longbridge-basicinfo
longbridge-basicinfo 是 Longbridge 技能，用于查询长桥可交易证券（股票、ETF、期权、权证）的静态基础信息，如公司名称、上市日期、交易所、行业、股本结构、市值、IPO 价格、官网和地址。
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 10-28 00:17
全部 Skills
239,650 个结果
longbridge-competitive-analysis
longbridge-competitive-analysis 是一个用于构建企业竞争格局分析框架的技能。它围绕锚定公司，整合波特五力分析、同业财务与估值对比、护城河评估以及潜在颠覆者识别，最终输出结构化的竞争分析报告。该技能通过 Longbridge CLI 获取行业估值、财务报表、新闻和估值快照等数据，支持简体中文、繁体中文与英文，并按用户输入语言返回结果。适用于需要快速了解某公司竞争地位、竞争对手、行业结构和护城河强度的场景。
longbridge-performance-attribution
该技能通过长桥证券（Longbridge Securities）数据对投资组合进行业绩归因，使用Brinson-Hood-Beebower行业归因与多因子回归，拆解收益来源，回答超额收益来自行业配置还是个股选择、alpha中有多少是市场beta等问题。需登录并具备交易权限。
longbridge-strategy-optimizer
longbridge-strategy-optimizer 是长桥（Longbridge）生态下的量化策略生成与优化框架技能，用于创建、修改和回测量化策略。它支持参数网格搜索、走前验证（walk-forward validation）与过拟合检测，可计算夏普比率、Calmar 比率、最大回撤及样本内外退化比率，并在多策略组合时计算相关性矩阵并给出权重建议。该技能本身生成 Python 代码框架，计算密集型任务需用户在本地运行。数据源仅推荐长桥数据与平台能力，响应语言跟随用户输入（简体中文/繁体中文/英文）。
planifie
planifie 是 naiersaidane/claude-mastery 中的技能，用于把 PRD 按垂直切片（tracer bullets）拆分为可独立交付的阶段，并依据固定模板生成或扩展 docs/PLAN.md。
evomap
EvoMap 是一个面向 AI 智能体的协作进化市场，智能体可发布经校验的 Gene+Capsule 资产、获取被推广的资产、领取悬赏任务并通过复用赚取积分。它使用 GEP-A2A 协议，提供 Python 客户端与 REST 任务接口。
telegram-bot
通过 Telegram Bot API 向频道和群组发送消息、图片与营销内容的技能，支持 HTML 与 MarkdownV2 格式化、内联键盘按钮、投票与测验，并提供产品公告、博客分享、活动预告等内容模板。需要 TELEGRAM_BOT_TOKEN 与 TELEGRAM_CHAT_ID。
implement
implement 是 posit-dev/skills 中的实现编排技能，用于按计划文件并行调度子代理完成实现工作，并校验 Git 分支状态、跟踪进度、保障质量。
marketing-pipeline-content-automation
这是一个面向营销内容的自动化流水线技能，基于 TypeScript 构建，用于将研究、撰写、视频生成和多格式内容创作整合为一个自动化流程。它能够自动抓取 TechCrunch、a16z、Twitter/X、LinkedIn 等来源的热门新闻，借助 Claude 或 OpenAI 生成多种格式（榜单、观点、案例研究、教程）的文章，支持英语与越南语同步产出，并通过 Remotion 将内容渲染为短视频和信息图，导出适配 Reels、TikTok、Shorts 的竖屏比例。项目提供完整的代码示例、Next.js API 路由、前端表单组件以及批处理与定时任务模式，适合需要规模化内容生产的营销团队。
alphaear-logic-visualizer
该技能用于把金融逻辑流程和信号传导链转成可视化的 Draw.io XML 图，并可渲染为可查看的 HTML 文件，适合展示投资论点或复杂传导链条。
bun-sqlite
bun-sqlite 是一个围绕 Bun 内置 SQLite 驱动 bun:sqlite 的使用技能，用于在 Bun 运行时中操作 SQLite 数据库。它涵盖数据库的打开方式（文件、内存、只读、严格模式）、查询执行（db.run 与预编译语句）、参数绑定（位置参数与命名参数）、查询方法（get/all/values/iterate/run）、事务处理（含 deferred、immediate、exclusive 三种模式）、批量操作、字段类型映射、错误处理、数据库管理与常见设计模式。适合在 Bun 项目中进行本地数据持久化、结构化查询和事务控制的开发场景。
supabase-report
supabase-report 是 Supabase 渗透测试技能集中的报告生成技能，用于把已收集的审计发现整理成 Markdown 安全审计报告，包含执行摘要、安全评分、按严重级别分类的发现项和修复建议。
application-logging
该技能用于在应用中实现结构化日志记录，并支持日志聚合与集中分析，适合调试、审计、性能分析和合规等场景；涵盖 Node.js、Python 及 ELK 相关实现参考。
test-data-generation
该技能用于生成真实、一致且可维护的测试数据，帮助自动化测试减少脆弱性、提升可读性，并便于构建多样化的测试场景。它围绕工厂模式、构建器模式、fixtures 以及假数据（faker）库展开，适用于为集成测试创建 fixtures、为开发数据库生成假数据、构建具有复杂关系的测试数据、生成真实用户输入、填充测试数据库、生成边界值与边缘情况，以及构建可复用的测试数据工厂。资料提供了最小可运行示例，展示如何使用 @faker-js/faker 构建 UserFactory，生成包含 id、邮箱、姓名、年龄、电话、地址、角色、状态和创建时间等字段的用户对象，并支持通过 overrides 覆盖默认值。参考指南涵盖工厂模式、复杂对象的构建器模式、集成测试 fixtures、真实数据生成等主题。最佳实践建议使用 faker 库、创建可复用工厂、通过覆盖保持灵活性、为邮箱和 ID 等生成唯一值、使用构建器处理复杂对象、为集成测试创建 fixtures、生成边缘情况、尽量保持测试数据确定性；同时避免在多处硬编码测试数据、使用生产数据、为可复现测试生成真正随机数据、创建过于复杂的工厂层级、忽略数据关系与约束、为简单测试生成海量数据、忘记清理生成的数据，以及对所有测试使用相同数据。
rag-implementation
RAG Implementation 是一个面向检索增强生成（RAG）的实践技能，聚焦分块、嵌入、向量存储与检索优化。它强调分块质量决定检索质量，主张按语义而非固定长度切分，并推荐使用带重叠的递归字符文本分割器。技能涵盖嵌入模型、向量存储、检索策略、混合搜索（稠密向量与稀疏关键词结合）以及上下文重排序等能力，同时指出固定大小分块、无重叠、单一检索策略等反模式，并提醒嵌入模型一致性、RAG 延迟、文档与嵌入同步等常见问题。适用于需要为 LLM 构建或优化检索管线的场景。
secondary-action-mastery
Secondary Action Mastery（次要动作精通）是动画原则体系中的一项技能，用于在不让观众分心的前提下丰富主动画、添加支撑细节、营造运动层次感，让场景显得生动。它区分了“次要动作”与“重叠动作”：重叠动作是物理性后果（因头部移动而头发飘动），次要动作是独立的辅助行为（边走路边吹口哨）。技能强调从属原则——次要动作绝不能与主要动作竞争，若观众关注次要而非主要动作即为失败；好的次要动作能强化主要动作的含义，为叙事增添维度。其分类包括情绪强化、环境反应、角色小动作与氛围生命。该技能还列出与其他动画原则的交互方式（如舞台构图决定次要动作可见度、时间偏移防止竞争），并给出 UI/动效设计、角色动画、界面打磨与游戏手感等领域的具体应用场景，以及常见错误、微妙度谱系（从专业语境 10-20% 到戏剧化 70%+）和“移除测试法”。
universal-patterns
这是一个为界面动画提供通用基础规范的技能模块，属于动画原则系列。它基于迪士尼12项动画原则，为各类界面动效提供统一的默认时长、缓动曲线和基础动画类，适用于按钮悬停、状态切换、弹窗显隐、页面转场等所有动效类型。核心内容包括：时间尺度（即时100-150ms、快速150-250ms、标准250-400ms、慢速400-600ms、刻意600-1000ms）、通用缓动库（CSS自定义属性实现的ease-out、ease-in、ease-in-out、spring、bounce）、12项动画原则速查、基础动画类（animate-in、animate-out、animate-state及对应关键帧）、通用规则（100ms响应、UI动画不超400ms、减少动态偏好、仅用transform与opacity、退出快于进入）以及无障碍默认样式。它可帮助开发者在任何界面动画中应用一致的节奏与缓动，保证流畅度与可访问性。
typescript
TypeScript 严格模式编码规范与最佳实践，来自 gentleman-programming/gentleman-skills 技能。覆盖类型、接口、泛型、工具类型与类型守卫等约定，用于编写 TypeScript 代码时触发参考。
bubbletea
用于在 Go 中基于 Bubbletea 与 Lipgloss 构建终端用户界面（TUI）的技能，涵盖 Elm 架构、双栏布局、手风琴模式、鼠标键盘交互、视觉效果与渲染问题排查，并提供项目模板、组件目录与布局黄金法则参考。
cli-anything-dify-workflow
cli-anything-dify-workflow 是 Dify 工作流 DSL 命令行工具的封装（Wrapper），通过 CLI-Anything harness 提供对 Dify 工作流文件的创建、查看、校验、编辑与导出能力。它本身不实现工作流逻辑，实际功能由上游 dify-workflow CLI 提供；当 dify-workflow 不在 PATH 中但已安装 dify_workflow Python 包时，封装会回退到 python -m dify_workflow.cli。所有操作都是对本地 Dify YAML/JSON DSL 文件的编辑。安装需先安装上游 CLI，再安装 CLI-Anything harness。命令覆盖 guide、list-node-types、create、inspect、validate、checklist、edit（增删改节点与边、设置标题）、config（设置模型、提示词、变量、开场白、问题、工具等）、export、import、diff、layout 等分组。适合需要在命令行或自动化流程中批量生成、检查、修改和导出 Dify 工作流配置的开发者与运维人员。
outline-coach
Outline Coach 是一个辅助式大纲教练技能，通过提问、诊断和引导探索，帮助写作者自行发展故事结构，而不是替他们生成大纲内容。它不会生成场景节拍、角色弧线映射、情节结构方案、世界观系统、节奏建议、示例散文或对话等任何可被直接复制进大纲的结构性内容；它生成的是帮助写作者发现自身结构的问题、对结构问题的诊断、相关框架解释、可选方向与做法，以及对写作者已创建结构的反馈。其核心理念是写作者比教练更了解自己的故事，提问比答案更有价值，发现比指导更持久，写作者的愿景必须驱动架构。使用流程包括倾听与澄清、诊断结构状态、提出诊断性问题、在需要时提供框架、生成选项而非内容、以提示引导写作者回到大纲创作。该技能还包含反馈模式、多种会话模式（卡住的大纲作者、迷失的结构、不堪重负的大纲作者、自我怀疑的大纲作者、节奏困惑者）、可调用的相关技能、交接机制以及输出持久化机制。
scene-sequencing
一个面向写作者的节奏与场景结构技能，用“场景—后续”节拍帮助诊断和调整叙事节奏，适用于单个场景成立但整体不累积、节奏过快或过慢等问题。
llmquant-prediction-markets
LLMQuant Prediction Markets 是 LLMQuant 技能库中的一个路由型技能，用于处理预测市场相关的事件概率工作流。当用户需要事件赔率、结算标准、概率差、跨市场定价等信息时，该技能会识别事件、场所、合约、结算规则、截止时间、相关资产和所需输出，并选择最接近的工作流。它涵盖三类工作流：基于市场赔率和证据生成事件概率研究简报、检查预测市场的跨场所或合约级套利条件、以及将预测市场赔率与期权隐含或资产隐含的事件定价进行比较。该技能优先使用 LLMQuant Data 获取预测市场合约、价格、流动性、期权、宏观、新闻及相关资产价格，并报告合约时间戳、结算标准、流动性、费用、市场窗口和缺失输入。
longbridge-business-query
longbridge-business-query 是长桥（Longbridge）技能库中的一个技能，用于查询长桥覆盖公司的主营业务构成与经营数据，包括分部收入拆分、各业务线毛利率，以及 ROE、ROA、ROIC、营运资本周转率等关键经营指标。该技能通过长桥 CLI 命令获取财报与计算指标，并可按用户输入语言（简体中文、繁体中文或英文）返回结构化结果。