jcm-article-writing
用于文章写作前的素材整理、大纲协作与“金尘马式 AI 干货写作”规则加载的技能。适合面向小白、讲人话、能实操的干货文，先确认选题与素材来源，再生成素材卡、素材索引和结果态大纲，不默认直接成稿或发布。
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
14,649 个结果
Podcast Generate
Podcast Generate 是一个 TypeScript 编写的播客生成 Skill，可根据用户上传的文本资料或联网搜索到的主题内容，自动生成播客脚本与音频。它支持双人对谈和单人播客模式，可自动控制 3-20 分钟时长，使用 z-ai TTS 合成音频并拼接为最终 wav 文件，输出 Markdown 脚本供人工编辑。
shop-amazon
用于在 Amazon 上搜索商品、核对商品页信息并给出排序推荐清单的技能。默认只做只读调研，不加入购物车或下单，除非用户明确要求。
writing
一套面向人类与智能体读者的写作技能，强调以读者为中心组织信息，覆盖回复、README/文档、问卷、AGENTS.md/CLAUDE.md、技能与提示词等散文类任务，并提供风格、报告、技术文档、技术方案、问卷、智能体规则等参考文件。
humanizer
Humanizer 是一套以人为中心的沟通技能，强调共情、清晰与情绪智能，用于改善提示词、智能体行为及面向用户的内容，适用于设计回复、处理敏感反馈等场景。
rant-coding
将现有编程或智能体提示词改写为更短、更犀利、带脏话的“愤怒工程师”风格，同时不改变技术含义。支持执行模式与仅改写模式。
mockumentary-characters
用于创作伪纪录片（mockumentary）角色的技能：通过自画像与真实形象的落差，塑造访谈式人物、盲点与群像互动，适合喜剧剧本、角色设定写作。
mockumentary-concept
用于开发伪纪录片（mockumentary）电影概念的技能，帮助梳理前提、世界观、利害关系与讽刺对象，适合头脑风暴伪纪录片点子时使用。
mockumentary-pitch
用于伪纪录片项目的提案材料创作，可生成一句话梗概、梗概、一页推介、提案文档、提案演示和视觉参考册，帮助创作者展示影片基调与概念。
mockumentary-revision
这是一个用于伪纪录片（mockumentary）剧本修改与打磨的 AI 技能，来自 joelborellis/agents-mocumentary。其核心用途是帮助用户按七个连续修改轮次来完善伪纪录片剧本：纪录片真实性检查、角色认真度审计、自我认知与现实落差一致性、采访片段的功能性、喜剧效果加强、节奏与韵律、对白打磨。技能强调伪纪录片角色的核心原则——角色不能意识到自己好笑、不能对观众眨眼、不能自嘲；并提供常见的伪纪录片问题与修复方法。它不生成新剧本，而是对已有剧本进行系统化修订，并建议在 dev/revisions/ 目录中记录修改笔记。
mockumentary-screenplay
以 Fountain 格式撰写伪纪录片（mockumentary）剧本的技能，包含访谈镜头、纪录片摄制组互动、喜剧对白等专用写法，并给出场景节拍结构与页数建议。
mockumentary-structure
用于构思伪纪录片式剧本结构的技能，通过纪录片框架、访谈镜头与喜剧节拍，帮助规划伪纪录片的幕结构与大纲，输出至 script/outline.md 和 script/treatment.md。
qiaomu-smart-search
基于 opencli 命令的智能搜索路由器，按话题与场景把查询路由到合适的搜索源。使用前需先运行 opencli list -f yaml 确认站点，再用 opencli <site> -h 查看子命令与参数，以实时帮助为准。
qiaomu-prompts
乔木精选 Prompt 库 Skill，汇集写作、学习、论文解读、播客、视频、设计、Vibe Coding、小红书与 Suno 歌词等场景的提示词模板。用户需要调用、查找、改写或组合提示词时，从 prompts/ 目录读取对应 Markdown 原文并做轻量适配。
documentation
用于生成与维护技术文档的 AI 技能，覆盖 API 文档、README、架构文档、用户指南与代码注释，支持 Markdown、OpenAPI、JSDoc、Javadoc 等格式与常见文档生成器。
research
用于把用户的研究需求整理成一段可直接复制给 Perplexity Deep Research 等外部深度研究工具的提示词。它本身不执行研究，也不产出研究报告，只交付提示词。
tech-survey
Tech Survey 是一个技术全景调研技能：输入具体技术名称，自动进行多轮检索与并行调研，最终输出含起源、定位、生态、学习路径、趋势等 11 个维度的结构化 Markdown 文档。触发词为“调研XX”“技术调研XX”“XX技术全景”“survey XX”“了解XX技术”。
github-context7-research
该技能用于回答第三方库问题：先用 Context7 确定公开文档契约，再用 GitHub 只读证据核对源码、类型、测试与示例，区分受支持的公开用法与内部实现，避免把版本化文档与无关 HEAD 源码混用。
zhouyi-research-skill
周易研究技能：基于打包课程资料回答周易、易经、六十四卦、起卦解卦、动爻变卦、经传结构与注疏等问题，提供带原文、注释、课程笔记与图像证据的可溯源查证，并充当课程导师辅导学习计划与复习。
deep-understanding
Deep Understanding 是一个编排型技能，用于对用户已初步熟悉的单一对象（如一篇论文、方法、算法、定理或推导）进行深度优先的精通训练，目标是让用户能从记忆中重新推导、列出全部假设并指出其失效之处。
idea-to-proof
Idea → Hypothesis → Proof Design 是一个面向研究者的编排型技能，用于把原始研究想法逐步推进为形式化、可辩护的命题及其证明设计。它本身不产出压力测试、证明草图或审计，而是按顺序在多个单点技能之间路由：先对想法做压力测试，再提取必须成立的前提假设，接着把命题精确形式化，然后设计证明策略，最后用反例搜索和推导审计来攻击该命题。每个阶段设有退出条件，失败时回退到前序阶段收窄命题。适用于已有数学或理论想法、希望判断其是否值得形式化并搭建证明骨架的场景；若目标是经验验证而非证明，则应改走实验设计流程。
learn-new-topic
一个用于“广度优先入门陌生主题”的编排型技能：从近乎零基础到形成可用的知识地图，涵盖核心问题、主要方法族、关键论文与基本直觉。它负责决定下一步做什么、交给哪个技能，本身不直接授课。
paper-lifecycle-orchestrator
Paper Lifecycle Orchestrator 是一个用于端到端编排研究论文流程的技能，从原始想法到文献支撑、实验设计、实现、结果、写作与投稿，负责判断项目所处阶段、下一步决策及应调用的单一技能，并设置阶段门禁。
phd-application-orchestrator
PhD Application Orchestrator 是一个用于统筹博士/研究型项目申请全流程的技能，按顺序编排从读取申请人材料、构建简历、匹配项目与导师、撰写目的陈述、规划推荐信、联系教授到最终审核的各个环节，并设置阶段依赖与检查点。