sync-ja
同步亚马逊 Bedrock AgentCore 示例仓库中日语 README_ja.md 与英文 README.md 的技能，支持全量扫描、指定模块、--check 检查，并按两遍翻译法产出自然日语。
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 11-05 00:16
写作与研究
14,775 个结果
web-atlas-decks
Web Atlas 中的一个演示文稿研究技能，用于检索并研究演示文稿（deck），保留幻灯片顺序、叙事角色与来源元数据。可用于寻找路演（pitch deck）灵感、研究演示结构，或对比不同版式与视觉呈现方式。该技能通过 Web Atlas 的 MCP 服务调用 search_designs 和 search_curated_references，再依据分页与资产接口获取全部有序资产及原始来源信息，并分析每页在叙事中的角色（如背景、问题、证据、产品说明、差异化、商业论证或下一步行动）。它强调区分幻灯片中明示的信息与从图片推测的信息，不虚构评分、理由或演示者脚本，适合做演示结构参考与视觉对比。
arxiv-analysis
用于分析 arXiv 研究论文并用通俗语言解释的技能，适用于用户提到 arXiv、研究论文、学术论文、预印本或提供 arxiv.org 链接时。
deposition-prep
该技能用于为证人构建取证提纲（deposition outline）。它会从 eDiscovery 平台拉取由该证人或提及该证人的文件，围绕案件理论组织话题，并整理弹劾材料。使用时需先加载案件上下文（案件理论、关键事实、eDiscovery 平台），并通过利益冲突门控：若案件不在 matters/_log.yaml 中，则拒绝并引导先运行 matter-intake。提纲结构包括背景、有利事实、不利事实、弹劾材料、关键事实序列，并附证据清单、标记纪律（VERIFY/UNCERTAIN/CITE NEEDED）与律师提示。技能强调按证人立场（敌对方、己方、中立第三方、公司代表）区分提问形式，并对引文与出处加标签；不会代写证据、不替律师临场决策，也不预测证人答复。
legal-writing
一个面向法学生的法律写作反馈技能：读取备忘录、简报、论文或考试作文草稿，从结构、分析深度、清晰度与引注格式给出反馈，并列出三项优先修改建议。硬性规则是从不代写或改写学生草稿，只提供结构性反馈，并可在少量标注示例中示意写作动作。
memo
memo 是法律教学场景中的案例分析备忘录技能：按 IRAC 搭建脚手架并标注研究缺口，规则块标为待研究，应用与结论留空由学生完成。它只做结构，不写分析、不给结论。
outline-builder
outline-builder 是一款面向法学生的概要搭建技能，依据课堂笔记、案例书与教学大纲，按学生已有格式搭建或扩充课程概要骨架，并用苏格拉底式提问引导学生自行填写规则与判例，不代为撰写概要内容。
plain-language-letters
已弃用的法律客户信函技能，原用于生成通俗语言信件；现拆分为 /client-letter 与 /status client 两个更聚焦的技能。
policy-redraft
policy-redraft 是面向法律合规场景的技能，用于根据 /regulatory-legal:gaps 或 /regulatory-legal:policy-diff 发现的合规缺口，生成带标记的政策修订草案。它只产出提案，写入新文件，不修改源政策文档，也不关闭缺口跟踪项。
research-start
该技能为法律问题生成研究路线图，列出可查法规、判例领域、监管框架与Westlaw检索词，所有线索均未经验证，供学生自行核实。
review
用于按自有 playbook 审阅供应商协议、NDA 或 SaaS 订阅的 Claude 法律技能。它先依据文档标题识别协议结构，再路由到相应审查技能，可在确认后生成包含逐条偏差、具体改红语言与指定审批人的审查备忘录。
generate-gdpr-ropa
依据代码上下文文件生成 GDPR 第 30 条处理活动记录（ROPA）草稿的技能，用于合规准备。输出为草稿，使用前必须经法律或 DPO 审查。
aiception
Aiception 是一套持续学习系统，可从工作会话中提取可复用知识并固化为新技能，随时间推移实现自主改进。触发方式包括 /aiception 命令、"save this as a skill" 等说法，以及任务结束后满足特定条件时自动调用。
video-research
用于视频内容创作的选题调研技能：先明确主题与受众，再通过网页搜索、X/Twitter 调研和 YouTube 浏览器自动化收集资料，整理成调研文档，进行事实核查后保存为 Markdown 文件。
x-navigation
x-navigation 是一个用于在 X（Twitter）上搜索用户、帖子并收集上下文的技能，适合在 X 上做主题研究或浏览时使用。需连接 Claude-in-Chrome 扩展并已登录 X.com。
x-research
x-research 是一个用于在 X（Twitter）上做主题调研的技能：通过搜索、浏览和阅读多条帖子，提取作者、内容、互动数据与时间等信息，再综合成结构化研究报告并保存为 Markdown 文件。
rigorous-explainer
用于生成严谨、自包含的技术学习材料（尤其 HTML 教科书章节或解释文）的技能。从重要问题切入，先定义再推导，配图、代码与练习，并遵循教科书式写作规范。
ljg-invest
投资分析技能，用于生成深度投资分析报告。核心判断项目是否是一台「秩序创造机器」，即它在创造新秩序还是搬运旧秩序。支持用户提供公司名称、BP、文字介绍或对话记录等材料，输出中文 org-mode 报告，写入 ~/Documents/notes/ 目录。
ljg-learn
ljg-learn 是一个概念解剖工具，以技能（skill）形式提供。它接收任意一个概念作为输入，从八个探索维度对其逐层切分：历史、辩证、现象、语言、形式、存在、美感、元反思。每个维度以 2-3 句精炼输出，随后通过内观（以第一人称代入概念）与压缩（公式、一句话、ASCII 结构图）进一步提炼，最终写成纯 org-mode 格式的笔记文件。其定位是帮助使用者对概念进行多角度、结构化的深度理解，而非浅层释义。该工具不依赖外部 API，通过本地文件写入保存成果，文件命名包含时间戳，存放于 ~/Documents/notes/ 目录下。适合需要系统梳理概念、做学习笔记或知识整理的使用者。
ljg-paper
ljg-paper 是一个面向非学术读者的论文阅读技能，把论文拆解成个人可用的认知，重点在理解而非学术批评。输出 Org-mode 笔记，含问题、翻译、核心概念、洞见、博导审稿与启发等部分，并遵循 Denote 文件命名规范。
ljg-paper-flow
ljg-paper-flow 是一个论文处理工作流技能：输入一个或多个 arXiv 链接、论文 URL、PDF 或论文名称，自动完成“读论文→生成解读→铸成卡片”，支持多篇并行处理，最终输出 org 解读文件与 PNG 卡片路径。
ljg-paper-river
ljg-paper-river 是一个论文阅读与理解工具，采用“论文倒读法”。它针对单篇论文，递归追溯其批判和改进的前序论文（最多5层），再寻找该论文之后的最新进展，从而以“问题”为轴，正向讲述问题的演化史。核心理念是：一篇论文不是孤岛，它站在前人肩上；读论文最常见的错误是只看眼前这一篇，不知道它从哪来。该工具先倒着挖到源头，再正着读回来，让读者拿到的不是单篇论文的知识，而是一整条问题演化线的理解。讲解方式为费曼式，每篇论文着重讲清它看到的问题和解法的创新，并强调与前一篇的差异。输出遵循 Org-mode 语法，使用纯 ASCII 图，并按 Denote 文件规范生成 .org 文件，保存到 ~/Documents/notes/。适用场景为用户分享一篇论文并希望理解其思想脉络与来龙去脉时。
ljg-think
“追本之箭”是一个纵向深钻思维工具：输入观点、现象或问题，沿“为什么”逐层向下追到不可再分的本质，适用于想透、追本、深挖、drill down 等场景。输出为 org-mode 笔记文件。
ljg-travel
ljg-travel 是一个面向博物馆与古建筑的深度旅行研究工作流，借鉴考古学 Desk-Based Assessment（案头评估）方法论，强调在出发之前穷尽文献与内容证据。用户输入一个城市名（必填），并可选用 -f 指定聚焦主题（如唐代、石窟、青铜器），或用 -q 进入快速模式（跳过内容提炼，只做研究与文档）。该流程为多 skill 管道（Research → ContentAnalysis → ljg-card），采用强制 NATIVE 模式。执行时先解析参数，然后以单次调用启动 12 个 Agent 并行研究，覆盖历史分层、博物馆重点、古建遗存、考古发现、人文脉络与深度内容发现等维度，并进行中英文双语检索。随后（非快速模式）从结果中提取有效 URL，对每个 URL 并行启动 subagent 执行 ContentAnalysis（fast 深度）提炼核心知识点，失败则跳过不阻塞流程。最终合成一份结构化 org-mode 文档，保存到 ~/Documents/notes/ 目录（denote 命名），并并行铸造两张便携卡片：城市文明概览信息图与参观路线速查长图。