scientific-figures
该技能提供出版级科学图表与数据可视化的规范与实操指南，覆盖图表选型、诚实编码、色盲友好配色、格式与分辨率、图注规范、可复现代码、示意图绘制、图形摘要与学术诚信等内容，面向科研论文与工程研究场景。
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 11-03 00:11
写作与研究
14,623 个结果
adams-voice
这是一份用于模仿 Adam Silverstein 写作风格的技能文档，目标是把草稿写成他本人的语气，并在他名下发布的内容中规范标注 Claude 起草部分。该技能基于约 185 份 2013-2023 年间的 AI 之前写作样本提炼而成，包括 WordPress Trac 工单（#23497、#28307、#31316、#35662、#38895、#40894、#41055）以及大量 Gutenberg 议题、PR 和评论线程（#7020、#17632、#26476、#4331、#23237、#16666 等），以 2017-2023 年成熟期风格为模仿目标。文档定义了写作语气、归属标注规则、核心语气准则、常用词汇、标点与排版习惯，以及 GitHub issue、PR 描述、评论回复和 Trac 工单等不同场景的结构模板，并列出需要避免的反模式。适用于任何将以 Adam 名义发布的文本起草，例如 GitHub issue、PR 描述、议题或 PR 评论等。
good-readme
good-readme 是一个用于创建和改进 GitHub 项目 README 文档的技能。它适用于用户想要撰写新 README、改进现有 README、审查 README 质量，或提出相关请求的场景。该技能强调 README 是项目的门面，应在 30 秒内回答“这是什么、为什么值得关注、如何使用”三个问题，主张内容可扫读、诚实且面向目标读者，避免无意义的模板化内容。它提供创建与改进两种模式：创建模式会先阅读源码、识别目标受众、检查现有文档与项目元数据，再起草标题、一句话描述、What & Why、快速开始、真实代码示例和安装说明；改进模式会先完整阅读现有 README 与源码，按质量清单评分，找出缺口、过时内容和多余章节，再修正事实错误、调整结构、提升清晰度并验证代码示例。技能还包含分节指南、优秀项目模式、常见反模式以及 Cloudflare 生态约定等参考文件。
good-readme
good-readme 是一个用于创建和改进 GitHub 项目 README 文档的技能，属于 adewale/testing-best-practices 技能集。它提供两种工作模式：为没有 README 的项目从零撰写，以及对已有 README 进行审计和改进。该技能强调 README 是项目的门面，应在 30 秒内回答“这是什么、为什么值得关注、如何使用”，主张内容可扫读、诚实、面向目标读者，先给出清晰的价值主张，展示真实可用的示例，并尊重读者时间。它反对无结构的长篇大论、自动生成的模板化内容、过于稀疏的一行说明，以及重复 /docs 或罗列全部 API 的过度文档。技能附带 anatomy.md（逐节指导）、examples.md（优秀项目模式）、anti-patterns.md（常见错误）和 cloudflare.md（Cloudflare 生态约定）等参考文件。
hebrew-rtl-writing
该技能用于修复以希伯来语为主、但夹杂英文术语的文本在渲染时出现的 RTL/LTR 混排问题。它通过在英文片段两侧添加 Unicode 双向隔离字符（LRI U+2066 与 PDI U+2069）来提升可读性，同时保留原文内容不变。适用于希伯来语散文、以希伯来语为主的 Markdown 文件、笔记、文档、文章、帖子、规格说明和草稿等。不适用于代码文件、JSON、YAML、shell 脚本、配置文件，以及以路径、URL 或代码为主的 Markdown 段落。技能附带脚本 isolate_bidi.py，可批量处理文件，并自动跳过围栏代码块、YAML frontmatter、行内代码和 Markdown 链接目标。
paper-reading-skills
paper-reading-skills 是一个安装包，用于安装 paper-reading 技能，支持 Claude Code 与 Codex。该技能面向论文解读，提供以目的为先的论文解析、HTML 长文文档、SVG 图解、标注桥接回写以及 Codex 浏览器验证。安装命令为 npx -y github:Agentchengfeng/paper-reading-skills install。
scholar-deep-research
面向学术文献综述与深度调研的技能，把研究问题变成带引文的结构化报告。支持多源检索、透明排序、引文追踪，并在报告输出前进行强制自我批判。
QA_source_index
将用户问题中的主题与关键词映射到 QwenPaw 官方文档路径和常见源码入口，减少盲目搜索。适用于回答安装、配置或行为原理类问题时的快速定位。
slow-is-fast
一个“慢即是快”的开发工作流技能：要求先研究、再规划、后改代码，避免凭假设修改代码。按任务复杂度分级执行，核心流程含推理原则、代码库与文档调研、方案权衡和最小改动验证，适用于需要证据驱动推理的编程任务。
docs-sync
docs-sync 是一个用于审计文档覆盖情况的技能：通过分析主分支的实现与配置，找出 docs/ 目录中缺失、错误或过时的文档，并提出针对性改进建议。它适用于被要求审计文档覆盖、同步文档等场景。工作流程包括确认范围与基准分支、构建功能清单、先文档后代码两轮审查、检测缺口与不准确之处，最终生成 Docs Sync Report 并征求用户批准后再修改英文文档。
executive-briefing
将研究结果转化为面向高管的简报的技能，在对话提及 executive、briefing、C-suite、board、stakeholder update 等词时自动激活，按 BLUF 原则输出一页式结构，含结论、关键发现、影响、建议行动、风险与置信度。
story-writer
通用短篇小说创作技能包，支持武侠、科幻、童话、现言四种类型，覆盖大纲、人物、目录、章节全流程创作，按类型参数加载对应方法论与写作风格。
arxiv-preflight
arXiv 投稿前预检技能，用于在提交 arXiv 前检查稿件中的未核查 LLM 输出、虚构参考文献、占位数据、无支撑论断与政策风险，并生成修复清单。需 Python 3.9+，平台中立。
bianque
扁鹊（Bian Que）是一个循证医学知识与研究导师型技能，以中国古代名医扁鹊的诊断传统为思想框架，覆盖临床推理、望闻问切诊断思维与药理学等方向，强调先观察后判断、早期干预与对证据局限的坦诚说明。
biomarker-landscape-scanner
用于医学研究的生物标志物证据图谱技能：按用途、标志物类型、验证层级与成熟度扫描某疾病领域的生物标志物全景，输出结构化证据地图，而非叙述性综述或头脑风暴。
case-control-study-quality-assessment-nos
基于纽卡斯尔-渥太华量表（NOS）评估病例对照研究偏倚风险与质量的技能，包含 PDF 文本提取与结果汇总脚本，输出结构化 JSON 及汇总表，用于医学论文质量评价。
citation-chasing-mapping
用于医疗与科研场景的引文追踪与知识图谱技能：从种子论文构建双向引文网络，识别奠基性文献、研究谱系、主题聚类与潜在合作者，支持系统综述、文献计量与研究规划。提供 scripts/main.py 命令行入口和 Python API。
contradictory-findings-resolver
面向生物医学证据冲突的结构化分析技能：分解同一主题研究结论相左的原因，区分真实矛盾与研究边界、终点、样本来源、平台、模型及验证深度差异，不编造缺失文献细节。
figure-first-paper-reader
该技能以“先读图再整合”的方式审阅论文：逐图还原论证逻辑，识别每张图试图支持的论点，并判断视觉证据是否真正支撑该论点，帮助快速抓住核心发现并发现过度解读之处。
grant-specific-aims-writer
用于撰写基金申请中 Specific Aims 页面的技能，支持 NIH R01/R21/R03 及 NSF Project Summary 等开篇部分，帮助梳理问题、假设与具体目标。
inclusion-exclusion-criteria-builder
面向生物医学与临床研究的入排标准构建技能，把目标研究人群转化为清晰、可执行、可审计的纳入与排除标准，明确时间窗、所需诊断检查与病历字段锚点，并做歧义与边界情形审查。
inplasy-registration-helper
该技能用于在可复现流程中，根据研究标题与可选方案（protocol）草拟 INPLASY 系统评价注册内容，属于医学研究方案设计工具的一部分。它通过脚本与模板生成注册草稿，并强调结构化、可审查的输出。
lay-summary-for-cross-disciplinary-teams
将技术性研究内容改写为结构化通俗摘要，便于临床、湿实验、生物信息、产品与管理等跨学科团队快速理解并采取行动。适用于需要把模糊研究整理成各团队可读、可执行摘要的场景。
learning-tutoring
面向学习辅导的规划与内容生成技能，可制定学习计划、生成练习题、撰写答案解析，并提供复习与调整建议，适用于备考计划、题库、错题分析等场景。