examination-readiness
面向 SEC 与 FINRA 监管检查全生命周期的准备与应对技能，涵盖检查通知、文件调取、现场或远程审查、人员访谈、退出会议及结果处理，并整理两大机构年度检查重点。
Skill 广场
找到适合任务的 Agent Skill，阅读介绍并复制安装命令。
更新于 10-23 00:13
全部 Skills
235,288 个结果
reg-bi
该技能用于分析美国 SEC《最佳利益规则》(Reg BI) 下经纪自营商的行为标准，涵盖信息披露、审慎、利益冲突与合规四项义务，并对比 FINRA 适当性规则与投资顾问信义义务，提供转存建议等实务指引。
lldb
LLDB 调试器技能，面向 C/C++/Swift/Objective-C 程序的调试工作。适用于在 macOS、FreeBSD 或 Linux-clang 环境下使用 LLDB 进行调试，并将已有的 GDB 使用经验映射到 LLDB 命令体系。技能内容涵盖 GDB 与 LLDB 的命令对照、断点与观察点设置、状态检查、线程操作、macOS/Apple 相关特性、VS Code 集成以及 LLDB Python 脚本编写。
photo-editor
MPSTATS Photo Editor 是 MPSTATS 内部的 AI 视觉生成服务，用于电商平台商品卡图片处理。它通过一组现成脚本调用异步接口，支持背景移除与替换、图片放大、商品换色、使用场景图、自由编辑、商品摄影和图文信息图等操作。脚本内部完成提交、轮询和文件保存，图片以 base64 编码传输。该技能分为两类模式：技术操作（单步，如去背景、放大、换色）和设计任务（多阶段，如信息图、摄影），后者包含调研、简报、生成、交付四个阶段。支持通过 wb:<sku> 从 WB CDN 自动下载多角度商品图，提供多个模型和宽高比选择。需要配置 MPSTATS API 令牌，输出默认保存在 ~/.claude/output/photo-editor/ 下。
svg-illustration
svg-illustration 是一个面向 SVG 图表的轻量入口技能，用于在制作幻灯片（slide deck）时快速获取 SVG 图表规则、布局模式与嵌入指引。其核心原则是直接查阅 SVG 规则与模式，而不是先浏览幻灯片编写或配色模块。适用于创建适合幻灯片的 SVG 图表或插图、选择 SVG 尺寸与间距及嵌入规则、排查 SVG 导出或嵌入问题等场景。技能提供快速参考路径：核心规则见 references/core-rules.md，模式示例见 references/pattern-examples.md，幻灯片嵌入见 references/embedding.md，故障排查见 references/troubleshooting.md；assets/examples/ 目录包含 SVG 图表示例。
vue3
这是一个面向 Vue 3 的技能资料，基于 Vue 3 官方指南与 API 参考整理，用于在用户需要 Vue 3 概念、模式或 API 细节时提供指导，帮助构建组件、应用等。技能以官方文档为主线，按主题拆分示例文件与 API 文件：示例目录与官方「指南」页面一一对应，覆盖入门、基础、组件深入、可复用性、内置组件、规模化、最佳实践、TypeScript 与额外主题；API 目录与官方「API」页面一一对应，覆盖全局 API、组合式 API、选项式 API、内置指令与组件、单文件组件规范以及高级 API。使用方式为：先根据用户请求识别主题，打开 examples/ 下对应的指南示例文件；若需要 API 细节，再打开 api/ 下对应文件；随后按官方指导保持输出与 Vue 3 文档一致。适用场景包括学习或应用 Vue 3 指南主题、实现组件与响应式、模板与路由、遵循最佳实践或 TypeScript 用法与性能建议、查询特定函数或选项的 API 参考。限制方面，资料未提供除上述官方文档映射以外的信息，如具体安装命令、版本要求、收费、平台支持等暂未提供。
define-prioritization-framework
该技能用于对一组功能或计划候选清单运行适用的优先级框架（RICE、ICE、MoSCoW、加权评分、Kano），先按数据可用性与决策情境筛选框架，再逐项显式打分，产出各框架评分表、跨框架排名对比、执行摘要与建议，并标注排序可能出错之处。它要求至少3个候选条目和明确决策情境，缺少RICE所需数值时可用ICE等低输入框架替代；Kano需客户研究输入，否则被排除。
pennydinh-marketing-pipeline-automation
这是一个面向 AI 编程智能体的技能，用于操作「Ultimate AI Content Pipeline」——一套基于 TypeScript 的端到端内容自动化系统。它把内容生产流程串成一条流水线：先从 TechCrunch、a16z、Twitter/X、LinkedIn 等来源自动抓取研究数据，再用 Claude 3 与 OpenAI 生成多格式内容（榜单、观点、案例研究、操作指南），支持英文与越南文同时输出，随后通过 Remotion 自动渲染视频与信息图，并针对 Reels、TikTok、Shorts 等平台做适配，最后提供 Next.js 界面管理整条流水线。技能文档覆盖安装步骤、环境变量配置、研究模块、内容生成、视频渲染、完整流水线编排、Next.js API 路由、curl 调用示例、批量生成与自定义来源等常见模式，以及限流重试、渲染超时、内存占用、环境变量缺失等排错方案，并给出生产构建与测试示例。
skill-developer
面向 Claude Code 的技能开发指南，讲解如何创建与管理技能，涵盖自动激活系统、双钩子架构、skill-rules.json 配置、触发类型、强制执行级别与 Anthropic 官方最佳实践（500 行规则、渐进式披露）。
trend-jacking
趋势借势（trend-jacking）技能：在品牌与受众匹配、内容安全、趋势仍处上升期三个前提下，把热门声音、格式、梗、话题标签或文化讨论转化为品牌内容以获取自然触达。
treeseed
TreeSeed 是一个通过 MCP（Model Context Protocol）能力操作的控制平面（control plane）技能，用于项目、知识、治理与执行类工作。它把已连接的 TreeSeed 服务器视为身份、访问、治理、调度与凭证（receipts）的权威来源，要求在使用前先发现服务器当前提供的 MCP 工具、资源、模板、提示、schema 与能力注解，而不是依赖记忆中的工具列表或自行构造 REST 路径。该技能以已认证的外部主体身份运行，强调在关键变更前先读取当前状态，遵循服务器返回的阻塞项、并发令牌、确认请求、资源链接与后续动作，并使用服务器提供的结构化输入输出 schema。它要求不得在工具参数或模型可见内容中放置凭据、会话材料、私钥或 bearer token，并将 input_required 视为签名的精确参数确认检查点。异步工作需遵循持久的 treeseed:// 资源链接，使用服务器公布的进度、取消、完成与订阅机制。技能按用途分为知识、治理、项目、执行与 MCP 协议等参考文档，并通过 Vercel Labs Skills CLI 以固定版本安装与更新。
ai-daily-digest
从 Karpathy 推荐的 90 个热门技术博客 RSS 源抓取文章，用 AI 评分筛选，生成 Markdown 每日摘要。命令为 /digest，可配置时间范围、精选数量与输出语言，优先使用 Gemini API，支持 OpenAI 兼容接口兜底。
google-workspace-cli
该技能提供通过开源 gws CLI（github.com/googleworkspace/cli，Apache-2.0 许可）管理 Google Workspace 的专业指导与自动化能力。gws CLI 根据 Google Discovery Service 在运行时动态生成命令，覆盖所有受支持的 Workspace API，并提供以 + 为前缀的辅助命令。此技能附带本地 Python 工具（doctor 诊断、认证指南、配方目录、安全审计、输出分析器）。注意 gws 仍处于 v1.0 之前版本，命令在运行时生成，因此在写入自动化脚本前应先用 gws --help、gws <service> --help 或 gws schema <service>.<resource>.<method> 确认具体命令。文档涵盖安装（npm、Homebrew、Cargo、预编译二进制、Nix）、认证（OAuth 交互式、无头/CI 服务账号、环境变量、验证）、四大工作流（Gmail 自动化、Drive 与 Sheets、Calendar 与会议、安全审计）、Python 工具、最佳实践（安全、自动化、性能）以及限制与所需作用域。所有脚本仅依赖标准库，支持 --json 输出和演示模式。
threat-detection
threat-detection 是一个用于主动发现攻击者活动的威胁检测技能，适用于在环境中进行威胁搜寻、分析 IOC 或检测遥测中的行为异常。它强调通过假设驱动的威胁搜寻、IOC 分析和统计异常检测来发现绕过自动化控制的威胁。该技能提供 threat_signal_analyzer.py 工具，支持 hunt（假设评分）、ioc（扫描目标生成）和 anomaly（统计检测）三种模式。使用时需要具备 SIEM/EDR 遥测、终端日志和网络流数据的读取权限，IOC 数据需保持 30 天内的新鲜度以避免误报。该技能不同于事件响应和红队操作，专注于在警报触发之前主动发现隐藏威胁。
ip-clause-review
ip-clause-review 是 Claude for Legal 的 IP 条款审查技能，依据本地实践配置审查协议中的知识产权条款，检查转让缺口、所有权歧义、许可范围、保证与赔偿问题，并按风险优先级输出备忘录。
project-docs
Project Documentation 是一个面向 PHP/Laravel 与 Node/TypeScript/React 项目的文档生命周期技能，包含 6 大类共 25 条规则，覆盖文件夹结构、命名约定、必备文件、内容质量（含 AI 生成内容识别）、冗余清理与生命周期管理。它提供三种使用模式：bootstrap（为新项目搭建文档基线）、audit（审计现有文档，找出缺失、过时、臃肿或垃圾文件并给出分类台账）、reference（查询命名与放置约定）。该技能强调不自动删除文件，所有删除或归档操作都需用户确认，并建议通过 CI 检查 markdown 质量与链接有效性。
agent-evaluation
Agent Evaluation 是一个面向 LLM 智能体的测试与基准评测技能，来源于 davila7/claude-code-templates。它聚焦于行为测试、能力评估、可靠性指标与生产环境监控，帮助质量工程师在智能体上线前发现行为回归、能力短板与可靠性问题。该技能强调 LLM 智能体评测与传统软件测试的本质差异：相同输入可能产生不同输出，且“正确”往往没有唯一答案。其能力标签包括 agent-testing、benchmark-design、capability-assessment、reliability-metrics、regression-testing；前置要求为 testing-fundamentals 与 llm-fundamentals。技能内置多种评测模式，如统计式测试评估（多次运行并分析结果分布）、行为契约测试（定义并测试智能体行为不变量）、对抗性测试（主动尝试破坏智能体行为），并列出常见反模式（单次运行测试、仅测试正常路径、输出字符串匹配）以及若干高风险问题与应对方向，例如基准得分高但生产失败、测试结果时好时坏、智能体为指标而非任务优化、测试数据泄漏等。该技能可与 multi-agent-orchestration、agent-communication、autonomous-agents 等技能配合使用。
univer-cli
Univer CLI 是 Univer 的终端工具，用于创建与检查多 Unit 的 .univer 文件，支持表格、文档、幻灯片、Base 数据库、Board 画布等类型。通过 npm 全局安装（npm install -g univer-cli），提供隔离的 worktree 供智能体修改、按版本匹配的 Facade 指引、模型读回和浏览器审查。使用前需从已安装 CLI 加载 core Skill，再按目标 Unit 加载对应 Unit Skill（sheet、doc、slide、base、board），跨 Unit 嵌入或公式需加载 embed、cross-unit-formula 等 Topic Skill。所有 .univer 路径需显式指定，命令成功不构成正确性证据，应读回模型并检查渲染输出。
e-commerce-retail
该技能面向电商与零售场景的动画设计，将迪士尼十二动画原则应用到购物应用、商品目录、结账流程和零售体验中。目标是让购物体验显得高级、可信，并促进转化。内容涵盖挤压与拉伸、预备、舞台化、跟随与重叠、缓入缓出、弧线、次要动作、时间节奏、夸张、扎实造型和吸引力等原则在加购、数量徽章、促销标签、购买按钮、图片缩放、结账步骤、商品卡片、购物车抽屉、筛选、弹窗、轮播、心愿单、评价星级、折扣展示、倒计时、库存警告等具体交互中的用法，并给出加购、快速查看、结账步骤、购物车更新、图片缩放等动作的时长与缓动参考标准。核心原则是不让动画拖慢购买路径，每个动作都应高效并增强购买信心。
system-audit
System Audit 是一个用于对 Ane 的 MEL/SRHR 系统（Ann/Vi/Li/Researcher 团队、wiki、harness、三仓库架构）执行质量、合理性与效率审计的技能。它输出一份 Tier 1 工作简报，列出问题及其文件路径和排序建议，但不执行修复，由 Ane 逐项审阅确认。适用于用户输入 /system-audit、/audit、/system-check 或要求系统健康检查时，也用于 /li curate 之前、实质性智能体改进工作之后，以及作为防止静默漂移的定期兜底。该技能与 /test（仅 harness）和 /li lint（仅 wiki）互补，是能捕捉层间不一致的更广泛检查。
obviously-awesome
基于 April Dunford《Obviously Awesome》的 B2B 定位方法论，含 5+1 定位组件、10 步流程与三种定位风格（正面竞争、细分聚焦、开创新品类），用于诊断客户不理解、销售周期长、流失高、价格受压等问题。
12306
通过 China Railway 12306 官方 API 查询列车时刻表、余票和车站信息的命令行技能，支持 HTML、Markdown 和 JSON 输出。
simd-intrinsics
面向 x86（SSE/AVX）与 ARM（NEON）的 SIMD 向量化技能，指导读取自动向量化报告、编写 SSE2/AVX2/NEON intrinsics、运行时检测 CPU 特性，并在编译器自动向量化与手写 intrinsics 之间做选择。
observer-pattern
观察者模式（Observer Pattern）是一种用于事件驱动通信的设计模式。它允许将某些对象（观察者）订阅到另一个对象（可观察对象）上，当事件发生时，可观察对象会通知所有观察者。该技能讲解观察者模式的使用时机、不适用场景、实现步骤与细节，并给出基于 ES6 class 的 Observable 实现示例（包含 observers 数组以及 subscribe、unsubscribe、notify 三个方法），以及一个 React 应用示例：通过 Button 和 Switch 触发 handleClick、handleToggle，调用 observable.notify 将事件数据分发给已订阅的 logger 与 toastify 函数，实现日志记录与 toast 通知。资料还说明该模式适合需要向应用多个部分通知状态变化或事件、实现组件间事件驱动异步通信的场景；不适合订阅者数量极大且通知性能关键、一对一通信用简单回调即可、或隐式事件链导致调试困难超过解耦收益的场景。资料提到可考虑使用 RxJS 等库满足更高级的响应式编程需求，并列出 RxJS 作为使用该模式的流行库案例，同时给出优缺点：有助于实现关注点分离与单一职责原则、观察者与可观察对象松耦合；但观察者过于复杂时通知所有订阅者可能引发性能问题。