blog-write
blog-write 是 dev-gtm-claude-skills 中的博客写作技能,从主题、简报或大纲出发生成面向谷歌排名与 AI 引用双优化的完整博客文章,涵盖选题定位、模板选择、调研、大纲、图表与正文写作。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-21 00:15
258,583 个结果
blog-write 是 dev-gtm-claude-skills 中的博客写作技能,从主题、简报或大纲出发生成面向谷歌排名与 AI 引用双优化的完整博客文章,涵盖选题定位、模板选择、调研、大纲、图表与正文写作。
stop-slop 是一个用于去除文本中 AI 写作套路的技能,帮助作者在起草、编辑或审阅文字时消除可预测的 AI 表达痕迹,写出更像真人的文章。
Awwwards Atlas 是 awwwards-mcp 1.19 及以上版本中的一个实验性、需手动开启的局部证据层,工作在同一 SQLite 缓存之上。它按区块(section)和组件级别保存抓取记录、区域、组件摘要、声明、状态与工件,并支持检索和导出。默认关闭,需在启动服务器时设置 AWWWARDS_MCP_ATLAS=1 才可用;1.18.x 中不存在这些工具。Atlas 提供四个全量档工具(search_atlas、get_atlas、capture_atlas、export_evidence_pack),以及在 v2 会话中对应的分支调用。使用前应确认版本与工具存在、检查缓存状态,并可用 awwwards-index --atlas import 从本地缓存离线填充。区域标签和推断出的组件类型均为候选性质,组件类型精度未经验证,抓取内容仅作证据,不构成再分发授权。
Laravel 队列最佳实践技能,涵盖任务结构、分发模式、任务中间件、链式调用、批处理、唯一任务、重试策略、幂等性模式以及队列测试。该技能以代码示例形式提供 Laravel 队列的推荐写法与反模式,帮助开发者构建可靠、可重试、可测试的异步任务处理逻辑。
Scientific Writing 是一个面向科研写作的 Agent 技能,用于撰写和编辑研究论文、摘要、基金申请书与补充材料,支持 IMRaD 结构、BibTeX 引用管理、LaTeX 排版及期刊模板合规检查。
Self-Healing Agents 是一套让自主智能体检测自身失败并自动纠正的技能,属于 Agent Skills™。它通过检测—诊断—修复循环,对瞬态、结构、模型与不可恢复四类错误分别采取退避重试、策略变异、备用模型和优雅降级,目标是在生产环境中提升任务完成率。
Shopping Ads 技能用于端到端管理 Google Shopping 广告系列与 Merchant Center 商品 Feed,涵盖 Feed 属性审计、标题与描述优化、自定义标签策略、广告系列结构设计、补充 Feed、竞品定价、本地库存广告与免费商品信息等。
面向 FastAPI Python 框架的技能文档,涵盖 REST API、参数校验、依赖注入与安全认证。适用于用 Python 构建 Web API、配置 Pydantic 模型、处理表单文件、测试接口等场景,内含按主题索引的参考资料与安装、快速上手示例。
用于调用 Open-Meteo 天气预报、空气质量与地理编码 API 的实践指南,涵盖接口选择、变量与单位配置、时区与时间格式处理、多地点请求及错误响应解析。
youtube-pipeline 是一套自包含的 YouTube 视频生产流水线技能,覆盖从选题、包装、脚本、Shorts 到制作与多平台分发的六个阶段,内置工作流、知识、提示词与自动化脚本,可整体编排或单独调用某一阶段。
小红书敏感词检查助手,可逐句排查笔记文案中的敏感词、违禁词与风险点,对照社区规范和高危词库标注风险等级、违规类型并给出替换建议,输出检查报告与安全版文案。
用于在独立会话中执行已写好的实施计划,并在关键节点设置审查检查点。它会先加载并批判性审查计划,再按步骤执行任务、运行验证,最后报告完成情况。
Altitude 技能集中的 status 技能,用于查看本地 Altitude 的连接、绑定、journey、队列、会话与 flusher 状态,并在设备未连接时提示用户运行 connect 技能。
WPF MVVM 代码生成器技能,基于 CommunityToolkit.Mvvm 源生成器,为 WPF 项目脚手架生成 ViewModel、View、Model 等 MVVM 组件。适用于新建 WPF 功能或实体时快速搭建结构。技能接收实体名称(必填)和生成类型(可选:viewmodel、view、model、all,默认 all)两个参数,会先校验参数、探索项目现有命名与目录结构,再按类型生成 Model、ViewModel、View、Code-Behind、Messages 和 Service Interface。生成的 ViewModel 使用 ObservableObject、ObservableProperty、RelayCommand 等特性,支持异步操作与 CancellationToken,并通过 WeakReferenceMessenger 实现 ViewModel 间通信。注意:该技能要求所有说明性输出使用韩语,代码标识符与技术术语保持原文。
该技能用于在 JFrog 生态中检查软件包版本的安全性并完成下载。它先通过 OneModel GraphQL 查询 JFrog Public Catalog,若未命中则回退到 JFrog Platform 的 Stored Packages,确定包类型与最新版本;随后检查该版本是否已存在于 JFrog Platform,若存在则直接从 Artifactory 下载,若不存在则判断是否具备 curation 权限,通过 Xray curation API 检查策略是否放行,最终经远程仓库下载。技能覆盖 npm、pypi、maven、go、nuget、docker、gradle 等包类型,并给出并行查询、jf rt dl 下载、curation 结果判读等操作要点与常见陷阱。
一份面向独立创业者(solopreneur)的提案写作技能,指导如何撰写有说服力的客户提案与报价。涵盖前期调研清单、提案结构顺序、定价呈现方式、设计交付要点以及常见异议的处理方法。
面向 Python 的 OpenCV 计算机视觉技能,覆盖图像与视频读写、颜色转换、滤波、边缘与轮廓检测、模板匹配、特征检测、DNN 推理等常用能力,并重点提示 BGR 颜色、坐标顺序等常见陷阱。
该技能把零散上下文整理为本地 Azure DevOps 工作项草稿包,依据官方 Azure Boards 工作项模型,在类型与流程未知时默认使用 Scrum 产品待办项(PBI)。它只生成本地文件,不直接创建或更新线上工作项。
通过 Codex AI 进行代码审查的技能,用于检查实现质量、发现潜在缺陷与边界情况、验证最佳实践并排查安全问题。使用 mcp__codex__spawn_agent 发起审查,可按质量、缺陷、安全或性能等角度提交代码或文件。
CrewAI 是一个多智能体编排框架,用于构建由多个自主 AI 智能体组成的团队,让它们协作完成复杂任务。它不依赖 LangChain,采用基于角色的设计:每个智能体拥有角色、目标和背景故事,可分配工具、记忆和委派能力。框架提供 Crews(自主协作)与 Flows(事件驱动)两种范式,支持顺序与层级两种执行流程,内置 50 多个工具(网页抓取、搜索、数据库、AI 服务等),并具备短期、长期和实体记忆以及追踪等生产级特性。可通过 pip 安装,使用 CLI 创建项目,或用纯代码定义智能体、任务与团队后执行。适用于需要角色分工、任务委派和自主协作的多智能体场景。
Hugging Science 是一个面向机器学习研究者的科学资源索引,由社区整理,覆盖 17 个科学领域的数据集、模型、博客文章和交互式演示。它提供静态可解析的目录站点 huggingscience.co,包含 llms.txt、llms-full.txt 以及按领域划分的 topics/<slug>.md 文件,便于程序化获取。同时,Hugging Face 上的 hugging-science 组织收录了社区提交的数据集、少量模型和约 27 个交互式 Spaces,例如用于蛋白质/结合剂设计的 BoltzGen、用于提交的 Dataset Quest 和用于生态可视化的 Science Release Heatmap。该技能适用于用户进行生物学、化学、物理学、天文学、气候、基因组学、材料、医学、生态学等领域的 AI/ML 工作时,帮助快速定位高质量、开放的科学资源。目录中的条目指向 Hugging Face Hub 上的资源,使用标准 Hugging Face API 加载。该技能强调先发现、再选择、后使用的工作流,并提醒注意模型规模、许可证、模态匹配和时效性。对于需要认证的资源,建议通过 HF_TOKEN 环境变量和 .env 文件管理密钥。该技能不是通用 ML 工具,不适用于推荐系统、聊天机器人等非科学任务。
miles 是一个面向大规模模型训练的企业级强化学习(RL)框架,是 slime 的生产级分支,专注于解决 MoE 训练稳定性、低精度训练以及训练-推理对齐等关键问题。它适用于训练 1TB 以上规模的 MoE 模型(如 DeepSeek V3、Qwen3-MoE),支持 FP8 与 INT4 量化感知训练、逐位一致的训练-推理对齐,以及用于提升吞吐量的投机式 RL。miles 提供统一 FP8 流水线、Rollout Routing Replay(R3)专家对齐、零拷贝权重同步、部分 rollout 等能力,并集成 FlashAttention-3、DeepGEMM 等内核级优化。可通过 Docker 镜像或源码安装,继承 slime 的配置系统,使用命令行参数进行训练配置。
Prompt Guard 是 Meta 推出的一个 86M 参数分类器,用于检测 LLM 应用中的提示注入(prompt injection)与越狱(jailbreak)尝试。它从 HuggingFace 加载模型,将文本分类为 BENIGN(正常)、INJECTION(数据中嵌入指令)或 JAILBREAK(直接覆盖指令)三类标签。该技能提供基于 transformers 与 torch 的安装与调用方式,可用于过滤用户输入、校验第三方数据(API 响应、网页抓取、RAG 文档)以及批量处理 RAG 检索文档。模型支持 8 种语言,可 CPU 部署,官方给出分布内 TPR 99.7%、FPR 0.6% 等性能数据,并附有阈值建议与硬件要求。
PyMC 是一个用于贝叶斯建模与概率编程的 Python 库,本技能围绕 PyMC 6.x 与 ArviZ 展开,指导用户构建、拟合、检验并比较贝叶斯模型。内容涵盖分层(多水平)模型、NUTS MCMC 采样、变分推断、先验与后验预测检验,以及基于 LOO、WAIC 的模型比较。技能提供标准八步贝叶斯工作流、先验与似然分布选择指南、采样与推断参数建议、常见采样问题(发散、低有效样本量、高 R-hat、采样缓慢)的诊断与解决思路,并附带诊断脚本、模型比较脚本和线性回归、分层模型模板。适用于需要不确定性量化、分层数据结构、缺失数据或测量误差处理的统计建模场景。