story-deslop
网文去AI味工具：检测并清除网文文本中的AI写作痕迹，降低模板化、书面腔与过度工整感，让文字回归自然。触发方式：/story-deslop、/去AI味、「去AI味」「这篇太AI了」「网文去AI味」。
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
14,601 个结果
story-setup
网文写作工具集的基础设施部署与检查技能，为 Claude Code、OpenCode、Codex、Google Antigravity、ZCode、OpenClaw、Reasonix 等提供内置适配，Web AI 与通用 Agent 走 skills + AGENTS.md 模式。
story-short-write
短篇网文写作技能，辅助从构思到成稿完成完整短篇小说，强调以目标情绪为核心、控制节奏与信息密度。触发方式：/story-short-write、/写短篇、「帮我写一篇短篇」。
video-understanding
把视频分析为结构化理解索引的技能：执行场景检测、ASR 转写、静音检测、逐场景 VLM 观察，并融合为时间线与写作 brief。输入视频文件，输出 scenes.json、asr_result.json、vlm_analysis.json、timeline_fusion.json、agent_narration_brief.md 等产物，供后续创作使用。
wechat-writing
微信公众号写作系统技能，依据主题自动完成公众号文章全流程：多来源检索与证据池整理、初稿生成、审稿润色、参考资料整理，并可选自动配图、HTML 主题样式转换与保存到公众号草稿箱（不提交发布）。
pr-faq
用于新产品或大功能的愿景对齐，采用 Amazon Working Backwards 的 PR/FAQ 方法：先写假设产品已发布的新闻稿，再写外部与内部 FAQ，以低成本验证用户价值并决定是否投入开发。
correction-capture
correction-capture 是一个记录“需人工复核、可影响未来执行”的证据型观察的技能。它把用户纠正、执行漂移、负面约束、坑点与架构约束写入任务级日志，供后续复盘，本身不授予任何权威。
academic-writing-polishing
用于润色、改写或起草学术稿件正文、投稿信与审稿回复的写作技能。可在不改变科学内容的前提下提升清晰度、简洁度与句式变化，并按任务类型选择最轻量的处理模式，仅加载所需参考章节。
release-notes
该技能用于撰写发布说明、变更日志（changelog）以及记录版本变更内容。它面向技术写作者，帮助将代码变更清晰地传达给不同受众：想知道新功能的用户、需要迁移指引的开发者，以及需要执行摘要的利益相关者。技能会引导先通过 git log 和 git diff 收集自上一版本以来的提交与变更文件，再按 Added、Changed、Fixed、Deprecated、Removed、Security、Performance 分类整理，最后针对用户公告、开发者 CHANGELOG.md 和内部发布摘要三种场景分别给出写作与格式建议。
specification
该技能用于在用户需要撰写 PRD、功能规格、技术规格或定义需求时，生成可供工程团队直接落地开发的产品规格文档。它提供一套结构化的规格撰写框架与优先级排序方法，包括问题陈述、成功指标、用户故事、范围与非范围、用户流程、技术约束、开放问题等模块，并给出 RICE、ICE 两种优先级评分方式，以及需要避免的反模式。适用于产品经理、需求提出者或工程协作场景，帮助把模糊需求转化为精确又可实施的文档。仅依据资料提供信息整理，未提供的部分不作推断。
scribe
Scribe 是一个面向项目文档的写作与维护技能，强调文档必须与代码事实一致、面向读者任务、结构可导航且文字精炼。它适用于撰写、审计、同步和提取文档，例如 README、API 参考、教程、操作指南、架构说明、变更日志和运行手册等。Scribe 要求先读代码再写文档，所有关于行为、参数、默认值、返回类型、退出码等事实性声明都需追溯到源码或实际命令，禁止编造。其核心流程为：受众 → 文档类型 → 来源证据 → 大纲 → 草稿 → 事实核查 → 可读性检查。支持审计现有文档、同步代码变更、从代码或 API 表面提取文档骨架，并输出自评分数。适用于单文档、单受众场景，暂不覆盖营销文案、博客、法律文本、幻灯片、完整文档站点生成和本地化流程。
diataxis-docs
diataxis-docs 是一个用于技术文档编写与治理的技能，核心是运用 Diataxis 罗盘来分类、写作、重构、拆分、审查、审计或迁移技术文档。它通过两个问题判断文档归属：内容是关于行动（实践步骤）还是认知（命题知识）？读者是在获取技能（学习）还是应用技能（工作）？据此得到四种文档形式：教程、操作指南、参考和解释。该技能适用于撰写、改写、重构或审查文档页面，对页面或请求进行分类，将混杂页面拆分为正确形式，逐个页面审计或迁移现有文档集，设计 SDK、API、CLI 或产品的文档体系，以及把用户问题映射到正确的文档形式。它明确不适用于营销文案、博客、非技术写作、纯视觉内容、代码审查、调试、实现工作、无需文档结构的短回答，以及翻译已有清晰结构的文档。
discovery-router
Discovery Router 是 ml-research-skills 中的一个路由型技能，用于研究探索阶段的任务分发。它本身不执行文献综述或综合工作，而是先进行范围检测（通过 git rev-parse --git-common-dir 与 --show-toplevel 对比），并在 memory/BRIEFING.md 存在时读取以判断当前项目阶段（早期探索、投稿前新颖性检查或反驳阶段），然后对任务进行分类，从 idea-validate、literature-survey、reference-inventory、read-paper、corpus-compare、project-synthesize、citation-coverage 等分桶中选出唯一最阻塞的一项，交给对应的子技能处理。适用于研究项目在想法验证、文献调研、参考库管理、单篇论文阅读、多篇论文对比、项目综合或引用覆盖检查等环节需要选择正确技能的场合。
advisor-meeting-prep
advisor-meeting-prep 是一个帮助博士生准备与导师会面的技能。它的目标是让双方在有限时间内获得最大价值：用户带着结构化的议程、清晰的书面摘要、按优先级排序的问题，以及对进展和问题的诚实陈述进入会面。该技能基于《新研究者手册》（第 7 节）中的导师沟通框架，采用六阶段结构（设定背景 → 梳理工作 → 明确已解决内容 → 识别未解决内容 → 呈现下一步 → 主动讨论），并列出应避免的反模式。技能通过提问了解会面背景、帮助构建六阶段书面摘要、对照五种反模式进行诊断、准备困难对话，并最终产出会面文档，保存到 ~/phd-log/meetings/YYYY-MM-DD-advisor.md。
experiment-design-planner
Experiment Design Planner 是一个面向计算机或人工智能方向博士生的实验设计规划技能，帮助用户围绕研究问题设计可执行、可记录、可复现的假设驱动实验。它强调从简单开始、先建立基线、一次只改变一个变量、运行前先写假设，并记录负面结果。该技能通过分阶段工作流引导用户明确研究问题、撰写假设、定义实验单元、控制变量、设计日志字段，最终生成一份实验计划文档，保存到 ~/phd-log/experiments/YYYY-MM-DD-[short-name].md，便于后续运行、记录以及在论文或导师会议中解释。
figure-results-review
figure-results-review 是一个用于在会议、论文、报告或演示前审查实验结果、图表、表格与图形的技能。它帮助用户以清晰、科学的方式呈现实验结果，遵循结果呈现与图表规范：先说明实验设置再展示结果，定义变量与假设，为坐标轴标注单位，使用标题与图例，在适当处加入不确定性，并指出关键趋势。输出为一份图表/结果审查笔记和修正后的呈现方案。适用于用户有图表、表格或结果幻灯片需要展示、希望获得图表反馈、准备论文或演讲中的实验结果、不确定如何解释结果，或想检查图表是否达到发表标准等场景。
literature-review-sprint
Literature Review Sprint 是一个面向计算机科学或人工智能方向博士生的文献综述冲刺技能，帮助用户把“我需要读更多论文”转化为有边界、系统化的综述流程。它引导用户定义明确的综述问题、制定检索计划、对论文进行分级筛选、提取结构化笔记、综合出领域地图，并识别候选研究空白与下一步行动。最终产出是一份可用的领域地图，而非冗长未消化的文献清单。适用于新课题起步、验证想法新颖性、撰写相关工作、整理已有大量论文，以及为导师或组会准备阅读计划等场景。
paper-submission-planner
该技能帮助科研人员从选定目标会议到提交日，系统规划一篇学术论文的投稿。它依据《新研究者手册》中的会议时间线管理与技术论文规划框架，覆盖战略性问题和后勤时间线两大方面。核心目标是避免两种常见灾难：错过截止日期而浪费一年，以及提交一篇技术上存在但尚未准备好接受评审的论文。适用时机包括：用户确定目标会议和截止日期、在多个会议之间做选择、询问“我的工作是否准备好投稿”、构建投稿时间线，以及截止日期前约2-3周做最终就绪检查。工作流程分为四个阶段：战略预提交问题（贡献清晰度、与会议的契合度、新颖性检查、备选方案）、构建T-minus时间线、提交前就绪检查清单、提交后反思。最终产出保存为带有目标、一句话贡献、关键风险、时间线、就绪清单状态和事后复盘的Markdown文件。
phd-quarterly-planner
该技能名为 PhD Quarterly Planner，用于帮助博士生制定和修订一份切实可行的三个月研究计划，并将季度目标与更长期的研究目标相衔接。它基于 New Researcher Handbook 中的战略研究框架（长期愿景 → 三年计划 → 季度目标 → 每周目标），并明确考虑规划谬误——即人们倾向于低估研究所需时间的现象。技能通过分阶段流程引导用户：回顾上一季度执行情况、重新连接长期研究方向、盘点季度约束条件、草拟分层目标、对计划进行压力测试、与导师对齐，最后生成计划文件并保存到 ~/phd-log/plans/YYYY-QN.md。若在季度中途调用，则作为中期检查处理，读取已有计划文件并询问一级里程碑是否按计划推进、是否发生根本性变化、是否需要调整。技能整体倾向于保守务实，鼓励削减过多目标，强调应放弃对明显过于宏大的计划的无条件肯定。
phd-weekly-review
phd-weekly-review 是一个面向博士生的结构化周度研究回顾技能。它帮助用户把一周零散的研究活动整理成两份产物：一份可直接发给导师的进度更新邮件草稿，以及一份保存在本地 ~/phd-log/YYYY-WNN.md 的个人反思日志。该技能基于 New Researcher Handbook 中的导师沟通框架与效率原则，通过分阶段提问引导用户梳理本周计划、实际做了什么、具体结果、已解决与仍卡住的问题，并诊断常见反模式（如隐藏问题、更新含糊、缺乏下一步计划、连续数周无实质产出、范围蔓延、过度承诺、孤独感信号等）。最后强制用户选出下周唯一最重要的事，并明确一件主动不做的事以保护专注。技能强调像同伴一样思考，而非项目管理，不进行说教，也不编造成果。
presentation-dry-run
Presentation Dry Run 是一个面向博士生的演示排练技能，帮助用户把粗糙的演示稿打磨成结构清晰、每页一个核心信息、图表可读、时间可控的报告。它适用于会议报告、组会更新、论文答辩片段、面试研究介绍或课堂展示等场景。该技能通过六个阶段的工作流：明确受众与限制、检查结构、逐页审查幻灯片、制定时间预算、准备问答、生成排练清单与报告文件，最终输出报告计划、幻灯片问题清单和排练检查表。
research-idea-validator
Research Idea Validator 是一个面向计算机或人工智能方向博士生的研究想法验证技能，基于《New Researcher Handbook》中的 FIVE+C 框架，帮助用户把粗略的研究想法转化为可执行的下一步决策。它通过六个阶段引导用户：用一句话表述想法、追溯想法来源、按 FIVE+C（可行、有趣、新颖、有价值、与专长匹配、可协作）逐项评分、检查红旗风险、设计两周验证冲刺，并生成结构化 Markdown 记录文件。最终目标不是判定想法好坏，而是给出原型、修改、搁置或放弃的明确决策。
prd-generator
PRD Generator 是一个用于生成产品需求文档（PRD）的技能，属于 a5c-ai/babysitter 项目。它能把结构化的功能规格输入转化为完整的 PRD，支持套用公司模板与格式，生成技术规格、成功指标和发布就绪检查清单。该技能覆盖 PRD 生成、技术规格、成功指标、发布规划与版本管理五类能力，支持标准 PRD、技术 PRD、增长功能 PRD、MVP/实验 PRD 及自定义模板，并可导出 Markdown、Google Docs、Confluence、Notion、PDF 等格式，同时提供结构化 JSON 导出与完整性校验。
proof-structure-analyzer
Proof Structure Analyzer 是一个面向数学证明的分析与重构工具，旨在提升证明的清晰度、完整性和逻辑流畅性。它可以识别证明策略（如归纳法、反证法等），构建逻辑依赖图，检测推理链中的缺口，生成证明提纲，并提出引理提取建议。该工具适用于需要梳理、检查或重组数学证明的场景，帮助使用者发现缺失步骤或无依据的断言。资料显示其涉及自然语言解析、形式逻辑表示和图分析工具，但具体使用方式、安装方法、平台形态及收费信息暂未提供。