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 11-02 00:09

写作与研究

14,600 个结果

article-illustration-planner

Article Illustration Planner（文章配图规划与插图回填）是一个用于深度分析文章脉络、规划插图点位与视觉意象的 AI 技能。它提供体裁自适应机制：对知识/教程类文章默认启用"认知降负与高保真图替繁文"模式，强调不删除公式与量化指标，协同 165 种排版图型（IG-* 信息图、SC-* 社媒卡）与 331 种手绘风格、36 种主题色；对抒情散文、叙事故事等非知识类文章则采用"意境烘托与保全模式"，保留原文、以视觉停顿与情绪共鸣为主。技能内置四大红线约束（如禁止物理微缩摆拍、禁止核心知识阉割等）、双向间距审计、标准规划方案输出模板与双轨自动化回填工作流，可输出含提示词的插图规划并生成排版定稿。

写作与研究3 次安装

writer-memory

Writer Memory 是面向创意写作者的智能体记忆系统，可在 Codex 会话之间持久保存小说创作上下文，并对韩语故事创作流程提供原生支持。它跟踪五类记忆：角色（캐릭터，含情感弧线、态度、对话语气、语体等级）、世界观（세계관，含背景、规则、氛围、限制）、关系（관계，含类型、状态、权力动态、事件时间线、亲密度）、场景（장면，含出场人物、地点、分镜、叙述语气、情感标签）与主题（테마，含表达方式、关联场景、作者意图）。所有数据保存在 .writer-memory/memory.json 中，便于 Git 协作。系统提供 /writer-memory 系列命令，用于初始化项目、增改查角色与关系、添加场景与主题、设置世界观、自然语言查询、对话一致性校验、生成情感向梗概、导出与备份。

写作与研究3 次安装

ljg-paper-river

ljg-paper-river 是一个用于深度理解论文的“倒读法”技能。它不孤立地读一篇论文，而是先递归追溯这篇论文所批判和改进的前序论文（最多5层），挖到问题源头，再反向寻找它之后的最新进展，最终以“问题如何演化”为主线，从源头正向讲述整条研究脉络。讲解采用费曼式口语化风格，强调每篇论文与前一篇的差异，并配以溯源地图和问题-解法总览图。适用于用户分享论文并希望理解其思想脉络、学术渊源与后续影响的场景。

写作与研究3 次安装

zhiforge

知炼（ZhiForge）是一个将 Markdown 知识库（博客）智能转化为知乎文章并自动发布的工具。它支持搜索知乎热点问题、匹配知识库内容、撰写文章、自动发布、质量审核以及回存知识库的完整闭环流程。工具通过配置文件读取知识库路径、作者信息与专业领域，在用户触发“知乎文章”“zhiforge”“自动发知乎”等关键词时全自动执行：读取配置、获取已发布列表去重、选题、匹配知识库、撰写文章、发布到知乎专栏并关联问题、用另一模型交叉审核质量，最后将文章回存博客仓库形成正向循环。工具内置去 AI 味检查手册，强调保持作者风格、避免站外引流，并提供了博客直发模式及多种命令模板。

写作与研究3 次安装

youmind-article-dispatch

YouMind Article Dispatch 是一个内容分发编排技能，用于将同一主题的内容分发到多个平台。它支持 Dev.to、Hashnode、WordPress、Tumblr、Ghost、Beehiiv、Kit、X/Twitter、微信公众号、Qiita 等平台，每个平台由独立的平台技能负责，根据各自受众独立改编内容。该技能通过读取用户主目录下的平台清单和作者画像文件，在分发时统一生成内容简报并传递给各平台技能，最后汇总各平台的发布状态、标题和链接。平台技能可独立安装和使用，Dispatch 仅作为可选编排层，不构成依赖。

写作与研究3 次安装

modeling-paper-rubric-and-model-selector

这是一个面向数学建模竞赛论文的技能，用于把「能拿分」的写作结构与「贴题可落地」的模型选型融合成可复用流程。它会按常见评分点生成论文结构与写作清单，并根据题目类型与数据条件给出模型选择与对照实验路线，适合在需要论文格式/评分对齐、模型选型或路线不确定时调用。主要产出包括：一页纸题意对齐（逐问列出输入、输出、评价指标、关键约束、边界条件与可行验证方式）、按评分友好顺序排列的论文大纲、以证据为核心的评分点对齐表，以及逐问的模型选型路线（先给最小可用基线，再给改进方向与验证计划）。技能内含预测、分类、评价排序、优化调度、聚类分群、机理仿真等常见问法的选型速查。该技能并非孤立入口，需配合工作流编排、记忆记录等环节使用，并要求读取前置分析文件、输出到指定 paper_output 目录。

写作与研究3 次安装

paper-micro-unit-generator

该技能用于按微单元模板与脚本批量生成并合并论文内容，主要服务于 CUMCM 风格的长论文写作。它读取 paper_output/tasks.json，通过 scripts/generate_all_offline.py 逐微单元生成文本文件，再用 scripts/merge.py 合并为 final_paper.md、final_paper.docx 和 ref_check.md，并完成编号与交叉引用检查。技能强调不得作为孤立入口，需先经 paper-workflow-orchestrator 判断阶段并运行 workflow_guard.py 校验；生成结果定位为 quickstart 验证草稿或低能力模型兜底草稿，正式论文主写与 Word 排版由 paper-formal-writer 负责。

写作与研究3 次安装

problem-doc-model-selector

problem-doc-model-selector 是一个面向数学建模赛题的技能（skill），用于自动解析赛题 PDF/Word/TXT 文档或题面文本，逐问抽取任务类型、数据条件与约束，并输出模型选型与验证路线。它会在相关流程协作约束下运行，产出题意对齐、论文大纲、评分点对齐表与模型路线等交付物，并生成机器可读的 problem_analysis.json 供后续环节读取。适用于用户提供赛题文档、需要判断各问应采用何模型/方法并制定实验验证计划的场景。

写作与研究3 次安装