建目录结构，生成适配领域的 WRITING_GUIDE.md，配置 AGENTS.md 指向写作指南与各内容目录，为每种内容类型创建示例模板，最后报告创建结果并建议后续步骤。

写作与研究3 次安装

wiki-term-research

Wiki Term Research 是一个用于创建深度研究型 wiki 术语条目的技能。它通过强制的网络研究、交叉引用验证和质量检查，生成既可作为快速参考、又可作为完整学习资源的高质量术语条目。适用于用户要求“创建 wiki 术语”“撰写术语条目”等场景。每个术语条目都需经过网络搜索、权威来源抓取、模板化撰写、交叉引用校验和最终质量核对，并输出建议的未来术语列表。

写作与研究3 次安装

prd-writer

PRD Writer 是一个通过结构化发现流程生成产品需求文档（PRD）的 AI 技能。它采用三阶段顺序工作流：发现访谈、分析与范围界定、技术起草。在发现阶段，它分阶段向用户提问，涵盖问题与受众、解决方案与功能、结构与范围，至少完成 2 个提问阶段后才进入分析。分析阶段将用户输入综合为结构化发现，识别依赖与风险、定义非目标、标记未知项为 TBD，并先向用户呈现综合结果以获取反馈。起草阶段使用 templates/prd.md 模板，按固定 schema 生成 PRD，包含执行摘要、产品定义、用户体验与功能、技术规格、风险与路线图等部分，并保存到 .specs/docs/prd-{project-name}.md。该技能强调需求必须具体可衡量，避免使用“快速”“易用”“直观”等模糊形容词，不假设项目类型，不包含视觉/设计方向，并与其他技能（如 design-builder、spec-driven）集成。

写作与研究3 次安装

problem-discovery

problem-discovery 是一个用于在投入解决方案前验证问题真实性的技能。它聚焦于一个可证伪的假设句：「A 类用户，在做 B 时，遇到 C 卡点」，然后据此展开研究，确认该问题是否真实、痛苦、频繁、代价高，以及客户是否具有可信的采用或付费意愿。该技能不等待额外指令，锁定假设后即主动去真实来源搜集证据，默认交付一份独立的样式化 HTML 页面，包含分项结论、带出处的数字、竞品、研究覆盖度面板与一个决定性的下一步测试。它要求区分「声音大」与「有预算的需求」，避免把点赞和热情当成付费意愿，并明确禁止编造热度、引述、流行度、竞品或付费意愿。

写作与研究3 次安装