research-survey-visualizer
用于调研研究论文并在聊天中生成内联交互式可视化的技能：通过 SVG 图表与 HTML 交互组件，按“为什么—是什么—怎么做—证据”的顺序讲解论文，适合快速理解单篇论文或多篇综述。
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 11-06 00:14
写作与研究
14,812 个结果
stacked-research
一个用于长期研究项目的纪律型技能，目标是让实验结果逐层累积，避免重复验证已知结论。资料给出目标／假设／手段三层分离、八道发射前门禁、EXP与CONF双轨、CLAIMS更新义务与多条红旗规则，多为经验性约束与实测案例。
talk-script-clarity
用于润色和检查演讲脚本的技能：让听众只听一遍也能听懂。基于七条原则处理主题句重复、核心隐喻、示例、数字、术语、段落衔接和句长，并用脚本做前后量化测量。
understand-knowledge
用于分析 Karpathy 模式 LLM wiki 知识库（原始资料、wiki markdown、schema 三层结构）并生成交互式知识图谱仪表板的技能，可提取实体、隐式关系与主题。
writing-skills
用于创建新技能、编辑现有技能或在部署前验证技能是否有效的技能编写指南，将测试驱动开发（TDD）应用于流程文档。
domain-modeling
用于在设计与编码过程中主动构建和打磨项目领域模型的技能：挑战术语、推演边界场景，并即时记录术语表与架构决策记录（ADR）。
research
该技能用于针对某一问题检索高可信度的一手资料（官方文档、源代码、规范、一方 API），并将结论整理为仓库中的 Markdown 文件，每条结论标注来源。适合需要边工作边让后台代理调研主题的场景。
writing-for-agents
writing-for-agents 是一份关于“为智能体撰写文档”的参考指南，适用于创建或编辑技能（skill），以及修改 AGENTS.md 或 CLAUDE.md 等文件。它指出：无论文档的打包形式如何（技能、AGENTS.md/CLAUDE.md、通过指针引用的文档），写作方法是一致的——目标是让智能体每次运行都走同样的过程，而不是产出同样的结果。核心内容包括：上下文指针（context pointer）的措辞决定智能体何时以及多可靠地触达材料；两种负载（上下文负载与认知负载）；信息层级（文件内步骤、文件内参考、披露式参考）与渐进式披露；步骤的完成标准（清晰度与要求强度）；何时拆分文档；引导词（leading words）的用法与否定式表述的失败模式；以及修剪原则（单一事实来源、相关性检查、无操作句删除）。
aikey-concept
AI KEY 系列中的“重讲一个概念”技能，用于把大家日常在用的概念（定价、选题、需求、转化、获客等）重新拆解讲述，从既有说法的裂缝中提炼出一把可迁移的判断尺子。核心做法是先锁住四样东西——具体问题、本体定义（反常识那一句）、经典理论与学科通识靶子、通俗类比——再动笔写整稿，避免命题层返工。流程分五个阶段：接题与准入闸门、锁四样、写整稿、交由本人口述定稿、只剪不扩并做红线和一致性检查，最后归口标题与封面并落盘。触发方式为 /aikey-concept、/重讲概念，或说出“把 XX 这个概念讲清楚”“XX 到底是什么”等。
aikey-drama
AI KEY·短剧编剧是一个面向竖屏短剧的个人创作者与小团队的编剧技能。用户给出选题或初始内容，该技能可产出两类剧本：1–3 分钟、自成一体、账号可自拍的单集短剧；或付费连续剧开发包，含一句话卖点、梗概、人物小传、整季分集大纲（标出付费卡点）及前 3 集完整剧本。技能内置编剧方法卡、剧本格式、合规与原创红线、分镜与生成提示词参考，要求先读配置与家族公约再动笔。流程按阶段推进：先问产出类型，再锁定受众、类型与人设、主角目标与阻碍、结局走向，然后写一句话卖点并自检冲突是否长在设定里，给出三个开场候选，再按模板写单集或开发包，最后用十项自检表逐项检查并落盘收尾。可选阶段可将定稿剧本切成分镜表并写成视频生成提示词。技能明确不承诺爆款、不一次写完数十集、不未经确认提交视频生成。
aikey-flow
aikey-flow 是面向单人自采自编知识型创作者的口播稿「划走点」专项诊断技能，名称由早期的 /zmm- 系列在 v1.0.0 起改为 AI KEY（/aikey- 前缀）。它不是替你读稿，而是替观众听稿：把作者脑中的全图丢掉，从第一句开始以观众视角记录每一拍「手里已经拿到了什么」「还在等什么」，找出观众在哪一拍被甩掉，并按「等的没来」「手里有了还在给」「正在给的听不清」三类断点分别给出可直接念出口的修法。它只负责「怎么说」的听感顺畅，不改论点、案例、数据与观点；发布红线与能不能发归 aikey-review，选题戳不戳人另有分工。诊断完成后默认主动询问是否按标记式改稿（原文不抹除，删改加符号标注）。适用于纯口播或白板/手写视频稿的完播率优化，尤其适合没有团队、需一人完成拍剪发的创作者。
aikey-hook
AI KEY 系列的短视频开头专项技能，用于诊断内容素材是否充足并生成前几秒的开头候选。它先对稿件或选题做素材五维检查，命中不足时判定问题不在开头；素材足够时，比较真实材料入口与大众悬念入口，结合三种起手方式和四种留白手法给出候选，每个候选标注所用原理、观众此刻想知道的问题和正文兑现处。也支持 X 帖首句，并按拍摄进度区分能否补拍：拍完不能补拍的只从已说出口的原话里挑。不负责标题与封面大字、整稿流失点检查和发布判断。
aikey-mvp
AI KEY 系列中的选题 MVP 测试技能，用于把零散想法（一句话、聊天记录、X 见闻、候选题）加工成可直接发到 X 的纯文字测试内容，低成本验证选题是否有认知共鸣。它先提炼一句话核心主张并经素材五维门禁判断「有没有货」，再按内容决定篇幅（不限字数，重排版），参照本人 X 爆款校准语感，产出 2–3 个候选角度与首句钩子，定稿后落盘并复制到剪贴板、登记到测试管道。用户回报数据后，按本人 X 收藏率基线做验证或淘汰判定，并给出进抖音、扩写长文等去向建议。注意其信号仅对 B 类题可信度高，E/A 类泛流量题只作方向参考。
aikey-resonate
AI KEY 系列的共鸣诊断技能（原名 /zmm-…，v1.0.0 起改名为 /aikey-…），面向单人自采自编的知识型创作者，帮助判断一条内容是否让观众“带走了什么”以及是否会让观众产生收藏、转发、评论、关注等行动。技能提供三种模式：A 诊断自己的草稿、B 拆解他人爆款反推可借角度、C 从一个现象判断是否值得做成内容。所有判断都要求指向原文，并区分证据、推断与待验证，不预测算法数据，也不做逐句密度评分或发布评判。
aikey-review
AI KEY（原名 zmm-）套件中的口播稿发布前审核技能。以观众视角模拟四次决定——点不点进来、留不留下来、记不记得你、做不做点什么，据资料，拆为十一问逐项审核：先只看标题/封面/第一句做「盲读」判断留走，再逐句信息密度评分（以80+句数为硬闸门，60+仅作参考），检查空转、可懂度、骨架断点、说法是否老套、立场、作者可信度、押注点与出口，另做红线五查与机器信号（导流、广告形状等）排查。默认只诊断不改稿，判定分「能发/改后发/重写」三档。适合单人知识型创作者在发布前自查口播稿。
aikey-script
AI KEY·口播稿写作（aikey-script）是一个面向单人知识型创作者的口播稿协作写作技能。它强调“不一键成稿”，而是按“三类脚本选型 → 从内容单元装配 → 逐段共创”的流程，协助用户完成知识付费口播稿。触发方式包括 /aikey-script、/写口播、/写稿、/aikey-写稿，以及“写个口播稿”“帮我把这个题写出来”“知识付费口播”“写条视频文案”等自然语言请求。该技能原名为 /zmm-…，v1.0.0 起改名为 AI KEY（/aikey-…），旧名字不再更新，老用户升级需参阅 README。它要求先读取家族公约与交互规范，再按清单读取格式与钩子库、最近复盘与要求文件、口播生成标准、语言风格档案、文案反馈规则库、已发布内容库以及 SOT-商业化相关章节，确保稿子符合硬标准、不撞车且遵守引用纪律。工作流程分为 Phase 0 接题与判断范围、Phase 1 定型、Phase 2 拉取素材并报装配表、Phase 3 产出三个开头候选、Phase 4 主体逐段共创、Phase 5 收尾、Phase 6 落盘与回写。它内置“亮路径三幕”骨架与概念型/论证型判断，强调具象、可照做、信息密度和真实素材，不编案例、不编数字，缺失细节以【待补】标注并列入素材采集清单。适用于知识付费口播稿的整稿或开头、标题等局部写作需求。
okf-validate
okf-validate 是 iannuttall/seo 技能集中的确定性校验工具，用于在消费或分发 OKF 知识包前检查路径、frontmatter、必需文件、概念链接与引用结构。它只验证文件契约，不核实引用来源或知识真伪。
iblai-marketing-customer-research
用于开展、分析与综合客户研究的营销技能，帮助从访谈、问卷、评论、工单等资料中提炼客户痛点、触发事件、期望结果与真实用语，并支持线上社区调研、主题综合、人物画像与VOC引语库等交付物。
garden-docs
garden-docs 是一套文档园艺流程，用于让文档与代码保持同步，并把知识库维护为系统记录。它强调机械式结构校验、修复后再提交，以及用条件触发式引用组织 CLAUDE.md 与 docs/。
review-learning-repo-pr
用于审查会改动教学型仓库结构的 Pull Request，重点检查 README.md、AGENTS.md、CLAUDE.md、.claude/、.github/、skills/ 等文件中的路径、示例、frontmatter 与职责划分是否准确一致。
validate-learning-repo
用于审计教学型仓库内容与真实文件结构是否一致的技能，检查 README、AGENTS.md、CLAUDE.md、.claude/、.github/、skills/ 等示例与约定是否仍匹配实际仓库。
code-docs
code-docs 是一个根据代码分析生成或更新文档的技能，可自动解析代码结构、注释与模式，产出 README、API 文档和内联注释，支持 C#、TypeScript、JavaScript、Python、Java 等语言。
humanizer-ru-local-edit
该技能用于对俄语文本做局部润色：当用户希望修改听起来程式化或像机器生成的俄语文章、同时保留原意与作者语气时使用。它先通读全文，标出空泛的预告句、重复强调、自我标榜、虚构对手、公文腔、空洞强调词与模糊意象等具体问题，再按保留（KEEP）、删壳（TRIM）、改写（REPLACE）、合并（JOIN）四种动作做局部修改，不改变事实、立场与确定程度。修改后逐项核对行为主体、时态与完成度、频率与范围、否定与确信度、因果顺序、数字与单位、作者判断与实用信息，引用、代码、链接、人名与标识符原样保留。默认返回修改后的文本；用户只要审查时返回带引文的发现与建议。
humanizer-ru-local-edit-scope
该技能用于对俄语文本进行局部编辑，在保留原意和作者声音的前提下，修正公式化或机器生成的表达。它通过定位问题片段（如空洞的预告、重复的结论、虚夸的诚实、假想的对手、官腔、空泛的强化词等），在最小范围内进行删减、替换或合并，并核对修改后的事实、立场、确定性、因果关系及数字等是否与原文一致。适用于需要保留作者观点与语气的俄语散文润色，不适用于事实核查或判定作者身份。