url-slug-generator
用于为博客、文章和内容页面创建、优化与校验 SEO 友好 URL slug 的技能。依据 1180 万条 Google 结果研究，较短 URL 往往排名更高，第 1 位 URL 平均 50–60 字符。
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 11-09 00:13
写作与研究
15,092 个结果
onboarding-c3
C3 Onboarding 是一个用于从零创建 C3 架构文档的技能，通过分阶段苏格拉底式提问引导用户完成架构梳理。适用于用户要求“采用 C3”“引导我了解架构”等场景。
arxiv-search
arXiv Search 是 langchain-ai/deepagents 中的技能，用于在 arXiv 上检索预印本和学术论文，返回标题与摘要，并可按主题筛选。适合需要查找研究论文、搜索 arXiv 或获取论文摘要的场景。
blog-post
该技能用于撰写和结构化长篇博客文章，可创建教程大纲、按SEO要求优化内容，并生成封面图。适用于用户要求写博客、教程或SEO文章的场景。
query-writing
该技能用于根据用户问题编写并执行 SQL 查询，覆盖简单 SELECT 到多表 JOIN、聚合与子查询，适合需要从数据库取数的场景。
web-research
web-research 是 langchain-ai/deepagents 中的研究技能，通过委派子智能体搜索多个网络来源、整合发现并生成带引用的研究报告，适用于用户要求调研某主题的场景。
stock-research-executor
股票投资调研执行引擎，按8阶段投资尽调框架执行研究：公司事实底座、行业周期、业务拆解、财务质量、股权治理、市场分歧、估值护城河与综合报告。接收结构化调研指令，并行部署多智能体研究，生成带引用与来源质量评级的尽调报告。
router-core/search-params
TanStack Router 的搜索参数（Search Params）技能：把 URL 搜索参数当作 JSON 优先的应用状态，自动解析为数字、布尔、数组、嵌套对象，并通过 validateSearch 逐路由校验；提供 Zod/Valibot/ArkType 适配器、fallback()、搜索中间件与自定义序列化。
reddit-research
reddit-research 技能通过 reddapi.dev 在 Reddit 上做市场调研、用户研究与产品验证，支持对 5 万+ 子版块、2000 万+ 帖子和 4000 万+ 评论进行语义搜索，无需 OAuth 或注册应用，只需 API 密钥。
ljg-learn
ljg-learn 是一个“概念解剖”技能，用八个探索维度（历史、辩证、现象、语言、形式、存在、美感、元反思）拆解任意概念，并以第一人称内观、公式与 ASCII 结构图压缩为一句顿悟，最终输出为 org-mode 文件。
ljg-paper
ljg-paper 是一个讲清研究论文的写作技能：面向没有专业背景的读者，说明论文研究什么、作者贡献了什么、结论如何得出。输出 Org 解读笔记与 paper-map 研究记录，也可只做口头解释。
ljg-paper-flow
ljg-paper-flow 是“论文流”技能管道，一条命令完成读论文并生成“取景框借书卡”。支持 arxiv 链接、论文 URL、PDF 或论文名，多篇可并行处理；每篇串行走 ljg-paper 解读、再走 ljg-library 铸卡，最后汇总输出 org 解读路径与 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-read
ljg-read 是一个中文伴读技能，用《学习观》的「下上结构」把用户提供的文本讲透：从具体情境接通概念、判别依据与有条件的关系，帮助读者理解原意并迁移判断。默认直接在对话中展示，不自动保存文件。
ljg-roundtable
一个用于发起“圆桌讨论”的技能：围绕指定议题请 3-5 位真实人物，由主持人引导逐轮交锋，每轮输出一张 ASCII 结构图，用户可用指令控制节奏，讨论结束后全文存入 org 笔记。
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。
ljg-word
ljg-word 是一个英语单词深度学习工具，目标不是翻译，而是帮助用户掌握某个英文单词的深层含义和用法。它接收单个英文单词作为输入，将单词转换为小写、首字母大写后，直接在对话中以 Markdown 格式输出分析结果。输出结构包含三部分：标题行（单词、音标、中文翻译）、核心语义（原始画面、核心意象、解释）以及“一语道破”金句。其中“原始画面”用一句话描述该词源头最物理的画面，例如 Incubate 可描述为母鸡趴在蛋上；“核心意象”提炼为公式，如“温暖 + 时间 + 保护 = 孕育”；“解释”用有洞见的语言阐述深层含义与现代用法，分段清晰并加粗关键词，展现词源与多领域含义之间的内在联系；“一语道破”则用中英双语引用格式给出一句具有哲学高度的金句，总结该词的灵魂。适用于用户要求解释或掌握某个特定英文单词的场景。
ljg-word-flow
ljg-word-flow 是一个英文单词深度解析与信息图生成工作流：输入一个或多个英文单词，先调用 ljg-word 生成深度语义解析，再调用 ljg-card -i 将解析结果铸成信息图 PNG，支持多词并行处理。
ljg-writes
ljg-writes 是一个中文写作引擎技能，用于把一个观点写成可理解、可迁移、经得住反例的 1000-1500 字中文文章，适合写文章、优化思想内容、展开或重写观点，不用于普通摘要、事实查询或结构梳理。
re0-plan
re0-plan 是 paperthin 工作流中的规划技能，在 re0-loop 首轮运行前创建并填充 .re0/iteration/<version>-<workname>/ 案例目录，确保目录从建立起就有真实内容，而非空目录。
re0-upgrade
re0-upgrade 是 paperthin 技能目录的一键升级技能：把已安装的 paperthin 技能收敛到当前完整目录，退役已改名技能、补齐未安装技能并刷新其余技能，全部操作在一次确认后执行。
algorithm-design
algorithm-design 是一个把研究方法形式化为算法伪代码与系统架构图的技能，可生成 LaTeX 伪代码与 Mermaid 类图/时序图，并检查伪代码与实现之间的一致性。
atomic-decomposition
将研究想法拆解为原子化、自包含概念，并为每个概念建立数学公式与代码实现的双向映射，形成结构化知识库。适合算法调研与论文复现场景。
deep-research
deep-research 是一个用于系统化学术文献综述的助手技能，按 6 个严格顺序阶段执行搜索、筛选、精读、代码调研、综合与报告汇编，产出结构化笔记、论文数据库和最终报告。可通过 /research <topic> 触发。