benchmark-paper
Benchmark Paper 是一个论文投稿适配度打分工具,对照目标会议近年获奖与高被引论文的可测量模式,为草稿生成可分享的场地契合度记分卡,用于发现提交前的差距。
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
258,873 个结果
Benchmark Paper 是一个论文投稿适配度打分工具,对照目标会议近年获奖与高被引论文的可测量模式,为草稿生成可分享的场地契合度记分卡,用于发现提交前的差距。
用于把研究代码库整理成可提交、可申请徽章的可复现性工件(artifact)的技能,涵盖打包、匿名化、归档与研究诚信核查。
面向已录用论文的 camera-ready(最终出版版)准备技能,把投稿系统、出版流程与页数/匿名的收尾规则整理成有序清单,并检查论文源码中的常见出版前错误。
用于研究代码公开发布前的结构性清理技能:在不改变论文数值行为的前提下,整理代码库布局、移除死代码、分离配置与硬编码超参数,并把可能影响结果的改动标记为需作者确认,配合 release_audit.py 做静态审计。
将 paper-workspace/ 目录渲染为一个自包含的本地 HTML 仪表盘,展示论文生命周期进度、按阶段分组的生成产物链接以及近期活动时间线,可在浏览器离线打开,并可按作者意愿重复刷新。
将 Overleaf 上的论文项目连接到本地技能工作流:把项目拉取为本地副本,供 preflight-check、polish-prose、verify-citations 等技能检查与润色,再把改动同步回 Overleaf。适合把 .tex 放在 Overleaf 的研究者。
通过 ADB 命令控制 Android 设备的技能,可读取设备 UI 状态并执行点击、滑动、输入、按键、启动应用与安装 APK 等操作,支持多设备指定序列号。
Layout 是一个用于调整界面底层结构的技能,专注间距尺度、层级、网格、节奏与密度。适合布局显得拥挤、稀疏或单调时使用,属于界面打磨的最后一环,仅在授权范围内改动结构。
用于设计提示词、模式、校验与重试逻辑,让模型输出可靠的机器可读结果,适用于 JSON、类型化对象、数据抽取或工具参数生成等场景。
formaldoc 是一个将 Markdown 转换为专业排版 .docx 文件的工具,提供 npm 包与 Skill。支持多种中英文模板,适合需要生成真实 Word 文档而非仅 Markdown 的场景。
飞书文档管理器,可将 Markdown 内容发布到飞书文档并自动渲染格式,支持创建文档、追加内容、块级更新与删除、文档结构查看,以及协作者与权限管理,帮助解决表格渲染、权限复杂和长内容写入报错等问题。
面向 Amazon Alexa 的语音技能开发辅助技能,用于创建智能语音技能,并可将 Claude 作为“大脑”接入 Alexa(Auri 项目)。资料未提供具体安装命令、代码示例、收费与平台细节。
用于在用户明确要求 Anthropic 品牌风格时,提供其品牌配色与字体参考的本地技能快照,包含颜色值、字体规则与使用限制,不联网获取官方品牌资产。
Data Structure Protocol(DSP)为编码智能体提供代码库的持久化结构记忆,将项目结构外化为 .dsp/ 目录下可查询的有向图,帮助智能体导航依赖、追踪公共 API 并理解连接存在的原因,无需反复读取源代码。
通过 Rube MCP 与 Composio 的 Discord/Discordbot 工具集自动化 Discord 任务,覆盖消息、频道、角色、Webhook 与表情回应。使用前需连接 Rube MCP 并完成 Discord 授权,且应先调用工具搜索获取最新参数模式。
Hugging Face Hub 官方命令行工具 hf(取代已弃用的 huggingface-cli),用于在 Hugging Face Hub 上下载、上传和管理模型、数据集、Spaces、Buckets、仓库、论文与 Jobs 等资源。
用于撰写或改进以转化为目标的落地页草稿,兼顾 SEO 与 AEO 结构,帮助访客理解产品、建立信任并采取下一步行动。需注意:不编造客户、评价、价格或性能数据。
用于把 Spline.design 的交互式 3D 场景嵌入 Web 项目的技能指南,覆盖 vanilla、React、Next.js、Vue 与 iframe 集成路径,以及场景 URL、运行时控制、性能优化与常见问题排查。
用于对现有 Jetpack Compose UI 测试文件或测试套件做端到端审查的技能。它按固定顺序执行六个审计阶段(setup、finder、assertion、action、time/idle、debug),每条发现指向负责修复的同类技能,本身不修改代码。
该技能介绍如何在 Compose 测试中启用 Espresso 的 AccessibilityValidator,使每次修改界面的 Compose 操作先对底层视图执行无障碍校验,用于给 Compose 屏幕添加无障碍回归覆盖。启用后,performClick、performScrollTo*、performTextInput 等操作会自动调用校验器。需在真实设备 API 34+ 上运行才有可信结果,Robolectric 上校验器虽安装但结果不确定。
该技能用于在 Compose UI 测试中选择正确的空闲同步原语,避免因等待方式不当导致的测试不稳定。它枚举 ComposeTestRule 与 ComposeUiTest 上所有等待 API,界定 idle 的含义,并给出 waitForIdle、awaitIdle、waitUntil、waitUntilExactlyOneExists 等的选择决策。
用于开发、调试和优化 SGLang LLM 推理引擎的技能,帮助定位源码、检索注意力后端、调度、KV 缓存、MoE、量化等模块,可用于添加注意力后端、模型或量化方法,并启动与调优服务。
backend-patterns 是一个面向前后端开发者与技术团队的后端架构模式知识库,聚焦 Node.js、Express 与 Next.js API 路由场景下的服务端最佳实践。内容涵盖 REST 资源化 API 设计、Repository/Service/Middleware 分层、数据库查询优化(字段裁剪、N+1 预防、连接与事务)、Redis 与内存缓存及 Cache-Aside 策略、集中式错误处理与指数退避重试、JWT 鉴权与基于角色的访问控制、内存限流、后台任务队列以及结构化日志记录。其定位是提供可参考的代码示例与模式选择指南,帮助构建可扩展、可维护的后端应用。
这是一个用于竞品基准评估的技能,在 competitive-platform-analysis 产出分层竞品集合后使用。它按九个加权维度对每个竞品统一打分,这些维度包括定位、品牌语调、视觉呈现等;每个维度采用 1–5 分的明确评分标准,并生成结构一致的 profile card,使不同竞品之间的评分具有可比性和可辩护性。该技能强调以证据为评分依据,避免单一综合分数,并要求将客户战略张力对应的两个对立维度分开评分,不取平均。