video-to-skill
视频转技能工具:把一个视频、教程、播放列表或课程转换为可安装、以证据为依据的课程 Skill,使其能够讲解、练习与反馈,并应用演示过的能力——不是简单转写摘要。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-19 00:15
256,865 个结果
视频转技能工具:把一个视频、教程、播放列表或课程转换为可安装、以证据为依据的课程 Skill,使其能够讲解、练习与反馈,并应用演示过的能力——不是简单转写摘要。
面向表格、文本、JSON 与关系型数据的清洗技能,强调证据优先与可复现流程:保留原始数据、明确目标与粒度、显式记录有损决策,并用契约验证清洗结果。
前向部署工程(Forward-Deployed Engineering)是一套嵌入式技术协作的操作模型,覆盖从模糊需求到发现、框定、假设、构建、评估、部署、采纳、度量与泛化的九阶段生命周期,强调连续性、证据标注与授权边界。
面向生产级机器学习工程的方法论技能,涵盖分类器与生成模型选型、零样本基线、微调、评估、量化与推理部署,并提供参考文档、模板与审计脚本,帮助规划可复现的训练与上线流程。
用于规划经授权的安全审查,涵盖威胁建模、架构与依赖审计、漏洞分类,以及防御性安全测试指导。强调授权边界、纵深防御、最小权限与从攻击者视角分析,不替代合规认证或专业安全评审。
基于 Notion 上下文与相关研究,为会议准备议程、内部预读材料和决策简报,适用于各类会议筹备与周期性会议管理。
面向产品战略与产品营销的专家技能,用于定义产品愿景、评估产品市场契合度、测算市场机会、竞争定位、增长循环与 PLG,并建立产品营销上下文。
how 是 pstack-t3 技能集中的一个代码库讲解技能,用于回答“X 是如何工作的”、改动代码前的通读讲解,以及放置位置、归属和分层类问题(例如“这段逻辑应该放在哪里”“哪个模块负责……”)。它通过 delegate_task 以异步方式生成子代理:在复杂场景下先派出 2 至 4 个探索者(explorer)从不同角度切分并检索代码,再派出一名讲解者(explainer)综合输出;简单场景下只派出一名讲解者一次性探索并讲解。最终输出按 Overview、Key Concepts、How It Works、Where Things Live、Gotchas 等小节组织,目标是让资深工程师对子系统建立可用的心智模型,而非逐行注释源码。模型选择依据 ~/.config/pstack/pstack-models.md 中的 how explorer 与 how explainer 配置行;若缺少配置文件会提示运行 /setup-pstack,若 delegate_task 拒绝某个模型条目则改用同提供商最接近的模型并说明。适用场景为代码理解、架构梳理与改动前的调研,探索子代理仅做只读检查、不写入、不执行 git 命令。注意:该技能多为 user-only,普通 skill 工具可能无法加载。
Ketchup 是一个用于聊天上下文的技能,用于在用户发出上一条消息之后,把这段时间内聊天中发生的变化用几句平实的话和小型可视化呈现出来,帮助用户理解每一项变化,而不仅知道当前状态。它会汇总自己或子智能体的工作、更新涉及的 PR、CI 运行或智能体的当前状态,并核对要展示的数字。只有当某个决策或步骤必须由用户完成时,才列为行动项,例如产品选择、审批、不可逆操作或缺少权限等。回复控制在一百五十词以内,优先用可视化表达,并避免重复同一事实。
Recall 是一个用于重建近期工作上下文的技能。在开始或恢复工作之前,它从用户自己的聊天历史、实时状态以及共享记录(用户报告、既有修复、事故)中重建最近的工作上下文,并交回一份紧凑的现状简报,说明当前进展和下一步该做什么。它读取本项目的 T3 线程(通过 t3_thread_list 枚举、t3_thread_search 检索、t3_thread_read 读取时间线),并将范围锁定在指定窗口、主题和工作区。当主题涉及某个功能、文件、子系统、区域或 bug 时,它会扫描共享记录(源代码管理、问题跟踪器、聊天与问题频道、长篇文档、错误跟踪),并与聊天历史挖掘并行运行。最后用 git 和 gh 对照实时状态验证 PR、分支和工单,输出按线程分组的简报,包含胶囊(最多 5 条)、线程状态行、问题(最多 5 条)和下一步行动。
why 是一个用于调查代码背后动机与设计意图的技能(skill)。它回答的问题不是“代码做什么、怎么运作”,而是“是什么力量塑造了它的现状”。适用场景包括:追问“为什么 X 是这样工作的”“为什么我们选了 Y”、设计理由、回归问题、事后复盘(postmortem)以及有数据支撑的阈值设定。该技能会先建立代码锚点(文件路径与行区间、关键符号、最后改动提交、合并提交中的 PR 编号、关联工单 ID),再按可用的 MCP 证据类别并行派出调查子代理,默认覆盖七类来源:源码控制历史、工单/任务追踪、长文档、实时团队聊天、基础设施可观测性、错误/异常追踪、产品分析数据仓库。随后由一个合成器汇总发现,按“问题、相关代码、发现、可合理推断、竞争假设、未知、所查来源、置信度总结”的结构输出,并严格区分已知事实与推断。若该 why 问题是为修改此代码做准备,还会把溯源发现转化为 Preserve/Change/Avoid/Risk 约束集。多数 pstack 技能仅限用户调用,其技能工具无法加载。具体安装方式与收费信息暂未提供。
weather-skill 是一个查询全球任意地点当前天气与预报的技能,基于 Nominatim(OpenStreetMap)地理编码和 Open-Meteo 天气数据两个免费 API,通过 geocode.py 与 fetch_weather.py 脚本完成定位与取数,支持当前、逐小时、逐日及历史天气。
AntiGravity 连接 Obsidian 项目笔记的技能:让 AntiGravity 直接读写 Obsidian vault(普通 Markdown 文件夹),无需安装 MCP。适用于用户说「连接 Obsidian」「设定 Obsidian」时加载。
用于分析 MCPJam 与 MCP Inspector 输出的技能,帮助区分真实协议问题、互操作警告、实现细节与工具或 SDK 产生的假象。覆盖探测、诊断、OAuth、XAA(ID-JAG)、MCP Apps 一致性及工具、资源、提示等命令,并给出保守的调查与安全审查流程。
图片宫格拆分工具,自动识别分割线,把单张四宫格、九宫格、六宫格等多格图拆成多张独立图片,可用于电商拼合图分离、社交媒体宫格图还原。只需提供图片地址,无需指定宫格数。
美图暗光增强技能,对偏暗、夜景或曝光不足的图片进行暗部提亮与细节恢复,同时保持亮部不过曝并抑制暗部噪点。仅在用户明确说明是暗光、夜景或曝光不足修复并提供图片时触发,需图片地址(image_url),不需要 prompt。
美图 image-transform 技能:对已有图片做几何变换且不改变画面内容,覆盖旋转翻转、等比放大、无损缩小、智能构图与画布扩展/改尺寸。用户提到旋转、镜像、放大 N 倍、缩小到指定宽度、扩图、改成 16:9、竖版改横版、outpaint、重新构图、调整尺寸时触发。
基于 meitu-cli 的视频去噪增强技能,用于去除视频颗粒感、色块与运动噪声,在保留细节的同时降噪。可覆盖高感光拍摄、暗光噪点、老视频颗粒、游戏或运动视频色块等场景,噪点越严重效果越明显。仅处理噪点问题,对模糊、欠曝、分辨率低无效。
基于 meitu-cli 的视频元素消除技能,可从视频中去除路人/行人、随时间变化的字幕、固定位置的水印/Logo/角标,或一键清除画面全部文字。需 meitu-cli 2.0.6 及以上版本与相应凭证。
用于为 Claude Code 项目创建和优化 CLAUDE.md 记忆文件或 .claude/rules/ 模块化规则的技能,提供文件层级、内容结构、写作规则与体积限制等指导。
B.Link 集成技能,用于通过 Membrane CLI 管理链接、点击、工作区、成员与捆绑包等数据并自动化工作流;涉及认证、动作发现与执行,具体可用动作暂未提供明确清单。
Brick 集成技能,通过 Membrane CLI 连接 Brick 云端施工管理软件,管理数据、记录并自动化工作流,适用于用户需要与 Brick 数据交互的场景。
Deel 集成技能,通过 Membrane CLI 与 Deel 全球薪酬与合规平台交互,管理 HRIS 数据、记录与工作流。支持合同、里程碑、任务、休假、工时表、发票、组织、人员等对象,自动处理认证与凭证刷新。
用于集成 DOCOMO Digital 的技能,通过 Membrane CLI 管理数据、记录并自动化工作流,适用于用户需要与 DOCOMO Digital 数据交互的场景。