stakeholder-mapping
用于优先级排序相关方并制定参与策略的产品管理技能：同时运行“权力×利益”和“影响×权力”两张 2×2 矩阵，对比结果找出被低估的高影响低权力群体，并规划象限迁移与后续参与计划。
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 10-19 00:11
全部 Skills
231,949 个结果
cli-skill-collector
cli-skill-collector 是 OmniRoute 内置的一项智能体技能收集能力，用于检测本机已安装的 CLI 编程工具（如 Claude Code、Codex、Cursor、Copilot、Cline 等），在 GitHub 上搜索匹配的智能体技能（SKILL.md 仓库），并通过 OmniRoute 内置 API 将技能安装到检测到的工具中。它取代了原先独立的 Skill Collector Python 应用，全部逻辑集成在 OmniRoute 内。使用前需本地运行 OmniRoute（默认端口 20128），相关接口需要管理级认证。
replay-ux-research
该技能用于分析 Sentry 会话回放（session replays），针对指定产品区域（如 issues、traces、dashboards、replays、monitors、releases、alerts 等）挖掘 UX 模式、痛点和代表性用户旅程。它依赖 Sentry MCP 服务器提供的 search_events、get_replay_details、search_issues、get_sentry_resource 等工具，搜索来自外部真实用户（排除 Sentry 员工）的回放，抓取用户旅程、时长、回放类型、入口上下文、参与信号、设备分布和活动面包屑，并对显著错误进行分级（likely blocking / degrading / silent / unclear），最终按输出模板给出带证据链接的报告，且报告中不得包含完整用户邮箱。
ghost-exo
ghost-exo 是 exo 工作流生命周期的统一入口技能，本身是一个路由器。它把用户请求分类为三种意图之一：debug（诊断某个具体运行为何失败）、improve（基于近期运行改进、迭代、收紧或加速已有工作流）、build（把想法变成新工作流，或从 agent 模板 slug 构建）。分类后先加载共享基础文档，再加载对应的意图配方并执行。所有意图都通过 exo MCP 服务器驱动 exo 这个智能体工作流平台。使用前需枚举会话中的 exo MCP 服务器，只有一个时直接使用，多个时须通过结构化提问工具让用户选择；随后调用 whoami 确认连接并返回工作区 ID。脚本 scripts/exo-skill.py 通过 REST 访问同一工作区，从环境变量或 --profile 指定的配置文件读取连接信息。
systematic-literature-review
这是一个用于自动生成系统综述/文献综述的 Skill，适用于用户明确要求做系统综述、文献综述、related work 或文献调研的场景。其流程在隔离工作目录内完成：AI 自主规划多组检索词进行多源检索，去重后逐篇阅读标题与摘要并评分（1–10 分语义相关性，并划分子主题分组），按高分优先比例选文，自动生成“综/述”字数预算，再由资深领域专家视角自由撰写正文，结构固定为摘要、引言、子主题、讨论、展望、结论，并保留正文字数与参考文献约束。默认交付核心文件包括工作条件记录、LaTeX 正文源文件、BibTeX 参考文献、字数预算 CSV、验证报告以及 PDF 和 Word 导出物，中间产物包括检索、评分与选文记录。硬约束包括强制导出 PDF 与 Word、正文字数与参考文献数须在档位范围内、\cite{key} 必须与 BibTeX key 一致、正文不得泄露 AI 工作流元叙事、不得为凑引用堆砌低分文献等。运行环境需要 Python 3.9+、LaTeX 与 pandoc，并提供了主入口与旧入口的管线运行命令。
hf-mem
hf-mem 是 Hugging Face 提供的一个命令行工具（CLI），用于估算从 Hugging Face Hub 加载 Safetensors 或 GGUF 模型权重进行推理时所需的内存。它通过 HTTP Range 请求读取模型元数据，无需在本地下载或加载任何权重即可完成估算。该工具可估算模型权重内存占用，并在开启实验性选项时进一步计算 KV 缓存的内存需求，适用于大语言模型（LLM）、视觉语言模型（VLM）以及 GGUF 模型。用户可用它来判断某个模型需要多少显存或内存、能否放入指定 GPU 或实例。运行需要安装 uv（用于 uvx），访问受限或私有模型时需提供 HF_TOKEN 环境变量或 --hf-token 参数。典型用法为 uvx hf-mem --model-id <model-id> --json-output，GGUF 模型可通过 --gguf-file 指定具体文件，KV 缓存估算通过 --experimental 开启并配合 --max-model-len、--batch-size、--kv-cache-dtype 等参数调整。
feishu-cli-import
feishu-cli-import 是 feishu-cli 的 Markdown 导入技能，用于从本地 Markdown 文件创建飞书云文档，或将 Markdown 内容追加导入到已有文档。它支持嵌套列表、任务列表、代码块、引用块、Callout 高亮块、公式、下划线等语法，并能将 Mermaid/PlantUML 图表自动转换为飞书画板。对大表格有智能处理：行数超过 9 行时通过 insert_table_row API 追加保持单 block，列数超过 9 列时按列组拆分并保留首列作为标识。表格单元格内的图片可真正嵌入为单元格内图片。该技能采用三阶段并发管道，具备图表故障容错、API 限流自动重试和并发控制能力。使用前需安装 feishu-cli 并配置 App Token。
ai-wrapper-product
该技能面向构建 AI API 封装产品的开发者，定位为「AI 产品架构师」。它专注于把 OpenAI、Anthropic 等 AI API 封装成解决具体问题、用户愿意付费的聚焦型工具，而非简单的「换个皮的 ChatGPT」。技能覆盖 AI 产品策略、提示词工程、成本优化、模型选择、AI 用户体验与用量计量等方向，强调提示词工程即产品开发、在成本与体验之间取得平衡，并构建有防御性的 AI 业务。适用于用户提到 AI wrapper、GPT 产品、AI 工具、封装 AI、AI SaaS、Claude API 产品等场景。使用前需阅读详细指南，并遵守其安全、前置条件与验证要求；输出不能替代针对具体环境的验证、测试或专家评审，若缺少必要输入、权限、安全边界或成功标准应先停止并请求澄清。
sumeru-write
sumeru-write 是 sumeru 技能集中的小说章节内容创作技能，用于网文章节的生成、续写、扩写与重写。它支持基于细纲批量生成章节，自动读取 .sumeru/outline/chapter-outlines.json，可按章节号、卷号或全部章节生成，默认每章 4000-5000 字。该技能强调保持人物性格、战力体系与世界观一致性，自动适配网文节奏（开头抓眼球、中间有冲突、结尾留悬念）。当需生成超过 3 章或使用细纲驱动模式时，会自动启用子 agent 并行写作，每个子 agent 最多负责 3 章，相邻章节分配给同一 agent 以保持连贯，并支持增量写入、错误隔离与断点恢复。生成章节保存到 chapters/ 目录，命名遵循 {三位章节号}-{章节标题}.md 规范，中间数据存于 .sumeru/write/。
aso-appstore-screenshots
这是一个用于生成 App Store 截图的 Claude 技能，通过分析应用代码库发现核心卖点，并借助 Gemini MCP 服务器（Nano Banana Pro）生成符合 ASO 优化的截图图片。整个流程分为多个阶段：先检查记忆系统恢复进度，再进行卖点发现（分析代码库、向用户提问、起草并确认 3-5 个以动作动词开头的核心卖点），然后收集并评估模拟器截图（评级为 Great/Usable/Retake），将截图与卖点配对，最后按 App Store Connect 严格尺寸要求生成截图。生成前需确认 Gemini MCP 服务器可用，默认尺寸为 1290 x 2796px（iPhone 6.7 英寸），并需处理宽高比裁剪。截图格式要求字体、字号、字重统一，文字位于顶部约 20-25% 区域并保持水平安全区，设备框居中且底部出血，可选配突破元素。
discovering-viral-youtube-videos-by-category
该技能用于按分类和国家发现 YouTube 上正在流行和病毒式传播的视频，基于 Apify 平台上的 apidojo YouTube Trending Scraper 实现。用户可指定趋势分类（n 即 now、music、movies、gaming）、国家代码（如 us、gb）、语言代码（如 en）以及返回视频数量上限，还可通过自定义 JavaScript 函数转换输出对象。技能内置评分与排名逻辑：按播放量（上限 1000 万，权重 0.40）、点赞数（上限 50 万，权重 0.35）和时效性（趋势视频固定为 1.0，权重 0.25）计算得分，并据此将视频分为 MEGA_VIRAL（≥0.70）、TRENDING（0.40–0.69）、RISING（<0.40）三个等级。支持通过 run_actor.js 脚本、REST API 或 Apify MCP 三种方式运行，输出可保存为表格、CSV 或 JSON。
verify-and-ship
verify-and-ship 是一个面向 AI 编码智能体的技能（Skill），用于在代码实现完成后进行验证并交付工作。它指导智能体按比例选择验证方式：先通过 issue tracker 的 get_issue 工具获取当前 issue 详情，提取并逐条核对所有验收标准；再根据改动行为、风险和现有覆盖情况选择质量检查，包括直接验证（语法检查、安全 dry run、产物检查、隔离安装冒烟测试、一致性审查）、运行相关现有测试、按需补充回归测试、运行 lint/类型/构建检查以及代码审查。随后检查项目是否存在 CHANGELOG.md 或 CHANGELOG.internal.md，按 Keep a Changelog 格式在 Unreleased 下更新条目，避免重复。最后暂存改动、按项目约定提交并推送，并根据仓库上下文使用 gh 或 glab 创建或更新草稿 PR/MR，补充完整描述、关联 issue、添加 Cyrus 标记与交互提示，并在符合指引时移除草稿状态。该技能强调验证必需但不必为每次改动新增测试或跑全量套件，要求诚实报告未解决的失败。
form-design
表单设计技能指南，聚焦表单、输入框和数据录入界面的设计。资料围绕三个引导层次展开：辅助文字说明需要填写什么、占位符给出格式或示例、校验提示确认输入是否正确。还涵盖提交按钮状态（短表单无效时禁用、提交时显示加载并防止重复提交）、字段结构（标签、输入框、辅助文字、错误提示）、必填与选填的标注、用 fieldset 与 legend 分组相关字段、正确的 input type（email、tel、url、number、password、date、search、color）、autocomplete 自动填充支持，以及依赖数量的文案应通过消息目录解析。资料还给出校验时机建议（简单字段失焦时、复杂字段实时、提交时兜底）与审查清单，可作为设计或评审表单时的事实性参考。
launch-video
Launch Video 是一个用于制作产品发布短片的技能，可生成 15–60 秒的高能预告/宣传片。它按经典叙事弧线组织内容：钩子 → 悬念 → 揭晓 → 功能蒙太奇 → 结尾行动号召，并强调音乐先行、画面跟随节拍剪辑，揭晓时刻精确落在音乐 drop 上。该技能提供节拍同步揭晓、动态功能蒙太奇、结尾卡片、多画幅导出（16:9、9:16、1:1）等能力，并附带渲染验证流程与辅助脚本，适用于产品发布、功能公告、预告片、落地页主视觉视频等场景。
searxng-search
SearXNG Search 是一个基于本地 SearXNG 实例的增强型网络与软件包仓库搜索技能。SearXNG 是一款注重隐私的元搜索引擎，可在本地运行，聚合多个搜索引擎和软件包仓库的结果，并以干净的 JSON 格式输出。该技能提供 start-searxng 辅助脚本，可自动检测 podman 或 docker、生成启用 JSON 输出的最小配置、在 http://localhost:8888 启动服务并等待就绪。用户可通过 curl 请求本地搜索接口，按类别检索通用网页、Cargo/crates.io、npm 等软件包、代码仓库及 IT 技术资源，并支持限制结果数量、组合多个类别。返回的 JSON 包含结果列表、直接答案、搜索建议、查询纠正、知识面板及无响应引擎等信息。该技能还提供 PyPI 的替代方案（直接调用 PyPI JSON API 或使用 qypi CLI），并给出 Nushell 集成函数与调试方法。
music-to-video
music-to-video 是一个将音乐转化为节拍同步 HyperFrames 视频的工作流技能。它适用于用户提供音乐轨（音频文件，或从中提取音频的视频）并希望生成从平静到强烈、与节拍同步的 HyperFrames 视频的场景。该技能会分析音乐轨一次，规划帧布局，填充逐帧计划，并将每一帧构建为独立合成。输入为音乐轨以及可选的用户图片或视频，没有旁白，不进行网站捕获。排版和模板是基础：一个完整视频无需任何素材即可生成；用户提供的任何媒体都会在同一条节拍网格上被切入。整个流程由编排者按顺序执行各个步骤，并在每一步通过 Gate 后才能继续。其中两个步骤需要用户参与：第 3 步（计划批准）和第 6 步（渲染批准）。除第 4 步外，所有步骤由编排者自己完成；第 4 步中，每个帧会派发一个子智能体来构建。工作流为：Step 0 设置 → hyperframes.json + assets/bgm.mp3；Step 1 分析 → audiomap.json；Step 2 骨架 → STORYBOARD.md（帧，分组待定）；Step 3 计划 → 完整的 STORYBOARD.md + frame.md；Step 4 构建 → compositions/frames/NN-*.html；Step 5 组装 → index.html；Step 6 渲染 → renders/video.mp4。
tastemaker
Tastemaker 是一套用于让 AI 生成更美观、贴合品牌 UI 的技能，避免千篇一律的“AI 味”界面。它强调从真实参考图提取设计令牌、记忆并锁定项目风格、按实际产品范围做设计，并提供 build、study、audit、comps 四种工作模式。
cheerio-parsing
面向 Node.js 的 Cheerio HTML/XML 解析技能，提供 jQuery 风格选择器、DOM 遍历、数据提取与高效抓取管道的实践指导，涵盖与 axios 等 HTTP 客户端集成、缺失数据处理、URL 解析和性能优化。
commodities-quote
Commodities Quote 是一个通过 Octagon MCP 服务器获取大宗商品实时报价的技能，覆盖贵金属、能源、基础金属和农产品等类别。使用时需先在 AI 智能体（如 Cursor、Claude Desktop、Windsurf 等）中配置 Octagon MCP，然后通过 octagon-agent 工具以自然语言提示查询指定商品代码的实时报价。返回数据包括当前价格、涨跌额与涨跌幅、当日高低、50 日与 200 日均线、52 周高低、成交量及前收盘价等指标，并附带区间位置、均线形态、金叉死叉、量价关系等分析框架，以及黄金、原油、天然气各自的驱动因素说明。适用于价格查询、趋势判断、区间分析、动量检查和多品种对比等场景。
fine-tuning-openvla-oft
OpenVLA-OFT 是一个面向机器人动作生成的视觉-语言-动作（VLA）模型微调与评估工作流，基于官方 openvla-oft 代码库。它用连续动作头（L1 回归或扩散）替代标准 OpenVLA 的离散动作分词，并通过 LoRA 适配冻结的 VLA 主干，支持 FiLM 条件调制与多路相机图像输入。该技能覆盖空白机器环境搭建、LIBERO 仿真评估与微调、ALOHA 真机 OFT+ 训练与部署，以及 LoRA 权重合并等流程，并给出 GPU 显存需求、官方性能基准和训练/推理配置一致性检查要点。
reference-contract-builder
Reference Contract Builder 是一个用于图像和视频生成参考素材的“学习/禁止复制”契约构建工具。当提示词中使用了基准视频、联系表（contact sheet）、帧、产品图、人设图、风格板或音频参考时，可用它在生成前为模型明确划定边界：哪些参考用于绑定身份或一致性，哪些仅作灵感参考而不得复制，哪些在本次测试中被有意排除。其默认假设是：人设、产品和音频参考属于强绑定，除非用户明确标记为宽松、仅基准或弱引导。工作流包括清点参考集、确定测试目的、对每个参考分类（绑定/仅灵感/暂时排除）、生成紧凑的机器可读契约，并在最终提示词撰写前输出该契约。输出产物包含 testPurpose、mayLearn、mustNotCopy 和 excludedReferences 字段，可交给 video-request-architect 或提示词撰写者使用。
environment
Railway 环境配置技能，通过 Railway CLI 读取和编辑 Railway 环境配置。适用于查看配置、查看环境变量、创建或复制环境、切换环境、修改构建与部署设置、增删环境变量、调整副本数与健康检查、删除服务/卷/存储桶等场景。需要 Railway CLI v4.27.3 及以上版本，可用 railway --version 检查，低于该版本用 railway upgrade 升级。
ui-design-brain
UI Design Brain 是一个面向界面生成的设计知识技能，汇集了 60 多个组件模式，来源为 component.gallery，并补充了最佳实践、布局指引与使用规则。它的目标是在编写 UI 代码前提供真实设计系统知识，减少凭空猜测。该技能适用于用户要求构建或设计网页、落地页、营销站点、SaaS 仪表盘、管理面板、设置页、表单、数据表格、导航结构、模态框、抽屉、浮层等场景，也适用于任何 React、HTML/CSS 或 Tailwind UI 组件。技能文档给出的设计理念强调现代、极简、可直接用于生产，原则包括少装饰、留白、字体层级、单一强调色、8px 间距网格、无障碍（WCAG AA 对比度、焦点指示、语义 HTML、键盘导航），并避免常见的 AI 风格（如紫白渐变、默认 Inter/Roboto、均等卡片网格）。工作流分为四步：识别组件、应用最佳实践、选择设计方向、生成代码。输出质量目标是对齐顶级 SaaS 公司资深产品设计师水准。该技能还提供组件速查表与反模式清单，并指向 components.md 获取完整参考。
swap-tokens
swap-tokens 是 Circle 提供的代币兑换（Swap）开发技能，用于构建浏览器端或服务端的代币兑换功能。它基于 Circle App Kit（@circle-fin/app-kit，涵盖 swap、bridge、send、earn 与统一余额）或独立的 Swap Kit（@circle-fin/swap-kit，仅含 swap API 的轻量包）。默认支持无密钥（permissionless）兑换，覆盖 EVM 与 Solana 浏览器钱包、服务端私钥钱包以及 Circle 开发者控制钱包。支持同链兑换与跨链兑换，可估算兑换汇率、设置滑点与止损限额、配置开发者费用，并通过第三方 DEX 聚合器（当前为 LiFi）路由。该技能强调安全规则：私钥、API 密钥、kit key 等机密不得硬编码或暴露于浏览器代码，所有兑换参数须经用户明确确认，且不自动执行任何转移资金的交易。