wiki-research-research
面向研究主题的每日调研智能体，从队列中处理论文、学术概念、作者与值得深挖的想法，采用严格的五步循环并强制标注来源。适用于维护研究型知识库的场景。
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 11-08 00:04
写作与研究
15,029 个结果
requirement-assistant
Requirement Assistant 是一个面向 Claude Code 的技能，用于指导需求编写、用户故事创建和功能规格说明。它提供用户故事格式（INVEST 标准）、需求优先级分级（P0-P3）、需求完整性检查清单，以及简单问题、功能请求和缺陷报告等模板。该技能还支持项目级配置检测，可读取 CONTRIBUTING.md 中的语言设置和禁用技能说明，并识别 .github/ISSUE_TEMPLATE/ 与 docs/templates/ 目录中的自定义模板。适用于编写需求、用户故事、issue 和功能规划等场景。
llm-wiki-cadence-governance
用于维护 llm-wiki 仓库的每周治理工作流技能：审查仓库架构与内容新鲜度，并把差距转化为可执行的 GitHub issue，使 wiki 对代码开发与仓库架构决策保持有用。
workspace-knowledge-doc-contracts
面向 workspace-hub 的知识文档治理技能：整理 LLM-wiki 知识库、对齐仓库使命契约、审计过期文档引用、做知识源侦察，并在有证据前提下把缺口转为去重后的 GitHub issue。
competitive-intel-writer
竞品分析/竞争情报报告写作技能，覆盖竞品画像、SWOT、差距分析、策略建议与路线图；涉及文件解析、表格图表或长文输出时委托 OpenCode 执行。
market-research-writer
Market Research Writer 是 OpenClaw 中的市场调研/行业研究报告写作编排技能，用于生成竞品格局、趋势研判、TAM/SAM/SOM 与 CAGR 测算等内容，支持 PESTLE、波特五力、SWOT 等框架；涉及文件解析、数据建模、图表与长文输出时委托 OpenCode 执行。
llm-wiki
LLM Wiki 是一个面向本地 Markdown 知识库的技能，通过 ./scripts/wiki 脚本提供搜索、检索、读取 wiki 页面以及构建 LLM 上下文的能力，还支持统计、lint 检查、修复和重建 SQLite 索引，方便智能体在本地知识库中查找和引用资料。
poetry
这是一个用于原创诗歌写作的 AI 技能，支持十四行诗、俳句、加扎尔、维拉内拉以及自由诗等多种诗体。它根据用户提供的词语或词典、风格范例、语气和形式要求来创作诗歌：用户给出具体细节时直接创作；只说“写首诗”而没有其他要求时，先给出 2–3 个具体选题建议；用户说“给我惊喜”时，则自选简单形式与温暖语调直接写。它可以分析范例的格律、押韵、音节与意象风格，并自然融入给定词汇；输出使用 Markdown 并带标题。也支持对已有草稿进行修改润色，保留作者原声与核心意象。
seo-keyword-research
依据 Google Trends 数据为博客写作做 SEO 关键词研究的技能，先找高机会关键词再写内容，适用于写博客、规划内容日历和优化文章。
medium-research
medium-research 是一个两阶段 Medium 文章研究工作流技能：第一阶段通过 RSS 标签源与 DuckDuckGo 内容搜索发现候选文章，第二阶段为每篇选中文章并行启动子代理，经 Freedium 镜像抓取全文，返回结构化摘要报告并把正文保存到磁盘。
copywriting
一个面向营销文案写作的 AI 技能，用于撰写、改写或优化首页、落地页、定价页、功能页、关于页等页面文案，强调清晰、具体、以转化为目标。
domain-model
一个通过追问式会话压力测试计划、对照现有领域模型收紧术语，并在决策成形时内联维护 CONTEXT.md 与 ADR 的技能，适用于在编码前澄清领域概念与设计决策。
maintain-translated-skills
用于维护技能仓库本地化版本的 skill。它面向内容本地化而非 Git fork 同步，翻译自然语言说明并原样保留影响行为的内容，如目录名、命令、代码、路径、URL、标识符和 frontmatter 字段，同时支持初始本地化、上游内容刷新、索引与 manifest 维护及验证报告。
a-share-ipo-prospectus-drafter
该技能用于辅助起草A股IPO招股说明书（申报稿），覆盖证监会要求披露的全部章节，目标是确保内容真实、准确、完整。它依据《证券法》《首次公开发行股票并上市管理办法》《科创板首次公开发行股票注册管理办法（试行）》《公开发行证券的公司信息披露内容与格式准则第1号——招股说明书》等法规。章节结构包括封面扉页目录、释义、概览、风险因素、发行人基本情况、业务与技术、同业竞争与关联交易、董监高及核心技术人员、公司治理、财务会计信息、管理层讨论与分析、持续盈利能力分析、募集资金运用、股利分配、其他重要事项。披露要求强调真实性、准确性、完整性、可读性。使用方式为输入发行人业务信息及财务数据，自动生成各章节草稿供审核修订；涉及监管审批或法律风险情形须移交专业律师。
legal-writing
面向中国大陆法律文书与法学学术写作的技能（场景S2+S4），可按写作类型、篇幅与引用规范给出针对性输出，并锚定学术案例与法规数据源。
verified-planning
verified-planning 是一个面向实施计划与设计计划编写的技能，通过两项强制机制取代形式化的“自查即通过”流程：一是要求计划中的关键主张进入 Claim ledger（主张台账），并标注 file:line 形式的引文、UNVERIFIED 或 PROBE: <命令>；二是要求先通过确定性校验脚本，再交由全新上下文、只读的独立评审者审查。该技能提供检查脚本 check_plan.py，用于校验引文能否解析到真实符号、生成计划骨架并统计评审轮次，限定评审最多 3 轮，并在超出时上报。
vs-rfc-research
vs-rfc-research 是一个面向技术写作场景的技能，用于围绕某个技术主题开展研究，并产出有真实 GitHub 代码证据支撑的 RFC 文档。它适用于用户提出“写一份 RFC”“RFC 研究”“创建 RFC”等需求的场合。该技能的核心特点是强调证据驱动：文档中的每一条主张都需要链接到在 GitHub 上实际找到的代码引用（含文件与行号），而不是空泛的“我们应该考虑”式论述。使用前需先确认 octocode MCP 可用，否则技能会停止并提示安装方式。整体工作流分为多个阶段：预检、界定范围、制定研究计划、执行研究、综合成 RFC、由子智能体进行精简与“拷问”、最终交付。它依赖 octocode MCP 的代码搜索、仓库结构查看、PR 检索等能力来获取一手资料，并提倡用子智能体并行调查以保持主上下文整洁。产出的 RFC 有固定模板结构，涵盖摘要、问题、上下文与先例、提案、备选方案、风险与缓解、开放问题以及参考文献等部分。该技能不适用于无 octocode 代码研究能力的环境，也无法在缺乏资料的情况下凭空生成证据。
academic-research
一套覆盖学术研究全流程的 AI 技能套件，包含论文阅读、想法生成、实验设计、数学证明、论文写作、论文审稿与教授适配度分析等子技能，支持 Claude Code、ChatGPT/Codex CLI、Gemini CLI，默认以繁体中文分析与讨论。
research-methodology
Research Methodology 是一个面向系统化研究的技能（Skill），提供搜索策略、来源评估与证据收集的最佳实践。它把研究过程拆分为三个阶段：广泛发现、聚焦深挖与验证；并给出来源可靠性层级，从同行评审论文、官方文档到社区论坛逐级排列。技能还提供评估清单，涵盖权威性、时效性、覆盖度、准确性与客观性，并给出结构化的笔记模板，包括关键发现、矛盾点与空白点，以及高、中、低三级置信度标注。其目的是帮助使用者在信息检索与事实核查时减少对单一来源的依赖，识别过时数据与未经引用的来源，区分相关性与因果性，并留意小样本或初步研究的局限。资料中提到该技能出自 vstorm-co/pydantic-deepagents 仓库，但未提供具体安装命令、代码示例、平台支持或收费信息。
prd-update-decisions
prd-update-decisions 是一个用于根据对话中产生的设计决策与战略变更来更新 PRD（产品需求文档）的斜杠命令。它源自 vfarcic/dot-ai 的 shared-prompts/prd-update-decisions.md（MIT 许可，版权归 Viktor Farcic 所有）。该命令聚焦于那些尚未体现在代码中、但会影响需求、方案或范围的概念性变更，帮助团队把讨论中形成的架构选择、工作流调整、需求增删和范围管理决策同步回 PRD。
learning-tutor
Learning Tutor 是一个通过“一次一问”对话、费曼式解释和基于证据的评估，帮助学习者独立解释和应用某一领域、概念或论文的教学技能。它先恢复中断的学习状态，再决定下一题，默认以小单元（约 15–25 分钟）推进，可随时中断；教学语言跟随用户。技能会区分“查询”与“开始/继续学习”，后者开启学习录制，将完整轮次保存到本地并同步到后端，用于跨设备续学，但不会替学习者完成阅读，也不自动创建复习计划或定时提醒。
research-paper-deep-dive
这是一个用于精读学术论文的AI技能，核心是把论文当作要“装进读者脑中”的知识来讲解，而非简单摘要。面向进入陌生领域的新手，帮助其在不重读原文的情况下回答四个问题：问题为何必要、作者做了什么不同、为何相信有效、有哪些可复用想法。
technical-explainer-video
technical-explainer-video 是用于制作或修改算法、数学、物理等知识教学动画视频的技能，通过清晰的几何图解、LaTeX 公式、自然配音和同步字幕，交付实际 MP4 与可编辑工程。适用于知识讲解、计算演示、分镜和成片修改。该技能独立完成视频制作，可选择参考 awesome-docs 组织复杂内容，或使用 shuorenhua 润色口播文案，但缺失时跳过增强。视频按观众理解顺序分镜，每幕聚焦一个问题，旁白解释对象变化和原因，画面展示关键点、线、面和数值变化。公式用 LaTeX 排版，中文解释单独排版。字幕数值用阿拉伯数字，显示文字与朗读文字分开保存。口播直接准确，讲清对象、动作、条件和结果。工作流程包括定内容与证据、文案配音和时间线、实现并交付，交付实际 MP4、章节播放器、字幕与可编辑源工程。
new-post
为 wcygan.net 生成新 MDX 博客文章的 ClawHub 技能：创建 src/posts/<slug>.mdx 并在 public/rss.xml 顶部插入对应 <item>，同步两处内容。