vmake-video-remove-watermark
vmake-video-remove-watermark 是一个用于去除视频水印并修复被水印遮挡画面的技能,基于 vmake-labs-cli 的 video-remove-auto 工具。服务会自动识别需要移除的内容并修复帧画面,适合需要清理视频水印覆盖层的场景。
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
251,413 个结果
vmake-video-remove-watermark 是一个用于去除视频水印并修复被水印遮挡画面的技能,基于 vmake-labs-cli 的 video-remove-auto 工具。服务会自动识别需要移除的内容并修复帧画面,适合需要清理视频水印覆盖层的场景。
该技能提供端到端的药物安全审查流程,整合 FDA 标签、FAERS 不良事件报告、PRR/ROR 不成比例分析、药物基因组学生物标志物、临床试验数据与已发表文献。适用于监管评估、药物警戒和临床决策支持。核心原则包括:以 FDA 标签为权威基准、FAERS 信号需结合标签与文献佐证、不成比例分析不等于因果关系、药物基因组学可缩小风险人群范围。工作流分为药物识别、标签提取、FAERS 信号检测、药物基因组学、临床试验、文献证据和综合安全报告七个阶段,强调先查数据库而非凭记忆推断,并要求通过 Python 实际执行计算而非仅描述。
该技能提供将 OCaml 项目、库、模块与测试套件迁移到地道 MoonBit 的指南,适用于把 OCaml 代码翻译为 MoonBit 或规划大规模迁移。核心原则是先移植行为、数据不变量与公开契约,再翻译语法;最常见的移植缺陷是把 OCaml 的 string(字节序列)静默强转为 MoonBit 的 String(UTF-16 文本),因此需按含义逐字段分类后再选类型。内容涵盖迁移工作流、类型映射速查表、Bytes 与 String 的区别、BytesView、整数与浮点语义、数据结构与查找表等,并给出可用 moon run -c 复现的探针示例。
审计 MCP 服务器工具投毒、工具遮蔽、rug pull、SSRF 与未认证暴露的安全技能,使用 Invariant Labs 的 mcp-scan 做静态与运行时扫描,并配合手工检查与工具哈希固定。
该技能介绍如何用 GitLab CI/CD 构建 DevSecOps 流水线,将 SAST、DAST、容器扫描、依赖扫描、密钥检测与许可证合规等安全测试嵌入 CI/CD,实现安全左移,并借助 GitLab Duo AI 辅助识别 SAST 误报。
pp-stripe 是一个驱动 stripe-pp-cli 的技能,提供 Stripe 全功能命令行访问,并附带本地 SQLite 镜像(支持全文检索、跨实体 SQL 和分析),可用于客户健康评分、催收队列、对账、订阅风险等运维分析。
digital-eguide 是一个用于生成双页数字电子指南预览的技能:左页为封面,右页为内页跨版,采用生活方式创作者风格、大量留白、衬线展示标题与严谨分栏节奏。
用于演讲与营销场景的网页幻灯片技能:生成单文件 HTML 横向翻页演示稿,采用电子杂志与电子墨水混合视觉风格,含 WebGL 流体背景、衬线大标题、Lucide 线性图标与左右翻页交互,适合线下演讲、发布会与 Demo Day。
这是一个用于严谨 A/B 测试统计分析的技能,适用于实验结束后的上线/不上线决策、结果显著性判断、样本比例失衡(SRM)检查、样本量规划以及结果争议时的规范化分析。它提供从确认实验设计、SRM 卡方检验、各变体指标与置信区间计算、显著性检验(率用双比例 z 检验、均值用 Welch t 检验)、护栏指标检查到生成上线/不上线/延长建议的完整流程,并附带分析脚本、统计检验参考、实验设计指南和报告模板。
用于为指标、维度和实体构建结构化语义层文档的技能,可在定义业务指标、编写数据模型文档或搭建 dbt Semantic Layer 时激活。
om-auto-merge-triage 是 open-mercato/skills 技能集合中的一个技能,用于从仓库中筛选并排序适合进入自动合并队列的开放 PR。它基于分层资格规则和 AI 判断,识别接近合并、修复有意义且重要的 PR,包括带有截图和有限修改请求的旧 PR。技能先按配置硬性门槛过滤,再按标签分层排序,对入围 PR 进行 AI 评估,最终提出建议并等待人工确认后,仅为确认的 PR 添加 automerge 标签。该技能本身不提交审查、不修复、不合并,也不移除任何标签,仅在人工确认后打一个标签和留下判断依据评论。
review-pr 是 openclaw/openclaw 提供的脚本优先、只读式 GitHub PR 审查技能,用于确定性地分析拉取请求,并生成结构化审查结果,交接给 /prepare-pr。
Mastra 框架使用指南技能,强调不要依赖记忆中的旧 API,而应先查当前文档再写代码。涵盖包安装检查、嵌入式与远程文档查找、常见错误排查、版本迁移,以及 Agent、Workflow、Tool、Memory、RAG、Storage 等核心概念。
面向 AI 工程实践的专家级技能,覆盖 LLM 集成与编排、提示工程、RAG、向量库与嵌入、微调、智能体系统,以及模型部署、API 设计、限流与成本控制、错误回退、监控日志和安全防护等生产化主题。
嵌入式 C 代码风格助手,基于 51 单片机教学项目的代码规范总结。默认使用蛇形命名(snake_case),可选驼峰命名,用于创建符合嵌入式规范的项目结构、优化代码风格、生成硬件驱动模板,适用于 51 单片机、STM32 等嵌入式 C 项目。
PostHog Web 分析 Live 标签页的使用技能,用于查看实时流量:在线用户、近30分钟浏览量、热门页面、来源、设备、浏览器、国家与机器人流量,并可将实时视图转为产品分析洞察。
Threat Model 是面向代码库的安全威胁建模工具,用于系统化分析攻击面、信任边界与不可信数据流。它不满足于表层枚举风险,而是沿实际代码路径追踪不可信输入,将发现按根因聚类,并构建组合多个问题的漏洞利用链,从而给出有证据支撑的结构化威胁模型。适用于对代码库做安全评审、为认证/加密/文件 IO/网络/原生桥接等安全敏感功能做前置评估、评审新代码库或重大架构变更、以增量模式审查 PR 或近期提交的安全回归,以及安全事件后重新评估威胁态势。工作流包含十个阶段:差异分析(可选,限定到变更代码)、代码库调查、组件映射、资产识别、信任边界划分、数据流追踪、攻击面枚举、模式聚类(3 个以上同根因发现)、利用链构建、严重度校准与输出。核心分析技术包括数据流追踪、模式聚类、利用链、跨语言桥接分析和差异分析。输出两个文件:findings.json 作为机器可读的事实来源,可被 threat-patch 消费用于自动修复并跟踪发现状态;THREAT-MODEL.md 为人类可读文档,含概览、信任边界、攻击面、系统性发现、利用链和严重性校准六个部分。支持全量分析与差异分析两种模式,差异分析适合日常持续审查。
frontend-design 是一个面向前端界面设计与实现的工作流技能,强调按用户、任务、内容、产品类别与技术约束做适配,而不是套用单一视觉风格。无障碍、功能正确、响应式可用等属于硬性门槛。
MVPFy 初始化技能:在消费方项目中准备、校验并更新 MVPFy 结构,安装技能并保留 MVP.md 与既有状态。
基于 BepInEx 的《深海迷航2》(Subnautica 2) 多人联机模组,提供同步合作玩法、自适应难度缩放与共享世界状态,支持 P2P WebRTC 联机及可选 AI 叙事。
介绍 Hermes Agent(Nous Research)生态的技能,涵盖官方资源、社区技能、插件、工具、集成、部署模式与技能标准,并说明生产、测试、实验三级成熟度及安装配置用法。
Chrome DevTools MCP 是一个 Model Context Protocol(MCP)服务器,为 AI 编程智能体提供浏览器自动化、调试与性能分析能力,基于 Puppeteer,可通过 MCP 客户端或 CLI 使用。
symfony-security-auditor 是一款面向 Symfony 应用的 AI 多智能体安全审计工具,通过大语言模型检测传统 SAST 工具难以发现的漏洞,包括业务逻辑缺陷、访问控制失效、复杂注入链、批量赋值以及 Symfony 特有的防火墙配置、Twig 与 Messenger 处理器问题。它采用三阶段流水线:递归扫描 .php、.twig、.yaml、.xml 文件,对控制器、实体、Voter、表单、路由进行分类,再由攻击者智能体与审查者智能体对抗式审计并消除误报。支持控制台、JSON、SARIF、HTML 多种输出,可通过 symfony/ai 接入 Claude、GPT、Gemini、Mistral、Llama、DeepSeek、Ollama 等模型,并提供 fast、balanced、thorough 三种预设配置。
该技能用于撰写、重写和改进简历中的要点、章节及任何简历文本,核心是让简历成为面向未来的推销文档而非过往履历记录。内容涵盖要点构成(从量化结果、做什么、怎么做、需求、下游影响、背景、行业关键词等7个要素中最多选3个)、"So what?"检验、XYZ脚手架、软技能须通过经历证明、首条要点作为标题、要点长度控制(目标1行,2行要点控制在1.2-1.8行,每个职位3-5条)、量化方法(数字须有分母、百分比或时间范围锚定)、用词选择(避免"Responsible for""team player"等泛化词与被动语态,使用Led、Increased等具体动词)、针对职位描述定制(镜像职位名称与关键词)、关键词前置、结构与格式(标准标题、一致日期格式、晋升写法、删除初级信号)、视觉层级(F型扫描、页边距0.5-0.75英寸、留白)以及性别化语言规避。