tooluniverse-drug-repurposing
ToolUniverse 的药物重定位技能：基于靶点、化合物、疾病及表达签名四种策略，结合靶点-药物-疾病网络推理，系统检索并评估老药新用候选，并提供安全性、文献与专利核查及 0-100 评分框架。
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 11-03 00:11
全部 Skills
243,894 个结果
tooluniverse-sdk
ToolUniverse Python SDK 是用于构建 AI 科学家系统的科研工具库，提供统一接口调用蛋白质、药物、基因组、疾病、文献与机器学习等科学工具，支持字典 API、函数 API 和直接实例化三种调用方式。
traiage-review
Traiage Review 是一个用于帮助人类评审者筛选代码库变更中真正需要人工关注的文件的技能。它通过多个代理从不同角度分析变更，输出关键文件列表、随机抽样文件和声明式文件，以便优先审查。
risk-management-trading
面向交易与投资的风险管理技能，聚焦资金保全与仓位控制，整合凯利准则、波动率目标、相关性分析与回撤管理，帮助在真实市场中长期存活。
home-office-deduction
该技能用于计算自雇人士的家庭办公费用扣除额，支持简化法与实际费用法两种方式。简化法按每平方英尺5美元计算，上限300平方英尺即最高1500美元，无需填写8829表格，直接申报在Schedule C第30行。实际费用法需按办公面积占住宅总面积的比例，分摊房贷利息或租金、房产税、保险、水电燃气网络电话、维修维护及住宅折旧等费用，需填写Form 8829。技能会调用transaction_search查找相关交易、spending_summary汇总年度住房支出、export_transactions导出数据供报税或CPA审核。使用时需先确认空间定期且专门用于业务，再提供办公与住宅面积。两种方法可比较取较高者，且可逐年切换。注意：仅自雇人士适用，W-2雇员在2025年前无法申报；实际费用法若计提折旧，出售房屋时可能需折旧回收；扣除额不能造成业务亏损，超出部分可结转。
codebase-summarizer
Codebase Summarizer 会扫描代码仓库结构，自动生成架构文档，包括系统概览、入口点、模块关系、数据流、Mermaid 架构图、关键文件参考与常见任务操作指南。
resolve-human-reviews
用于处理当前 PR 中人类评审意见的技能：抓取未回复的人类评论，逐条评估并修复代码，提交推送后回复每条评论，并轮询后续新评论直至安静。
render-postgres
Render Managed PostgreSQL 技能，用于在 Render 平台上配置和优化托管 PostgreSQL 数据库。涵盖连接方式（内部与外部连接字符串、TLS 要求）、创建时的不可变字段、存储自动扩缩容、连接数限制、PgBouncer 连接池、高可用、只读副本以及安全删除等主题。适用于为 Render 上的应用配置数据库、创建或修改数据库与副本、排查连接限制或 SSL 错误、编写 Blueprint 数据库配置等场景。
andrej-karpathy
一套用于减少 LLM 编码常见错误的行为准则，源自 Andrej Karpathy 对 LLM 编程陷阱的观察。适用于编写、审查或重构代码时，避免过度复杂化、保持改动精准，并让假设、权衡与验证标准显式化。
mermaid-expert
用于把已验证的流程、交互、数据结构或状态转换整理成 Mermaid 图表的技能，覆盖流程图、时序图、ERD、状态图、甘特图、架构与网络图等类型，并关注语法、样式与渲染可读性。
graphic-designer
用于制作缩略图、社交媒体图、横幅与演示文稿的平面设计技能，基于 CRAP、格式塔与视觉层级等设计原则，提供工作流程、配色、排版、布局、无障碍检查与自评循环。
find-hypertable-candidates
该技能用于分析现有 PostgreSQL 数据库，找出适合转换为 TimescaleDB 超表的候选表，供后续迁移配置使用。
course-material-creator
Course Material Creator 是一套用于设计结构化教学体验的框架，覆盖从课程大纲编写到评估设计的完整流程，适用于正式课程、企业培训和自主学习项目。它提供多种可直接套用的模板，包括课程大纲模板、单课时教案模板、评分量规（Rubric）模板、注释阅读清单模板以及工作坊设计模板。该技能还内置了基于 Bloom 分类法的教学目标动词对照表，帮助编写可衡量的学习目标；提供课堂参与技巧表（如 Think-Pair-Share、Jigsaw、案例研究、Gallery Walk 等）及各评估类型适用场景对照表。此外还包含阅读清单筛选框架（考量相关性、可读性、时效性、多样性、篇幅）、课程映射表以及逆向设计（Backward Design）三阶段流程。
vercel-microfrontends
Vercel Microfrontends 是一套用于在 Vercel 上构建、配置和部署微前端的技能指南。它帮助开发者将大型应用拆分为可独立部署的单元，同时对外呈现为一个统一的整体应用。Vercel 通过 microfrontends.json 在其全球网络上处理路由。核心概念包括：默认应用（持有 microfrontends.json，负责处理未匹配的请求）、子应用（拥有路由路径模式）、资源前缀（避免静态资源冲突）以及独立部署。支持的框架有 Next.js（App Router 与 Pages Router）、SvelteKit、React Router 和 Vite，均通过 @vercel/microfrontends 实现。CLI 命令包括 vercel microfrontends 或 vercel mf，提供 create-group、add-to-group、remove-from-group、delete-group、pull、microfrontends proxy、microfrontends port 等子命令，用于创建和管理微前端分组、拉取远程配置以及本地开发代理。该技能还附带 references/ 目录下的详细参考文档，涵盖配置、路径路由、本地开发、管理、故障排查和安全等主题，建议按需检索而非全部加载。
token-optimizer
OpenClaw Token Optimizer v3.2.0 是面向 OpenClaw 智能体的成本控制工具包，由 Asif2BD 开发。它通过惰性上下文加载、Sonnet/Opus 感知的任务路由、心跳调度优化和本地令牌预算跟踪，帮助减少 OpenClaw 工作区中重复的令牌浪费。该工具为本地运行，脚本不发起网络请求，也不执行动态代码；涉及文件写入的命令均为显式调用并具备备份保护。官方称在上下文密集的工作区中预期可节省 50-80% 的令牌消耗，其中上下文优化通常收益最大。
kicad-schematic
该技能用于在完成初始 IC 选型后，对 KiCad 原理图进行完整连线或修改子电路。它强调基于数据手册、参考设计、渲染图和网表进行工作，并通过高分辨率图像迭代来验证连线正确性与版面整洁度。技能要求使用标签而非长导线进行大部分连线，对无源器件采用就近直连，使用电源符号替代电源标签，并保持原理图紧凑、可读。适用于需要将选定的元器件整合为完整原理图的硬件设计场景。
terraform-gcp
terraform-gcp 是一个用于通过 Terraform 和 hashicorp/google 提供程序来配置和管理 Google Cloud Platform（GCP）基础设施的技能。它适用于以代码方式定义 GCP 资源，实现可重复、可审计的部署，支持多环境（开发、预发布、生产）管理，并可将基础设施变更集成到 CI/CD 流程中。该技能涵盖提供程序配置、项目设置与状态存储桶、网络模块（VPC、子网、防火墙、NAT）、GKE 集群模块、Cloud SQL 模块、IAM 与服务账号、根模块组合、环境配置、CI/CD 集成以及故障排除等内容。使用前需安装 Terraform >= 1.5、Google Cloud SDK 或服务账号密钥，并拥有已启用计费的 GCP 项目。
windows-hardening
Windows Hardening 是一个用于加固 Windows 服务器的技能，依据 Microsoft 安全基线和 CIS 基准进行配置。它涵盖安全基线部署、账户策略、组策略安全设置、Windows 防火墙、审计策略、Windows Defender 以及 BitLocker 加密等。适用于新服务器加固、合规审计准备（SOC2、PCI-DSS、HIPAA）、安全事件后的配置以及域组策略安全标准建立。
test-driven-development
面向所有编程语言的测试驱动开发（TDD）技能，提供红-绿-重构流程、测试结构、命名约定、测试类型与覆盖率指南，减少各智能体重复的测试指导。
json-canvas
用于创建和编辑 JSON Canvas 文件（.canvas）的技能，支持 Obsidian 等应用。可生成包含节点、连线、分组与连接的无限画布数据，适用于可视化画布、思维导图、项目看板、研究画布和流程图等。
photo-restoration
基于 each::sense AI 的老照片修复与增强技能，可修复划痕、撕裂、褪色、水渍，进行黑白上色、人脸恢复、胶片颗粒去除及历史照片增强，通过 eachlabs API 调用。
ce-noslop
ce-noslop 是一个写作改写与检查技能，目标是让文字不带 AI 写作痕迹、读者第一遍就能读懂，同时完整保留原文中的全部事实。它支持三种模式：author（起草）、edit（改写）、detect（检测）。edit 模式只重写未通过检测的句子并返回文本，对通过检测的句子保持原样，因此对返回文本再次处理不会产生变化。detect 模式指出发现的每个模式、引用原句并给出简短修改建议，但不重写。工具坚持两个目标同时成立：文字虽无 AI 痕迹但仍晦涩算失败，文字虽平实但改变了原文论断的确定性也算失败。边界明确：不触碰代码块、引用文本、frontmatter、链接目标、标识符等，也不判断文本是否由模型撰写。适用于需要去除 AI 写作腔调、提升可读性并保持事实保真的各类文本场景。
fcode-core-concepts
Factorial Code（fcode）是一个企业级集成与自动化平台，用户可用 JavaScript 或 Python 编写流程（processes）和可复用模块（modules），平台负责沙箱、依赖、密钥、调度与执行。本技能介绍其核心概念与心智模型，包括流程、模块、执行上下文、变量、数据存储、文件存储、多语言、邮件、继承机制、版本与别名、计划与限制等。资料强调若干易错点：数据存储仅支持字符串和数字；模块文件以 slug 命名而非 index/main；不可整体覆盖 variables.env；不可编辑继承资源；不可硬编码或记录密钥；运行时固定为 Node.js v22 与 Python 3.13；各工作区限制固定。
fcode-forms
Factorial Code Forms 用于把某个 Factorial Code 流程的输入参数表单嵌入任意网页，提交后即以表单数据启动一次流程执行，并在页面内处理结果（提示消息、跳转、回调）。表单结构与校验直接来自流程的 parametersSchema.json。