barry-logic-to-speech
一个英文演讲稿一条龙编排器,串联逻辑梳理、演讲编排与翻译三个独立 skill,把散乱素材加工成金字塔结构、演讲框架、中文与英文逐字稿。提供标准通道与快速通道两种模式,并含 A 级别(A1/A2)生存英语简化规则。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 11-22 00:12
259,102 个结果
一个英文演讲稿一条龙编排器,串联逻辑梳理、演讲编排与翻译三个独立 skill,把散乱素材加工成金字塔结构、演讲框架、中文与英文逐字稿。提供标准通道与快速通道两种模式,并含 A 级别(A1/A2)生存英语简化规则。
面向职场学员的逻辑思维独立训练技能,由 AI 担任苏格拉底式教练,用追问引导学员自己思考。含探索模式(从找真问题到搭金字塔)与梳理模式(用金字塔结构重组已有内容),触发词包括逻辑思维训练、练逻辑、搭金字塔等。
Barry 职场英语工具箱的统一入口 Skill,用于展示欢迎语并把三步 onboarding(profile → assessment → solution)串联起来,按学员档案状态决定新用户、续跑或老用户路径,本身只做编排不写档案。
Barry 职场英语工具箱中的学员档案 Section 1 收集与更新工具,通过 10-20 分钟引导式访谈收集昵称、行业职位、英文使用场景、痛点、目标、每日时间与学习经历,写入 ~/.barry-english/profile.md。
Barry 学员训练方案设计与专属训练 Skill 生成工具。读取学员档案 Section 1+2+3 与 Four-Strands 训练方法工具箱,设计 Section 4 训练方案,经学员授权后自动安装到当前 AI Agent skills 目录并复制 Quiz 网页代码。
面向职场学员的公众演讲独立训练技能,以深度受众分析驱动结构设计。支持教练模式(从零搭建)和快速模式(有素材直接出框架再微调),含受众分析、Communication Outline、Ramp/Roadmap/PoDs/Dessert 结构、Q&A 准备与最终逐字稿与要点版产出。
Laravel 任务调度最佳实践资料,涵盖在 routes/console.php 中定义调度、频率方法与约束、防止任务重叠、多服务器单实例运行、监控钩子与健康检查等用法。
多模型路由(Multi-Model Routing)是一种按任务特征、成本、延迟与可用性,将智能体任务智能分派到最优模型提供方的架构技能,可在 Claude、GPT、Gemini 等模型间自动选择并优雅降级。
Session Archaeology 是一套系统化挖掘与分析历史智能体会话的方法,用于提取可复用模式、识别反复出现的失败模式,并从运行历史中派生新技能。它把会话记录视为最有价值的训练信号,通过解析、分类、跨会话关联与阈值筛选,将成功工具链和失败根因固化为技能或规则。
Polaris AI DataInsight 文档提取技能,通过 Doc Extract API 从 DOCX、PPTX、XLSX、HWP、HWPX 文件中提取文本、图片、表格、图表、形状、公式等,统一返回结构化 unifiedSchema JSON,适合 RAG、分析与自动化场景。
Snakemake 是基于 Python 的工作流管理系统,用规则和文件依赖描述分析流程,自动解析执行顺序并并行运行独立步骤,可从笔记本扩展到 HPC 与云,常用于生物信息学 NGS、基因组组装和变异检测等可复现流程。
为照片嵌入 IPTC/EXIF/XMP 元数据的技能,涵盖标题、署名、替代文本、许可、AI 来源标注、GPS 移除与 C2PA 凭证读取,面向新闻与图片发布场景。
vox-skill 是一个用于在 Remotion 中制作有解说、与配音同步的动态图形解说片或 B-roll 影片的技能指南。它面向编辑纪录片风格的 1920×1080 横版影片,以纸张纹理拼贴、带红色标记描边的剪影主体、代码绘制的图表与报纸为主要视觉元素,全部通过编写 React 组件和调整 props 来完成动画,无需 After Effects 或时间线拖动。流程覆盖叙事转折点设计与节拍脚本、先用 edge-tts 生成配音、从 timing.json 派生时长、场景映射、素材生产、锁定视觉系统、配乐与母带处理、静帧质检、组装渲染到封面帧选取,共十个阶段。
把平淡的中文推文改写成有真实事实支撑、带互动钩子的高参与度版本,每次输出 2-3 个不同钩子版本,风格要求短、白、口语。
qiaomu-codex-imagegen 是一个把 Codex 内置图像生成能力开放给其他智能体的工具,可通过 MCP 工具或命令行调用。它提供 24 个模板、48 个预设、66 种风格与 20 位 Mondo 艺术家风格,并内置提示词撰写与校验流程。
面向 FFmpeg 7.1 LTS 与 8.0.1 的直播与协议技能,覆盖 RTMP、HLS、LL-HLS、DASH、SRT、WebRTC/WHIP 的推流与转码用法,含 Twitch、YouTube、Facebook 推流地址、ABR 多码率、加密与硬件编码示例。
将单个公开 Instagram 视频帖子或 Reel 冻结为可重复渲染的本地复刻:下载头像、封面与主视频,用本地 HTML/CSS 重建桌面端登出状态帖子界面,经 Playwright 录制后输出 MP4 与 GIF(GIF 控制在 24 MB 以内)。
面向 AI 智能体与 LLM 应用的安全编码技能,帮助在构建、评审或加固智能体、RAG、工具调用与编码智能体时采用默认安全控制,缩小影响范围、保证行为可审计,并让高影响操作需显式授权。
用于编辑、分析和创建 Node-RED 流程的技能,通过处理 flows.json 文件、理解节点类型并应用 Node-RED 最佳实践,支持流程创建、修改、校验与通过 Admin API 部署。
该技能用于从稳态碳-13同位素示踪测量中估计细胞内代谢通量。它基于经过审阅的原子映射、明确的示踪剂混合物和校正后的标记测量数据,使用 mfapy 的 EMU 前向模拟器与 SciPy 在质量平衡的可行空间内拟合通量,不使用 FBA 目标函数。支持代谢与同位素稳态、跨多个示踪实验的单一共享通量状态、非负单向反应通量以及碳子集质量分布。使用前需准备碳网络与原子归属来源、稳态假设证据、各碳输入的位置同位素分布、片段碳归属与自然丰度校正历史、通量单位与边界等。若信息缺失,应指出缺失项并准备输入模板,不得编造。
AlphaGenome 是 DeepMind 的序列到功能模型(输入 1 Mb DNA,输出人/小鼠数千条轨道上 11 类实验的碱基级预测);AlphaGenome Atlas 则是该模型对 GRCh38 全部约 90 亿单核苷酸变异的预计算运行结果,提供 AVI 影响分数、基因组百分位及 18 项 SHAP 特征归因。本技能通过 pip 安装的 alphagenome 客户端和 API key,提供 Atlas 查询、指定轨道机制解析、模型在线打分、变异预测与饱和突变扫描,并生成门户深链。工具仅用于研究与理论建模,输出不得用于训练其他模型,也不可用于诊断或医疗决策。
Arboreto 是 Aerts Lab 开发的 Python 库,用于从基因表达数据推断基因调控网络(GRN)。它通过 Dask 并行化基于树的集成回归算法(GRNBoost2、GENIE3),可在本地多核或远程集群上运行。核心能力是根据观测样本(细胞、样本、条件)的表达模式,识别哪些转录因子(TF)调控哪些靶基因。上游最新版本为 PyPI 0.1.6(2021-02-09),文档位于 arboreto.readthedocs.io,主要下游消费者是 pySCENIC。安装命令为 uv pip install arboreto 或 conda install -c bioconda arboreto。依赖包括 dask[complete]、distributed、numpy、pandas、scikit-learn、scipy。输入支持 pandas DataFrame、稠密 numpy.ndarray 或稀疏 scipy.sparse.csc_matrix(行=观测,列=基因)。输出为包含 TF、target、importance 三列的调控关系表。
ETE Toolkit 4(ete4)是一个用于系统发育树及其他层次树分析的 Python 库,可读取和写出 Newick/Nexus 格式树文件,对树进行查看、注释、变换、定根、剪枝等操作,比较拓扑结构并计算系统发育距离,使用 TreePattern 查找重复子树拓扑,用 PhyloTree 分析基因树,查询本地 NCBI 或 GTDB 分类数据库,并通过 SmartView 交互式浏览大树或渲染 PNG/PDF/SVG 图像。该技能面向 ETE 4.4.0 版本,提供安装命令、快速上手示例、核心工作流、内置脚本及质量检查建议。ETE 不替代序列比对或系统发育推断软件,需先用 MAFFT、IQ-TREE 2、FastTree 等工具生成树后再载入 ETE。
FlowIO 是一个轻量级、低层级的流式细胞术标准(FCS)文件读写库,支持读取 FCS 2.0、3.0、3.1 文件,检查 HEADER、TEXT、ANALYSIS 及通道元数据,并将事件数据以二维 NumPy 数组形式取出,也可写出 FCS 3.1 列表模式单精度文件。它不执行补偿、logicle/biexponential 变换、门控、聚类或 FlowJo 工作区处理,这些需借助 FlowKit 等分析包完成。资料中示例针对 FlowIO 1.4.0,支持 Python 3.9 至 3.13,依赖 NumPy。