cadre
Cadre 是一个用于项目框定的技能,通过结构化提问帮助用户生成或扩展 docs/PRD.md,采用固定 8 段模板(问题、解决方案、目标用户等),以逐问逐答方式确保 PRD 无漏洞。
找到适合任务的 Agent Skill,阅读介绍并复制安装命令。
更新于 10-28 00:17
239,533 个结果
Cadre 是一个用于项目框定的技能,通过结构化提问帮助用户生成或扩展 docs/PRD.md,采用固定 8 段模板(问题、解决方案、目标用户等),以逐问逐答方式确保 PRD 无漏洞。
本地完成后的提交与发布技能:把已完成工作整理为 Git 提交、普通拉取请求或 PR 栈;负责暂存、提交、推送与 PR 变更,不承担代码质量评审或 GitHub 审查事务。
bun-sveltekit 是一份用于在 Bun 运行时上构建和运行 SvelteKit 应用的技能文档,涵盖 SSR、适配器以及 Bun 专有 API 的使用。它提供了从项目创建、依赖安装、开发与构建到部署的完整流程示例,包括使用 svelte-adapter-bun 适配器、在服务端加载函数、表单动作、API 路由、文件操作和服务端钩子中调用 bun:sqlite、Bun.file、Bun.write 等 Bun 原生能力,并给出 Docker 部署与适配器配置示例。文档还包含安全安装建议(如阻止安装后脚本、设置冷却期、安装前审计)以及常见错误排查表。适用于需要在 Bun 上开发或部署 SvelteKit 应用的开发者。
该技能用于对代码库中的 API 接口做冒烟测试:启动开发服务器、自动发现路由、逐个请求端点并报告返回错误的接口,帮助快速定位 500、404 等问题。
Yahoo Finance 命令行金融数据工具,由 yf 脚本驱动。它通过命令行提供股票与债券价格、信用分析、宏观仪表盘、外汇汇率、ETF 资金流向、基本面数据和新闻等功能。脚本位于 {baseDir}/scripts/yf,使用 uv run --script 与内联 PEP 723 元数据,依赖项在首次运行时自动安装。需先执行 chmod +x {baseDir}/scripts/yf。支持 price、quote、compare、credit、macro、fx、flows、history、fundamentals、news、search 等命令,所有命令均可加 --json 输出机器可读的结构化数据。默认输出使用 Rich 表格便于终端显示。脚本对无效代码、缺失数据和速率限制有清晰错误提示。
该技能用于为 Claude Code 安装一条信息丰富的单行状态栏(statusline)。它会将三个脚本写入 ~/.claude/hooks/,并把 statusLine 配置及 PostToolUse、SessionEnd 钩子合并进 ~/.claude/settings.json。状态栏可显示当前模型、仓库与分支及暂存差异、Token 用量与占比、effort 等级、5 小时/7 天速率限制使用率与重置时间、活跃 /loop 定时任务数量及最近触发提示等。支持 --list 查看当前状态、--uninstall 卸载。安装后需重启 Claude Code 生效。
decide 是一个结构化决策工作流技能,用于在有决策需要时,从 37signals 决策指南中挑选出「承重」问题(关键问题),逐一走查,最终得出一个明确结论(或判断为「等待」),并把决策理由与复盘日期归档保存。它适用于个人或团队需要就某件事做出判断的场景。该技能会先收集决策的基本信息:一句话描述决策内容、利害程度(低/中/高)、可逆性(易/难/单向门)、截止时间及背景上下文。随后根据决策特征从问题库中挑选 6-8 个最相关的问题,默认必问的包括:这个决策真的需要做吗、决策人是否合适、多容易反转、第一直觉是什么、一年后回看会怎么想;并根据可逆性、时间压力、涉及人数、数据量、金额、客户影响等类型追加问题。走查完成后,工作流会综合答案给出明确结论,可选结论包括:现在决定、拆小决定、等待、不做决定、交给正确的决策人。随后设定复盘日期并生成归档文件,记录决策、理由、预期结果与复盘要点,同时维护索引。
该技能针对已熟练掌握动画十二原则的专家用户,探讨如何有意识地打破规则、实现风格创新并拓展创作边界。内容包括:反挤压拉伸(僵硬动作营造诡异、机械或空灵质感)、省略预备动作(如《蜘蛛侠:平行宇宙》用于施加快切节奏)、反布局(刻意模糊重点制造不安与神秘)、纯方法创作(从头到尾或纯姿态对姿态)、中断跟随动作(动画中的定格冲击帧)、线性时间(去除缓动的机械精密或梦幻漂浮)、断裂弧线(锯齿路径表现昆虫、机器人或心理断裂)、冲突的次级动作(肢体语言与主要动作相悖)、错误时间(喜剧中的延迟反应与定格)、减弱夸张(超写实与动捕)、扁平绘画(UPA风格与《武士杰克》)、不适的吸引力(《莱恩和史丁比》的怪诞魅力)。最终指向一种超越原则的整体理解:每一帧都服务于故事与情感,技术卓越性应隐形,风格源自一致的原则权重,创新来自基础元素的重新组合。
canghe-format-markdown 是一个 Markdown 格式化技能,可将纯文本或 Markdown 文件整理为带 frontmatter、标题、摘要、标题层级、加粗、列表和代码块的结构化 Markdown,并修复中英混排间距与 CJK 强调标点。
Design Studio 是一个可移植的设计工程 Agent Skill,面向 Studio(创建、扩展或改造交互界面)、Review(在保留交互视觉世界的前提下审计与打磨)以及 Document(报价、发票、SOW、提案、报告、简报、打印/PDF 等分页文档)三类工作。它通过角色边界划分(Planner、Visual Director、Builder、Evaluator、Orchestrator)与来源隔离机制,将产品框架、盲源视觉方向、实现保真度与渲染评估分离,并由 Orchestrator 独占 SELECT / REFINE / PIVOT / SHIP / ESCALATE / HALT 决策权。该技能以 Design Intent 作为 Studio/Review/Document 的消歧依据,通过 method-router.json 路由到对应流程,并强调以机械证据、盲评估与验收结果而非目录存在或高分来证明权威。
该技能面向 Paper、Spigot、Bukkit 生态的 Minecraft 服务器插件开发,适用于构建或修改插件,包括 plugin.yml 配置、命令、监听器、调度器、配置管理、权限、Adventure 文本、玩家状态、小游戏流程、竞技场实例、地图副本、战利品、波次、持久化档案、增益、任务、经济以及 PvP/PvE 游戏循环。技能强调先识别服务器 API 与版本、构建系统与 Java 版本,检查 plugin.yml、主类与注册点,再以状态建模游戏流程,保持注册、配置与运行时行为一致。默认不覆盖 Fabric、Forge、客户端模组和基岩版附加包。技能提供多份参考文档,涵盖项目架构、启动注册、状态会话与阶段、配置数据与异步、地图英雄与功能模块、小游戏实例流程、持久化进度与事件、构建测试与运行时验证。
sr-screener 是面向系统综述、范围综述与快速综述的协议驱动文献筛选技能,把提案或 PROSPERO 协议转化为明确的纳入排除规则后再筛选记录,支持标题摘要与全文筛选、试点校准、冲突裁决、排除审计和 PRISMA 计数报告。
Lyric Diagnostic 是一个歌词诊断技能,用于从韵律、押韵、含义、语域、声音和结构等维度定位歌词问题,适用于 AI 生成或人工歌词显得平淡、陈词滥调、别扭或缺乏深度时。它只做诊断,不代写歌词。
LLMQuant Portfolio 是 LLMQuant 技能库中用于投资组合研究工作流的路由型技能。它本身不执行具体分析,而是根据用户的投资组合相关意图,将请求路由到对应的工作流文件。适用场景包括:构建或刷新公司研究档案、把买入逻辑转化为可监控的投资论点并设定卖出条件、追踪主题股票篮子及相关事件、监控自选列表的价格/隐含波动率/事件/异动变化,以及创建和管理可量化的市场提醒。该技能依赖 LLMQuant Data 获取研究档案、价格、公告文件、持仓、事件、自选列表、提醒与投资组合上下文等数据,并要求在输出中标注最后更新日期、证据日期、过期提示以及缺失的工作区对象。若工作区存储不可用,则退化为输出结构化的档案、论点、自选列表或提醒规格,以便后续导入。
longbridge-value-screen 是一个面向价值投资的选股筛选技能,通过 Longbridge 数据与平台能力,在指定指数成分股范围内筛选基本面稳健但估值偏低的公司。它支持 A 股、港股、美股市场,用户需先确定市场与筛选池(如沪深300、恒生指数、标普500)。筛选时对每个成分股并发获取估值与财务关键指标,包括 PE、PB、ROE、股息率、市值、历史分位与毛利率等,并按用户可调整的阈值(默认 PE<20(A/港股)、<25(美股),PB<2.0,ROE>10%,股息率>2% 可选,PE 历史分位<50,毛利率>20% 可选)过滤,再以等权排名合成综合价值得分,输出前 10 名候选名单及理由。该技能为纯提示词分析技能,无脚本,需通过 longbridge CLI 或 MCP 运行。对能源、钢铁、银行、航运等周期行业会给出低 PE 未必低估的提示。结果仅供参考,不构成投资建议。
面向 TI MSPM0 固件开发的工具中立 CLI 智能体技能,适用于使用 SysConfig 与 DriverLib 的 CCS / CCS Theia、Keil/uVision 或 CMake + Arm GNU Toolchain + OpenOCD 工作流。它面向 Claude Code、OpenCode、OpenClaw、Continue、Cursor、Codex 等 CLI/编辑器智能体,提供项目结构识别、.syscfg 配置检查与验证、生成文件与初始化函数名核对、探针检测、烧录与调试后端选择等规则和脚本,强调以 .syscfg 为配置真值、不手改生成文件、不猜测生成名称,并在硬件未验证时明确说明验证层级。
将单篇速习资料扩展为分章学习书的技能:按读者画像设计章节、学习目标、概念顺序与练习,并用脚本验证目标与测验对应、概念不在引入前使用、读时预算和练习答案可运行。
illustre 是一个用于创建 Excalidraw 图表与视觉素材的技能,可生成示意图、流程图、幻灯片和插图,并输出高分辨率 PNG/SVG。其核心理念是“图表应当论证,而非仅仅展示”,强调用视觉呈现文字难以传达的关系、转换与因果。技能内置品牌配色(以 #0061FF 蓝色为锚点)、六步设计流程、多种视觉模式(扇出、汇聚、流水线、树形、循环、对比、矩阵、时间线、分层)以及容器使用规范。默认采用 1920x1080(16:9)画布与 24pt 最小字号,适合视频、课程、演示等场景;静态文章或文档可放宽至 18pt。生成时输出有效的 .excalidraw JSON,并通过 Python 脚本渲染为 PNG 与 SVG,渲染器自动计算边界框,不依赖 Excalidraw CDN。适用于 YouTube 视频、在线课程、博客文章、技术文档、演示幻灯片等需要视觉化论证的场合。
Interroge 是来自 naiersaidane/claude-mastery 的技能,用结构化提问帮助厘清功能范围或应用头脑风暴:一次只问一个问题,沿决策树逐层推进,并在每个问题给出带理由的推荐。
该技能用于把本地 skills 仓库与 obra/superpowers-skills 的上游更新同步,同时保留个人修改。流程包括检查状态、暂存未提交改动、确定跟踪远端并拉取、查看新提交、合并、处理冲突、恢复暂存并验证技能可用。
research-external 是一个面向外部资料调研的工作流技能,用于研究库文档、网页与 API 等外部来源,而非代码库探索。它支持三种研究焦点:library(库/包文档,使用 nia-docs 工具)、best-practices(最佳实践与方案对比,使用 perplexity-search 工具)、general(综合多来源研究,组合使用 nia-docs、perplexity、firecrawl 等 MCP 工具)。可通过 /research-external <focus> [options] 调用,支持 --topic、--depth(shallow/thorough)、--output(doc/handoff)、--library、--registry(npm、py_pi、crates、go_modules)等参数;无参数时会通过分阶段问答引导用户明确研究类型、主题、库详情、深度与输出形式。研究结果会综合关键概念、代码示例、最佳实践、常见陷阱、替代方案与来源,并按 doc 或 handoff 格式写入指定路径。
这是一个名为 /test 的综合测试工作流技能,用于按顺序执行单元测试、集成测试和端到端(E2E)测试。它先进行类型检查等预检诊断,再并行运行单元测试与集成测试,最后在快速测试通过后运行较慢的 E2E 测试。支持全量测试、按功能范围测试以及快速检查等模式,并提供 --quick、--no-e2e、--coverage、--watch 等标志。
Animation & Micro-interaction Pack 是一套可复用的交互动效模式与动画预设集合,用于让 UI 呈现更精致、更打磨过的观感。该技能包汇集了常见的动画模式,包括悬停效果、过渡、入场动画、手势反馈以及加载状态动效,并给出 Tailwind CSS 配置与 Framer Motion 代码示例。其内容涵盖悬停放大、上浮、发光与颜色变化,入场淡入、滑入、缩放入场与列表错峰效果,退场淡出、滑出与缩放消失,加载脉冲、骨架波纹与进度条,以及点击涟漪、拖拽反馈、滑动指示等手势动画。同时提供性能与体验层面的最佳实践:微交互使用 200–300ms 时长、遵循 prefers-reduced-motion、优先动画 transform 与 opacity、加入缓动函数、对列表项做错峰处理,并为元素提供 hover/active 状态。适合前端开发与界面动效设计场景下参考与复用。
React Doctor 是一个用于诊断和修复 React 代码库健康问题的工具,由 posthog/posthog 提供。它会扫描 React 代码库中的安全、性能、正确性和架构问题,并输出 0-100 的评分以及可操作的诊断信息。适用于审查 React 代码、修复性能问题、审计安全性或提升代码质量。使用方式为在项目根目录运行 npx -y react-doctor@latest . --verbose,然后阅读每条带文件路径和行号的诊断,从错误(最高严重级别)开始修复,再重新运行以验证评分提升。内置 47+ 条规则,覆盖安全、状态与副作用、架构、性能、正确性、Next.js、打包体积、服务端、可访问性和死代码等类别。评分标准:75 分以上为优秀,50-74 分需要改进,0-49 分为严重。