earnings-review
earnings-review 是面向 Codex/Claude Code 的财报精读技能，直接解读年报、季报与电话会等一手资料，提取核心财务数据、做现金流与资产负债表检查、分析管理层语气与承诺兑现，并按准出流程输出精读报告。
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 11-12 00:15
全部 Skills
250,891 个结果
industry-research
AI Berkshire 技能之一，用于系统化开展行业投资研究。该技能从投资主题或逻辑链出发，验证逻辑链各环节，绘制产业链全景图（上游、中游、下游、辅助环节），扫描全球上市公司（A股、港股、美股及其他国际市场）与关键未上市公司，并对各细分环节头部公司套用四大师分析框架（生意本质、护城河、风险、管理层、估值快照、推荐度）。技能还包含行业级风险评估、历史类比、偏误自查、文明趋势判断、投资组合配置建议与综合决策备忘录，最终输出 Markdown 报告并执行数据抽检准出流程。
accessibility
面向无障碍开发的技能规则集，涵盖 WCAG 2.2 AA 合规、键盘焦点管理、React Aria 组件模式、原生 HTML 优先理念、认知包容与用户偏好适配，共 6 类 10 条规则，可按需加载。
pr
该技能用于为当前分支创建或更新一个 GitHub Pull Request。它把 PR 视为持久的知识传递，强调说明变更后的行为及其原因，而非罗列文件清单。技能会先检查仓库指引与 PR 模板，查看当前分支与工作区状态，刷新远程引用，查找该 head 分支是否已有打开的 PR，据此决定创建还是更新，并选择正确的比较基准。随后它会检查 PR 的全部提交与完整 diff，据此构建 PR 模型，按提交数和文件数选择简单、标准或复杂三档正文深度，生成以行为前后对比为核心的标题与正文，并用固定标记包裹生成内容以保护已有文本。创建或更新时通过标准输入传递正文，避免 shell 插值影响内容，完成后还会验证标题、正文、草稿状态、提交数与文件数。
using-ably
Ably 实时基础设施的官方 Agent Skill，用于在构建实时消息、聊天、协作、在线状态或 AI 流式输出功能时指导代码生成。该技能强调在写代码前先获取最新文档（ably.com/llms.txt），确认目标平台是否有对应 SDK，并覆盖产品与 SDK 选型、认证、频道设计、连接管理、Presence、Chat 生命周期等常见陷阱。它区分核心 SDK（Ably.Realtime、Ably.Rest）与产品 SDK（@ably/chat、@ably/spaces、@ably/ai-transport），并给出服务端默认用 REST、客户端用 Realtime 等决策规则。
pydantic-ai
PydanticAI 相关技能说明：用于构建类型化 LLM 应用，通过 Pydantic 模型约束输出模式，结合工具调用、验证与重试，实现可校验、可稳定交接给下游自动化的结构化结果。
first-principles-thinking
第一性原理思维教练技能，通过苏格拉底式提问帮助用户拆解问题、暴露假设、回到基本事实并重建解决方案。适用于陷入常规方案无效、做高风险决策或从零构建新事物的场景。
administering-linux
该技能专注于 Linux 系统管理，面向 DevOps 工程师、SRE、后端开发者和平台工程师，讲解基于 systemd 的发行版（Ubuntu、RHEL、Debian、Fedora）上的服务管理、进程监控、文件系统操作、用户管理、性能调优、日志分析和网络配置。内容涵盖 systemctl 与 journalctl 常用命令、进程状态与信号、文件系统类型选择、apt/dnf 包管理、排障工作流、systemd 服务与定时器编写、SSH 加固、sysctl 与 ulimit 调优、ip/ss/防火墙命令、cron 与 systemd 定时语法，以及与 Kubernetes、配置管理、安全加固、CI/CD 等技能的衔接。明确的覆盖边界：不涉及高级网络（BGP、OSPF）、深度安全加固（合规、渗透测试）、规模化配置管理（Ansible、Puppet）和容器编排。
dnr-hunt
dnr-hunt 是一个面向 Web 与应用日志的主动威胁狩猎技能，适用于手中没有告警、需要主动排查日志中是否存在异常活动的场景。它以“方法即交付物”为核心：先建立日志基线，再按“假设 → 查询 → 转向”的循环推进，每一步都写入强制性的书面台账，任何可疑点都必须经源码确认并在本地实例上引爆 PoC 后才能判定为已确认利用。该技能通过 /dnr-hunt 命令调用，支持指定目标目录或日志目录、应用源码树以及忽略检查点重新开始。它强调只查询不整读日志、只提出不执行响应动作、仅在本地 127.0.0.1 引爆 PoC，并要求所有数字均来自本次会话实际运行的查询管道。最终产出 INCIDENTS.json 与 INCIDENT_REPORT.md，区分已确认事件与已排除项，并可衔接后续响应、分诊与修补流程。
trailing-stops
面向 NSE/BSE 股票持仓的移动止损策略技能，涵盖 ATR 跟踪、结构跟踪、均线跟踪、吊灯退出及推荐的混合渐进式方法，用于在让盈利单继续奔跑的同时锁定利润。
help
bitwize-music 插件的帮助技能，用于向用户展示插件中可用的技能列表、常见工作流和快速参考。当用户询问如何使用插件、有哪些技能可用，或该如何操作时，可通过 /bitwize-music:help 调用。该帮助内容按类别组织，涵盖专辑与曲目创建、研究与素材来源、质量控制、制作与发行、文件管理、工作流与状态、系统与维护等技能，并给出新建专辑、真实故事专辑（含研究）、恢复已有工作等常见工作流步骤，以及配置文件路径、发音处理、explicit 标记、母带目标（-14 LUFS、-1.0 dBTP）、推广视频规格、曲目与专辑状态流转等快速提示，同时列出主要文档位置。
researcher
researcher 是一个面向音乐专辑创作场景的调查级研究技能，用于对专辑所需事实进行深度调研与核验。它强调以一手来源为核心，要求完整阅读原始文件而非摘要，并对关键事实进行三个以上独立来源的交叉验证。该技能可提取带页码和上下文的逐字引文，构建证据链，追踪资金流向与人物关系，记录核查方法并预判反驳证据。它支持研究任务与验证任务两种模式，可协调法律、政府、新闻、技术、安全、金融、历史、传记、一手来源及核验等专业研究子角色。使用时需先确定专辑位置，将 RESEARCH.md 与 SOURCES.md 保存到专辑目录，并可加载用户自定义研究偏好。
researchers-biographical
researchers-biographical 是一个用于纪录片音乐项目的传记研究技能，属于 bitwize-music-studio/claude-ai-music-skills 技能集。它围绕专辑或创作主题中涉及的人物，搜集个人背景、访谈内容、动机心理和人性化细节，帮助创作者获得可用于歌词写作的传记素材。该技能定义了传记领域的信息来源层级：第一层为人物自己的话（访谈、自传、演讲、个人博客），第二层为亲近来源（记者特写、同事与家人访谈、授权传记），第三层为报道（新闻特写、杂志专题、播客），第四层为参考资料（维基百科、LinkedIn、公开记录），并要求对维基百科等内容用一手来源核实。使用时会输出结构化的传记来源报告，包含个人信息、关键引语、性格特征、人际关系、转折点、人性化细节、歌词潜力、未知信息与待核实项，并标记需要人工验证的内容。适用场景是纪录片音乐、真实犯罪、人物主题专辑等需要传记背景的创作研究；限制和收费情况暂未提供。
researchers-tech
这是一个面向纪录片式音乐项目的技术研究技能，用于系统性地调研开源项目历史、软件发展脉络、开发者访谈与技术社区资料。它定义了技术领域的信息来源层级（官方文档、邮件列表、会议演讲、开发者访谈、技术新闻等），提供时间线重建、创始人信息查找、收购历史调研等具体方法，并规定统一的来源记录输出格式，包含关键事实、引语、时间线、技术细节、歌词素材潜力与待核实项。适用于专辑主题涉及技术项目、软件历史或开发者故事时的资料收集与整理。
setup
bitwize-music 插件的安装引导技能：检测 Python 环境与 pipx/venv 支持情况，检查 MCP、音频母带、云上传、文档抓取等依赖是否安装并核对 requirements.txt 版本漂移，给出跨平台统一 venv 安装与 Chromium 浏览器配置命令，供首次安装或 MCP 服务器启动失败时使用。
analytics-tracking
Analytics Tracking 是一个用于设置、改进和审计分析追踪与衡量的技能。它帮助用户围绕营销和产品决策建立可执行的追踪方案，涵盖业务背景评估、追踪计划框架、事件命名规范、事件属性设计、GA4 与 Google Tag Manager 实现、UTM 参数策略、调试与验证、隐私与合规等内容。该技能强调“为决策而追踪，而非为数据而追踪”，主张从问题出发反向推导需要追踪的内容，并保持命名一致性和数据质量。适用于需要搭建或优化网站、产品分析追踪体系的场景。
teach-me
teach-me 是一个把当前 AI 智能体变成私人导师的技能，基于学习科学提供结构化的互动学习。它适用于学习概念、接受测验、制定学习计划、生成结构化课程，或产出可复习的 HTML 课程。通过 /teach-me [topic] 调用。核心原则是让学习者自己思考，而非导师单向灌输：在学习者已有可用先验模型并希望互动时，优先采用检索、应用和解释；对真正的新手、直接索要参考资料或受可访问性/时间限制时，直接讲解也是合理的，但被动信息倾倒仍是反模式。技能包含发现式访谈、学习计划生成、可信来源支撑、会话流程（复习、目标、教学、检查、练习、反思、课程、记录）、节奏规则、教学技巧（苏格拉底提问、具体先于抽象、布鲁姆阶梯、交错练习、代码演示、费曼技巧、图表）以及持久化模型（每个主题一个工作区，含计划、资源、术语表、速查表、会话日志、HTML 课程等）。
codely-plan-phase-implement
该技能用于按用户指定的计划文件实现其中某一个阶段的待办事项。每次调用只实现当前阶段，完成后即停止并等待用户审查，不会自动提交或推送代码，只会给出提交信息建议。它通过未勾选的待办项判断当前阶段，更新计划文件的题注、复选框、下一步说明和结尾语句，并记录实现所用工具与模型信息。完成后会建议 3 条备选提交信息，并在完成最后阶段时建议导出对话。
codespring
CodeSpring CLI 是用于项目规划与管理的命令行工具，可管理 workspace、项目、任务、PRD 与思维导图，并支持将代码库分析结果同步到项目结构中。
remotion-best-practices
Remotion 最佳实践技能：为在 React 中创建视频提供领域知识与规则文档。适用于处理 Remotion 代码的场景。技能内含多条规则文件，覆盖 3D、动画、素材导入、音频、元数据计算、解码检测、图表、合成、抽帧、字体、时长与尺寸获取、GIF、图片、光效、Lottie、DOM 与文本测量、序列编排、TailwindCSS、文字动画、时间曲线、转场、透明视频、裁剪、视频嵌入、参数化与地图等主题。涉及字幕、FFmpeg、音频可视化、音效时，需加载对应 rules 子文件获取说明与代码示例。
second-brain-audit
用于审计第二大脑、笔记文件夹或智能体记忆的技能，找出已悄然失效的“状态”类事实，并修复最严重的一处以防复发。区分状态（应替换）与事件（应追加），适用于 Markdown 笔记、单一大文件、日记式笔记及 Notion 等非 Markdown 笔记工具。
api-integration-builder
用于构建可靠第三方 API 集成的技能，涵盖 OAuth、Webhook、限流、错误处理与数据同步，强调防失败、幂等性、用户体验与安全。
product-analytics
Product Analytics 是一套用于产品数据分析的方法与规范，核心是围绕北极星指标建立指标体系，并通过事件追踪、漏斗、同期群和留存曲线来衡量与理解用户行为。它提供类型化的事件追踪代码示例（track、page、identify），并给出漏斗分析、同期群对比、留存曲线好坏判断，以及获客、激活、留存、收入、推荐等关键指标清单。文档同时列出可选的埋点、会话录制、A/B 测试工具与仪表盘设计思路（高管、产品、营销三类看板）。适合在设置分析体系、追踪功能使用或研究用户行为时使用，强调指标聚焦、持续追踪、定期复盘并根据数据快速行动。具体平台集成、收费与实施细节暂未提供。
Red Team Tools and Methodology
面向红队与漏洞赏金场景的技能，整理侦察、子域枚举、存活探测、指纹识别、内容发现、XSS 自动化与 Nuclei 扫描等工具工作流，帮助在授权范围内系统化覆盖攻击面并记录发现。