cheat-score-blind
cheat-score-blind 是 cheat-on-content 工作流内部的盲评子智能体，用于在隔离上下文中按 7/9 维评分量表给脚本草稿打分。它不接受用户直接调用，只能由 cheat-score、cheat-predict、cheat-bump 通过 Task 工具启动。
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 11-14 00:15
全部 Skills
252,813 个结果
phaser-build
用于 Phaser 4 游戏的构建与部署技能：启动开发服务器、执行生产构建、排查构建与类型错误、配置 Vite，并部署到 itch.io、GitHub Pages、Netlify/Vercel 或 Capacitor。
you-finance
You.com 的 you-finance MCP 技能，用于回答股票价格、代码、财报、公司财务与市场趋势等金融问题，需连接 You.com 金融 MCP 端点并具备相应认证。
devto
该技能用于通过 Forem API v1 在 DEV（dev.to）社区发布、更新和读取文章。它使用 curl 与 jq 调用接口，需要环境变量 $DEVTO_API_KEY 提供 API 密钥，并在每次请求中携带 api-key 与 Accept: application/vnd.forem.api-v1+json 请求头，基础地址为 https://dev.to/api。技能支持先确认密钥并获取当前账号信息，然后以草稿或公开方式发布文章、后续通过 PUT 更新草稿或编辑文章、列出并查看自己已发布与草稿文章的统计数据（如浏览量、反应数、评论数）。发布时默认使用草稿（published:false），除非用户明确要求立即发布；跨平台转载时可设置 canonical_url 指向原文以保留 SEO 归属。文章正文以 Markdown 为准，顶部 front-matter 可覆盖标题、标签、系列、封面图等字段。限制包括：标签最多 4 个、小写且不含空格；文章创建与更新有速率限制，批量发布需间隔以免返回 429；401 表示密钥无效需重新连接 DEV 连接器。发布成功后应调用一次内置 publish_artifact 工具记录真实返回的 URL。
chengfeng-subtitle
为已剪好的口播视频生成字幕的技能：基于已有逐词稿与剪辑账本推算剪后时间，无需重新转录；用词典和作者文稿修正听错的专名，按句子分屏，并在 Studio 中逐屏复核。产出 subtitles.json，不负责删词剪辑、物理剪切、分镜动画或成片渲染。
gemini-image
通过 scripts/ 下的脚本调用 Google Gemini 与 Imagen 模型，将文本提示词生成图像。支持多种模型、分辨率（1K/2K/4K）、宽高比、批量生成与人物生成策略控制，输出 PNG 文件。
nuwa-skill
nuwa-skill（女娲造人）是一套人物/主题思维框架蒸馏技能：输入人名、主题或模糊需求，自动深度调研、提炼思维模型并生成可运行的人物 Skill。支持明确人物直接蒸馏、模糊需求先诊断推荐再蒸馏两种入口，触发词含「造skill」「蒸馏XX」「女娲」「造人」等。
ralph-loop
ralph-loop 是一套让 Claude Code 以“Ralph Wiggum 循环模式”自主迭代完成任务的方法：提示词保持不变，代码库逐轮累积改动，直到满足明确的完成条件后自动退出，适合边界清晰、可程序化验证的实现、重构、迁移与测试驱动任务。
gaokao-assistant
gaokao-assistant 是一个通过命令行查询中国高考数据的工具，数据来源为教育部下属中国教育在线运营的掌上高考（gaokao.cn）。它基于公开 CDN JSON API，无需浏览器或 WebBridge。主要功能包括：查询 31 个省份列表、省控线/批次线、一分一段表（含同位分）、院校查询（支持 985/211/双一流筛选）以及批次改革历史。所有命令以 JSON 格式输出，适用于需要高考分数线、位次、院校信息或录取参考的场景。
react-email
React Email 是一个使用 React 组件构建和发送 HTML 邮件的工具，提供基于组件的现代邮件开发方式，兼容主流邮件客户端。它包含开发预览服务器、可视化邮件编辑器、模板渲染与导出、多语言支持等能力，并可与任意邮件服务商配合发送邮件。
react-email
React Email 是一个使用 React 组件构建和发送 HTML 邮件的工具，采用组件化方式开发邮件，兼容主流邮件客户端。可通过 npm 安装或使用脚手架创建项目，提供本地预览开发服务器。支持 Tailwind 样式、渲染为 HTML 或纯文本、与多种邮件服务商集成发送，并内置可视化邮件编辑器。
hyperframes-cli
HyperFrames CLI 是用于 HTML 视频合成的命令行开发工具，通过 npx hyperframes 完成脚手架、校验、预览与渲染，需 Node.js 22 及以上和 FFmpeg。
manim-video
基于 Manim Community Edition 的数学与技术动画制作流程，用于生成 3Blue1Brown 风格讲解视频，支持概念解释、公式推导、算法可视化、数据故事、架构图、论文讲解与 3D 可视化。
amazon-category-research
Amazon Category Research 是一个用于亚马逊 KDP 图书出版的类目研究技能，帮助作者在图书上市规划、竞争分析和类目选择优化时，寻找利润较高且竞争较低的亚马逊图书类目。它提供一套引导式工作流程，包括确定体裁范围、逐级研究子类目、分析类目内第1名与第100名畅销书的 BSR 与预估日销量、解读竞争信号，以及对目标类目前10本书进行价格、评论数、封面风格、标题关键词和页数等维度的竞品分析，最终输出包含3个目标类目、竞争分析和推荐建议的模板。
prompt-optimizer
Prompt 优化助手，帮助用户根据任务场景选择合适的提示词框架，并生成更清晰、更可执行的 prompt。适合优化提示词、改进 AI 指令或为特定任务设计更好 prompt 的场景，必要时先追问关键信息。
schema-builder
schema-builder 是 Convex 官方智能体插件集合中的一个技能（Skill），用于设计和生成 Convex 数据库 schema，包括字段校验器、索引和表间关系。当需要创建 convex/schema.ts 或修改表定义时使用。该技能提供结构化的设计原则（文档-关系型建模、为外键建索引、限制数组大小、强类型校验）、可直接套用的 schema 模板、一对多/多对多/层级数据等常见模式的示例、校验器参考、索引策略、检查清单以及从嵌套结构迁移到关系型结构的示例。
prompt-engineer
面向大语言模型与AI系统的提示词优化技能，可将模糊需求转化为精确、稳定、高质量的提示词，适用于构建AI功能、提升智能体表现和编写系统提示。
team-builder
team-builder 是一个基于组织心理学设计高效团队结构的技能，可分析团队角色、性格与技能互补性，并在发现团队缺少某项专长时即时创建新技能。适用于团队组建、角色设计与能力缺口分析。
datahub-setup
DataHub Setup 是用于配置 DataHub 环境的技能，指导安装 DataHub CLI、配置认证、验证连通性，并设置默认作用域与配置文件，供其他 DataHub 交互技能使用。
algolia-search
Algolia 搜索集成技能，提供 React InstantSearch、Next.js 服务端渲染、索引与数据同步策略以及相关性调优的专家模式，适用于为应用添加搜索功能的场景。
azure-functions
面向 Azure Functions 开发的专家模式集合，涵盖隔离工作进程模型、Durable Functions 编排、冷启动优化与生产实践，并列出常见反模式与注意事项。
form-cro
用于优化注册以外的各类表单（线索收集、联系、演示申请、申请、问卷、结账、报价等）的转化率技能，通过精简字段、优化布局与文案、降低认知负担和减少摩擦来提升完成率，并提出可测试的A/B实验假设。
openapi-to-typescript
将 OpenAPI 3.0 JSON/YAML 规范转换为 TypeScript 接口与类型守卫的技能，可根据 components/schemas 与 paths 生成类型、请求/响应类型及 is 类型守卫，默认保存到 types/api.ts 且需 OpenAPI 3.0.x。
vaex
Vaex 是一个面向超大规模表格数据的高性能 Python 库，采用惰性求值与核外（out-of-core）DataFrame 设计，可处理和分析超出可用内存的表格数据集。资料称其每秒可处理超过十亿行，支持对数十亿行数据进行交互式探索与分析。它适用于大于内存（从 GB 到 TB 级）的表格数据、对海量数据做快速统计聚合、为大数据创建可视化与热力图、在大数据上构建机器学习流水线、在 CSV、HDF5、Arrow、Parquet 等格式间转换，以及需要惰性求值和虚拟列以避免内存开销的场景，例如天文数据、金融时间序列等大规模科学数据。核心能力涵盖六个方面：DataFrame 与数据加载、数据处理与操作、性能与优化、数据可视化、机器学习集成、I/O 操作。典型用法是先通过 vaex.open 打开文件或从 pandas/NumPy 等创建 DataFrame，再用虚拟列、筛选与聚合进行计算，最后可视化或导出为 HDF5 等格式。