looking-up-docs
基于 Context7 查询库文档的 Claude 技能,用于获取特定版本的 API 参考、框架文档和可运行代码示例,减少过时或臆造内容。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-20 00:12
258,070 个结果
基于 Context7 查询库文档的 Claude 技能,用于获取特定版本的 API 参考、框架文档和可运行代码示例,减少过时或臆造内容。
一个用于管理 Git worktree 的技能:创建隔离开发环境、在当前 tmux 会话中打开对应窗口并派发任务,支持并行功能开发与清理流程。
acm-sigconf 是面向 ACM 会议与期刊论文的 LaTeX 排版技能,基于 acmart 文档类,支持 sigconf、sigplan、acmsmall、acmlarge、acmtog 等格式选项,以及 manuscript、review、anonymous 等模式。它提供从确认投稿要求、搭建 LaTeX 文档、生成 CCS 概念与参考文献,到双盲匿名检查、无障碍描述和 TAPS 提交的完整工作流,帮助作者按 ACM 规范准备投稿与最终稿。
ara-rigor-reviewer 是一个面向 Agent-Native Research Artifact(ARA)目录的语义认识论评审技能,执行 ARA Seal Level 2 评审。它在 Level 1 结构校验已通过的前提下,读取 PAPER.md、logic/claims.md、logic/experiments.md、logic/problem.md、logic/concepts.md、logic/solution 下的架构/算法/约束/启发式文档、logic/related_work.md、trace/exploration_tree.yaml 以及 evidence 目录,解析其中的主张、实验、启发式、观察与缺口、探索树节点,构建主张-证据映射与依赖关系,然后从证据相关性、可证伪性质量、范围校准、论证连贯性、探索完整性、方法学严谨性六个维度进行语义评审,每个维度按 1-5 分打分,汇总问题清单并计算总体等级,最终在 artifact 根目录写出 level2_report.json。该技能完全通过原生工具(Read、Write、Glob、Grep)操作,不执行代码、不抓取 URL、不查阅外部来源,仅依据 ARA 自身报告的证据进行评审,强调建设性反馈与校准评分。
Arbor 是一个面向自主优化的技能,基于 Hypothesis Tree Refinement(HTR)方法,用于在给定目标和评估器的条件下,自动迭代改进一个真实产物(如代码、训练配方、智能体框架、数据管道或提示词)。它把研究状态保存在持久的假设树中,而非对话历史里:每个节点绑定一个假设、其提炼出的洞见,以及实现该假设的产物版本指针。协调者负责维护假设树并决定搜索方向,短生命周期的执行子智能体在隔离的 git worktree 中各自测试一个假设并回报结果。通过留出的合并门(merge gate),只有当候选改进在测试评估器上确实提升时才会被接纳,从而把试错转化为可累积、可审计的研究过程。适用于模型训练、智能体/框架工程、数据合成、基准优化以及可自动评分的提示词优化等需要大量实验迭代的场景。
scikit-learn 是 Python 中经典的机器学习库(导入名为 sklearn),本技能提供使用它完成机器学习任务的全面指导。内容覆盖分类与回归估计器、聚类与降维、数据预处理、模型评估与超参数调优,以及构建可用于生产环境的 ML 流水线。资料说明其针对 scikit-learn 1.8.0(2025 年 12 月稳定版)测试,要求 Python 3.11–3.14,并强调应安装 PyPI 上的 scikit-learn 包而非已弃用的 sklearn 包。技能包含快速上手示例、分类与聚类两个可运行脚本、多份参考文档,以及避免数据泄漏、仅在训练集上拟合、使用分层切分、设置随机种子等最佳实践,并给出常见问题排查与智能体操作流程。
Video Downloader 2.0 是一个媒体预处理技能,可将视频链接或本地文件转为带时间戳的纯 Markdown 多模态转录稿,涵盖平台字幕、云端或本地 ASR、关键帧、屏幕文字与视觉事实,最终输出 multimodal_transcript.md 供其他技能消费。
audit-typography 是 Fonttrio 提供的排版审计技能,用于分析 Web 项目的字体配置并识别问题,如字体缺失、字号不一致、加载策略缺失等,并给出改进建议与字体配对方案。
Computa Please 是一套面向工程交付的技能规范,主张用最少流程证明结果:先删除、复用或收窄范围,只补充达成目标所必需的内容,并以授权和证据界定完成边界。
explainer-motion 是 kitlangton/psychopomp 中的动态设计技能,用于讲解图与影片的动画,让连线、消息和卡片呈现有物理感的运动。资料说明其核心是能量有来源:每个节拍都从特定点出发、传播并被吸收,静止时保持安静。
KubeSense 可观测性技能集,供 AI 智能体查询 Kubernetes 集群的日志、链路追踪和指标,查看集群资源清单,并管理告警、仪表盘与 SLO。
Playwright 端到端测试技能,用于编写跨浏览器 E2E 测试、视觉回归、API 测试与移动端视口模拟,基于 @playwright/test,支持 Chromium、Firefox、WebKit。
用于在项目设计过程中主动构建和打磨领域模型的技能:挑战术语、构造边界场景、维护统一语言词汇表,并在术语确定时即时写入 CONTEXT.md,必要时记录 ADR。
aif-ci 是一个 CI/CD 流水线配置生成技能,可分析项目并生成 GitHub Actions 或 GitLab CI 配置,包含代码检查、静态分析、测试与安全扫描等独立任务,支持生成、增强、审计三种模式。
aif-explore 是 AI Factory 工作流中的探索模式技能,用于在正式规划前深入调查想法、系统、问题与需求。它只做思考与调研,不实现功能或修改项目代码;若用户要求实现,会提示先退出探索模式。
审查研究工作者(L3 Worker,3XX 规划类),为验证、审计与审查流程提供结构化研究:收集官方文档、MCP Ref、Context7 与当前最佳实践证据,输出紧凑的机器可读研究摘要。
该技能是一个审查发现工作器(L3 Worker),用于将目标工件或差异的分析证据转化为规范化发现,供评估协调器使用。支持 story 与 plan_review 两种模式,前者覆盖30项标准并计算扣分,后者仅评估第5、6、21、28项标准。
该技能用于评估运行中的有界迭代精炼:合并后通过外部 advisor 代理执行两阶段审查(3 个并行视角 + 1 个最终清扫),记录精炼轨迹与清理证据,并输出 review-refinement 摘要。
synthesizer 是一个研究综合技能,用于把多个研究智能体的发现整合为连贯、结构化的研究报告,处理矛盾、提取共识并保持引用。
reference-class-forecasting 是一个把预测锚定在历史现实上的技能:先找出与当前事件相似的一类历史事件,用其统计频率作为基线(外部视角),再结合具体证据调整。适合评估创业成败、法案通过、项目能否按时上线等不确定结果。
ESPN 非官方公开 JSON 接口的原始参考技能,用于获取未被专门技能覆盖的运动、联赛或操作数据。无需鉴权,只读,按原样返回 ESPN 响应,不作规范化处理。
codeprobe-patterns 是 codeprobe 代码审计工具集中的设计模式专项子技能,用于审计代码中的设计模式机会与反模式。它只在代码中确实存在可观察问题(如复杂度、重复、僵化、隐藏依赖)且某个具体的 GoF 或架构模式能解决该问题时,才标记模式机会;同时识别误用模式所带来的不必要复杂度和抽象层,并将其作为反模式报告。该技能可按独立模式运行,也可通过编排器调用,输出以 PATTERN- 为前缀的编号发现项与修复提示。
CryptPad 加密协作技能的公开资料整理,涵盖实例发现、文档导入导出与浏览器集成 API 的使用与诊断,用于集成、自动化和排障。
面向智能体运行框架(harness)的工程化技能:围绕模型设计指令、工具、执行环境、持久状态、上下文、验证与恢复等子系统,按最小改动诊断并修复智能体故障。