sap-content-generator
这是一个用于生成 SAP（统计分析计划）章节内容的工具，输出格式为 Markdown，并遵循 ICH E9(R1) Estimand 框架。其核心机制是逐章独立生成内容，以避免单轮输出触发 token 上限。工具通过脚本编排生成流程，并按内容类型路由到不同的提示词文件，涵盖 estimand、主要分析、次要分析、敏感性分析、安全性分析及多重性等章节类型，另有后处理脚本用于终点名称校验与 AI 标记收集。
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 11-07 00:13
写作与研究
14,957 个结果
mcaf-adr-writing
用于在 docs/ADR/ 下创建或更新架构决策记录（ADR），适用于依赖、边界、平台、契约、数据模型变更或跨领域工程政策调整，帮助记录决策背景、备选方案、权衡与实施计划。
mcaf-documentation
MCAF 文档技能：用于创建或改进可长期维护的工程文档，涵盖文档结构、导航、事实来源放置与写作质量，适用于文档缺失、过时、重复或难以导航的仓库。
arxiv-categorical-ai
用于系统分析范畴论与AI交叉领域论文的技能，围绕Gavranović、de Wynter、Bradley、Zhang等人的工作，提供结构化论文分析模板、范畴结构映射、研究空白识别与跨论文综合。
cc2-research-framework
CC2.0 范畴研究框架，用七个函数（观察、推理、创建、编排、学习、验证、部署）把 AI 研究流程建模为范畴操作，适合系统性研究、并行研究流协调与模式提取。
discopy-nlp
DisCoPy 是一个用 Python 实现字符串图与幺半范畴的库，面向组合式自然语言处理（NLP），支持预群语法、函子语义与量子电路语义。可通过 pip install discopy 安装。
docs-writing
面向 maplibre-compose 仓库的文档写作技能，用于撰写或编辑项目文档、KDoc、贡献者指南与 PR 描述，强调面向非母语读者的简明技术英语、Diátaxis 文档结构，以及从可编译代码片段导入示例。
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）。
writing-great-skills
编写与编辑技能（skill）的参考指南，讲清让技能具备可预测性的词汇与原则。核心观点是：技能存在的意义是从随机系统中压榨出确定性，而可预测性——智能体每次运行走同一套流程，而非产出相同结果——是根本美德，文中所有手段都服务于它。内容围绕调用方式（模型调用与用户调用）、描述撰写、信息层级（技能内步骤、技能内参考、外部参考、渐进式披露）、拆分时机（按调用拆、按序列拆）、精简（单一事实来源、相关性检查、逐句无操作测试）、引领词（leading word）以及失败模式（过早完成、重复、沉积、蔓延、无操作、否定）展开。文中加粗术语在 GLOSSARY.md 中有完整定义。
spec-research
spec-research 是 Claude Code Atelier 中的一项技能，用于新功能的需求发现、代码调研与架构设计，最终产出 docs/specs/YYYY-MM-DD-<feature-name>/spec.md 这一持续更新的规格文档，并在获得人工批准后交接给 spec-plan。
sota-ux-writing
面向产品界面文案的 UX 写作与文案规范技能，覆盖语气语调系统、简明语言（ISO 24495-1）、微文案（按钮、标签、空状态、错误提示）等；提供 BUILD 写作与 AUDIT 审计两套模式及严重度分级，聚焦按钮动词化、术语统一、本地化与无障碍就绪。
doc-standard
doc-standard 是一个面向开发工程文档的 AI 技能，用统一的“粒度标准”来生成和检查工程文档是否偏离规范。它覆盖需求定义、基本设计、详细设计、测试等阶段的 19 个文档类型，分为瀑布式与敏捷式两条线。核心判定维度包括：What/Why 与 How 的分离、可追溯性、可验证性、非功能需求不得后置等。使用方式上，技能在启动后才按需读取随附资料库，不常驻加载；工程文档生成后会先跑一遍机械检查再交付。检查分为两层：一是基于脚本的机械判定（检查标题、词汇、可追溯性表空单元格），二是基于评分细则的质量判定（如设计是否过厚或过薄、是否出现实现细节泄漏、测试条件是否过于具体等）。该技能只负责文档粒度边界这一个视角，不处理文章校对、代码审查或架构决策记录；遇到未覆盖的文档类型会明确告知“配方未就绪”，不强行生成。
arxiv2beamer
arxiv2beamer 是一个学术演示与 LaTeX Beamer 执行技能，可将本地 LaTeX 论文源码或 Arxiv 链接转换为博士组会风格的 Beamer 幻灯片，强调可编译性、视觉清晰与可验证性，并直接编辑文件而非仅给建议。
research-tasks
这是一个用于回答研究问题的流程技能，指导如何借助网络检索获取信息，并把研究结果保存到工作区中。它要求先使用 web_search 处理宽泛查询，需要阅读具体页面时再使用浏览器工具；把有用的 URL 和简短引文记录到工作区 notes/ 目录下的 markdown 文件中。整个流程强调不得编造来源，凡是没有实际抓取到的内容作为支撑的说法都应舍弃。最终回答需按固定格式给出：Answer 为一段话，Sources 为 URL 项目符号列表，Notes file 为保存的 markdown 笔记路径。
jh-math-context-questions
这是一个用于命制初中数学“生活情境非选择题”的技能。它根据用户指定的初中数学单元，上网搜索生活情境与时事新闻素材，将其转化为非选择题，并导出格式正确的 Word 文档。每份题目包含五大题，每大题含两小题：第(1)小题为阅读理解层次，第(2)小题承接第(1)题并结合数学单元达到应用或分析层次，且每大题均附完整解析。技能支持几何图形自动渲染为 PNG 并插入 Word，数学式以 OMML 正确格式呈现，并内置数学标记语法（用大括号包裹数学式）。处理流程包括确认需求、网络搜索素材、设计题目、撰写解析、数学自我验算、整理 JSON、渲染几何图与情境插图、导出 Word 等步骤。
surface-contract
surface-contract 是一个用于审计、对齐并精炼代码执行与书面规范（文档、清单、schema）之间接缝的技能，基于 Ousterhout 的抽象深度与 Liskov 的契约（前置/后置/不变量）视角，识别并修复文档与代码的漂移。
write-a-prd
write-a-prd 是一个用于撰写功能 PRD 的技能，当用户想创建 PRD 时触发。它通过提问、探索代码库、梳理范围与模块、确认测试需求，最终按模板生成 PRD 并提交为 GitHub issue。
simpmusic-release-changelog
SimpMusic 发布更新日志技能，用于准备 SimpMusic 版本发布、撰写发行说明或更新日志（changelogs/<version>、fastlane changelogs、GitHub release 文本），以及核对哪些已交付工作尚未反映到项目管理面板。该技能要求更新日志只列出已交付的工作，且每一行都附上追踪它的 issue 或 PR 链接，并先对 Project #2 进行核对与同步。
blodemd
blodemd 是 Blode.md 的终端 CLI，用于脚手架、预览和部署 MDX 文档站点，并在同一提交中发布 HTML 与面向智能体的 llms.txt、llms-full.txt 及逐页 .md 导出，便于验证线上可读性。
architecture-blueprint-generator
这是一个分析代码库并自动生成《Project_Architecture_Blueprint.md》的项目架构蓝图生成技能，可识别技术栈与架构模式，输出分层、依赖、数据、通信、测试、部署等架构文档，用于维护架构一致性。
grill-with-docs
grill-with-docs 是一个逼问式计划评审技能，通过逐个提问厘清设计决策、统一术语，并即时维护 CONTEXT.md 词汇表与 ADR 决策记录。
prd
用于生成软件系统与 AI 功能的产品需求文档（PRD）的技能，涵盖执行摘要、用户故事、技术规范与风险路线图，并强调在动笔前先提问澄清、用可量化指标替代模糊描述。
teach
teach 是一个用于“把一项工作讲清楚”的技能。它的目标是让人真正理解某个东西是什么、如何运作、为什么这样构建，而不是去修改任何代码或产出交付物。它建立在 how 与 why 两个技能之上：先用 how 弄清工作机制，再用 why 弄清设计原因，然后把两者发现的内容编织成一份平实易懂的讲解。适合“教我这个”“帮我真正理解 X”“把这个改动或子系统解释给我听”这类请求。它会根据提问原因（即将修改、正在审查、在调试、刚接触）和对话中已有的认知水平，决定读者应当带走的关键点，跳过其已知内容，把深度放在问题所在处。讲解从平实定义开始，先给最小完整回答，再按需分层展开；用图或代码、调试器辅助说明，多部件系统用逐步加图的序列而非一次性大图。它保持对话感，不考试、不做节奏表演，交由用户主导深入程度。
trainer-list-methods
面向咨询顾问、培训师与引导者的方法论技能，整合麦肯锡框架（MECE、假设驱动、金字塔原理）、Back of Room 培训设计、ORID 引导法、NLP 沟通模式及华为 DSTE/BLM/BEM 体系，用于设计结构化、以学习者为中心的培训内容与体验。