Skills
收录 97,222 个为 Agent 打包的专项能力与操作指引，复制一行命令即可安装。
创意与媒体
通过 Tripo（tripo3d.ai / VAST 出品的 Tripo AI）的 OpenAPI 和 Studio 平台制作 3D 资产——文生 3D、图生 3D 和多视图生 3D；PBR 贴图；自动绑定和预设动画；重拓扑/低模和四边形重网格；格式转换（GLB/FBX/OBJ/USDZ/STL/3MF）及引擎导入（Unity/Unreal/Blender/3D 打印）。适用于 Agent 需要驱动基于异步任务的 Tripo API（创建任务、轮询或 webhook、下载）、选择模型版本（v3.0 / v3.1 / P1）、编写提示词或准备输入图像、控制网格/贴图参数、估算积分并遵守速率限制、审查生成的网格质量（拓扑、UV、面数、贴图保真度）、运行迭代和修复工作流，或判断 Tripo 生成资产的权利/许可时。在请求用 Tripo 生成、贴图、绑定、动画、重拓扑、转换或评估 3D 模型，或要把 Tripo API 集成到流程中时触发。不适用于选择 3D 渲染器、手工编辑网格或非 Tripo 的生成器。
通过 `runcomfy` CLI 在 RunComfy 上创建 AI 虚拟形象、口播和唇形同步视频。可路由至 ByteDance OmniHuman（音频驱动的全身虚拟形象）、Wan-AI Wan 2-7（通过人像的 `audio_url` 实现音频驱动的口型同步）、HappyHorse 1.0（Arena #1 t2v / i2v，支持单次处理音频）和 Seedance v2 Pro（结合参考音频与参考主体的多模态电影级视频）。该技能会根据用户的实际意图选择合适的模型——UGC 配音、虚拟主持人、配音产品演示、唇形同步角色、对话场景——并提供各模型文档记录的提示模式以及精简的 `runcomfy run` 调用。适用于“talking head”“lip sync”“avatar video”“make X speak”“audio to video”“audio driven avatar”“virtual presenter”“AI spokesperson”“dubbed video”“UGC avatar”“HeyGen alternative”“Synthesia alternative”“digital human”“make this portrait talk”“video from voiceover”，或任何明确要求让人像开口说话的请求。
通过 inference.sh CLI 使用 BiRefNet 去除图像背景。模型：BiRefNet（高精度背景去除）。用于：产品照片、人像、电商、透明 PNG、照片编辑。触发词：remove background、background removal、remove bg、transparent background、cut out image、background remover、rembg、product photo editing、cutout、transparent png、bg removal、photo cutout。
当用户要求“画架构图/流程图/泳道图/时序图/组织架构图/状态机/漏斗/甘特/里程碑/矩阵象限/链路架构/手绘风格架构/复杂业务泳道图/ER 图/思维导图”等任一类型并落地到飞书，或用户给出飞书文档 URL 要求在其中画图，或用户说“同步到飞书/写到飞书画板”时，必须使用本技能。除上述 17 类内置模板外，本技能还提供「自由画图模式（freeform-drawing）」：当用户要求绘制油画/手绘插画/移动端 App 产品原型/地图/游戏画面/桑基图/任意参考图还原等模板覆盖不到的图，或显式说“自由绘图/自由发挥/不要套模板”时，同样必须使用本技能（输出依旧是可二次编辑的飞书画板）。生成路径严格遵循 Normalize → Select → Plan → Layout → Render → StaticCheck → VQA → Deliver 八步，禁止硬编码模板、禁止硬编码坐标、禁止补造用户未提到的业务内容。所有样式都从 assets/style-tokens/ 里读取（代码原生图、自由画图模式除外）。交付前必须通过质量门（按路由执行）与双 reviewer 视觉复核（任一评分低于 9 或出现 blocker 即失败）。
讲解视频制作指南：脚本撰写、配音、视觉素材与剪辑合成。涵盖脚本公式、节奏规则、场景规划与多工具流水线。用于：产品演示、原理讲解视频、引导视频、社交讲解。触发词：explainer video、how to make explainer、product video、demo video、video production、video script、animated explainer、product demo video、tutorial video、onboarding video、walkthrough video、video pipeline。
短剧-公众号信息源 — 每日扫描公众号短剧爆款文章，按阅读量筛选热门内容，智能聚类题材方向后生成包含封面图、互动数据与创作洞察的 HTML 日报。支持按题材（穿越/霸总/重生等）、公众号、时间范围定向查询。查询前脚本先做输入校验：关键词需命中短剧题材词库（topic_keywords 中规定的题材名+全部相关词，如「打脸」命中逆袭题材相关词），命中后直接使用该关键词查询数据；不满足时提醒'关键词不满足查询条件'并推荐相关词，且不发起接口请求；日期超出有效查询范围时提醒并自动回退最近有数据日期，无需用户确认。无数据确认制：查询无匹配数据或数据不足时禁止自动发起任何额外查询（禁止自动降级全量/自动扩展题材），必须先展示推荐题材关键词并等待用户确认后才可查询。当用户需要短剧公众号日报、公众号短剧爆款、短剧热点、短剧创作趋势或自定义题材查询时使用。
为 TikTok、Instagram、YouTube、Twitter/X 创建 AI 驱动的社交媒体内容。生成：图像、视频、reels、shorts、缩略图、文案、话题标签。工具：FLUX、Veo、Seedance、Wan、Kokoro TTS、Claude 用于文案写作。用途：内容创作者、社交媒体运营、网红、品牌。触发词：social media content、tiktok、instagram reels、youtube shorts、twitter post、content creator、ai influencer、social content、reels、shorts、viral content、thumbnail generator、caption generator、hashtag generator、ugc content
使用阿里云 DashScope API 和 LingMou 生成 AI 视频与语音。七项能力 — (1) LivePortrait 说话头（图像 + 音频 → 视频，两步），(2) EMO 说话头，(3) AA/AnimateAnyone 全身动画（三步），(4) T2I 文生图（Wan 2.x，默认 wan2.2-t2i-flash），(5) I2V 图生视频（Wan 2.x，默认 wan2.7-i2v-flash，支持 T2I→I2V 流水线），(6) Qwen TTS（按场景自动选择模型/音色，默认 qwen3-tts-vd-realtime-2026-01-15），(7) LingMou 数字人模板视频，支持随机模板、公共模板复制和脚本确认。当用户需要说话头、人像、全身动画、文生图、文生视频或语音合成时触发。
在 RunComfy 上为任意静态图像制作动画——此技能是一个智能路由器，可根据用户意图在 RunComfy 目录中匹配合适的图生视频模型。一般动画选择 HappyHorse 1.0 I2V（Arena 排名第 1、原生音频、身份保持）；自定义旁白口型同步选择带有 `audio_url` 的 Wan 2.7；基于图像、参考视频和参考音频进行多模态动画制作则选择 Seedance 2.0 Pro。整合每个模型文档中记录的提示词模式，让调用方无需在错误模型上反复尝试，也能获得更出色的输出。通过本地 RunComfy CLI 调用 `runcomfy run <vendor>/<model>/image-to-video`（或对应的端点变体）。在出现“image to video”“image-to-video”“i2v”“animate image”“make this move”等表达，或明确要求将静态图像转换为视频时触发
通过 inference.sh CLI 使用 Real-ESRGAN、Thera、Topaz、FLUX Upscaler 放大并增强图像。模型：Real-ESRGAN、Thera（任意尺寸）、FLUX Dev Upscaler、Topaz Image Upscaler。用于：增强低分辨率图像、放大 AI 艺术图、修复老照片、提升分辨率。触发词：upscale image、image upscaler、enhance image、increase resolution、real esrgan、ai upscale、super resolution、image enhancement、upscaling、enlarge image、higher resolution、4k upscale、hd upscale。
正确、离线优先的 Suno 命令行工具——被弃用的客户端有的全部功能，外加本地 SQLite 库。触发短语：`generate a song with suno`、`make music with suno`、`search my suno library`、`download my suno tracks`、`download a wav from suno`、`organize my suno tracks into a workspace`、`what are my top suno songs`、`use suno`、`run suno`。
通过 inference.sh CLI 使用 Inworld TTS、ElevenLabs、DIA TTS、Kokoro、Chatterbox 等将文字转换为自然语音。模型：Inworld TTS-2（100+ 种语言，情感调控）、Inworld TTS 1.5（超低延迟）、ElevenLabs（优质，22+ 种音色，32 种语言）、DIA TTS（对话式）、Kokoro TTS、Chatterbox、Higgs Audio、VibeVoice（播客）。能力：文字转语音、声音克隆、多说话人对话、播客生成、富有表现力的语音、情感/表达方式调控、角色声音。适用：配音、有声书、播客、无障碍、视频旁白、IVR、语音助手、游戏角色、数字人音频。触发词：text to speech、tts、voice generation、ai voice、speech synthesis、voice over、generate speech、ai narrator、voice cloning、text to audio、elevenlabs、eleven labs、voice ai、ai voiceover、speech generator、natural voice、inworld、inworld tts、character voice、game voice、npc voice
生成专业的 AI 产品摄影和商业图像。模型：FLUX、Imagen 3、Grok、Seedream，用于产品拍摄、生活方式图像、mockup。能力：影棚灯光、生活方式场景、包装、电商图片。用于：电商、Amazon 商品列表、Shopify、营销、广告、mockup。触发词：product photography、product shot、commercial photography、e-commerce images、amazon product photo、shopify images、product mockup、studio product shot、lifestyle product image、advertising photo、packshot、product render、product image ai。
通过 inference.sh CLI 进行 AI 语音生成、文本转语音和语音合成。模型：Inworld TTS-2（100+ 种语言，情绪/非语言引导）、Inworld TTS 1.5（超低延迟）、ElevenLabs（22+ 种高级音色，32 种语言）、Kokoro TTS、DIA、Chatterbox、Higgs、VibeVoice，用于自然语音。能力：多种音色、情绪、口音、长篇旁白、对话、语音转换、表达模式控制、角色音色。用于：配音、有声书、播客、视频旁白、无障碍、游戏 NPC、虚拟形象音频、UGC。触发词：voice cloning、tts、text to speech、ai voice、voice generation、voice synthesis、voice over、narration、speech synthesis、ai narrator、elevenlabs、eleven labs、natural voice、realistic speech、voice ai、voice changer、inworld、inworld tts、character voice、npc voice。
Use when the user wants to analyze or distill a blogger/account on Xiaohongshu or Douyin, benchmark a target creator, or diagnose their own content strategy. Trigger on requests such as “拆解博主””蒸馏博主””分析小红书博主””分析抖音博主” “诊断我的账号””对标账号””内容策略分析””小红书账号分析””抖音账号分析” “分析封面””关键词趋势””升级我的skill”.
设计桌面游戏——从核心机制到制造，从原型制作到 Kickstarter。当提及"board game、tabletop、card game、worker placement、deck building、area control、playtesting、rulebook、kickstarter game、game balance、asymmetric factions、euro game、ameritrash、party game、dice game、prototype、game publisher、crowdfunding game、board-games、tabletop、game-design、mechanics、playtesting、kickstarter、manufacturing、rulebook、components、balance、player-interaction"时使用。
分析图像、视频、语音、动作、产品和网站；调度本地视觉、音频、深度、跟踪、抠像、身份识别和修复模型；自动编辑、复刻、增强、添加字幕、配音、组装、标注、验证并导出可编辑的 Timeline Studio 项目和视频。适用于参考视频重制、滤镜和重复镜头重建、主体感知重构画面、片段拆分、源时间速度曲线、Color Wheels 调色、渐变和定格、人物或产品抠图、人物或物体描边、经授权的人脸替换、镜头和时序重建、时间线标记、章节、节拍提示、审阅备注和区间、提供或从网络获取的素材、AI 视频平台选择、清理、精彩片段、产品推广、网站演示、图像转视频辅助编辑、光流编辑、深度辅助重新布光、灰度深度视频转换、深度／2.5D／转场收尾、AI 配音、字幕、短视频制作、.timeline 自动化或编辑器评估。
在 RunComfy 上编辑图像——此技能是一个智能路由器，可根据用户意图在 RunComfy 目录中匹配合适的图像编辑模型。可选择 Nano Banana Edit（默认保留身份，最多批量处理 20 张）、OpenAI GPT Image 2 Edit（图像内文字多语言改写、多参考图合成、精准布局）、Flux Kontext Pro（单参考图高保真局部编辑）或 Z-Image Turbo Inpaint（由蒙版驱动的精准区域编辑）。整合每个模型文档中记录的提示词模式，让技能无需在错误模型上反复尝试，也能获得更出色的编辑效果。通过本地 RunComfy CLI 调用 `runcomfy run <vendor>/<model>/edit`。在出现“image edit”“edit image”“image-to-image”“i2i”“swap background”“remove object”“rewrite headline”等表达，或明确要求编辑单张或批量图像时触发
使用 Kokoro 进行本地和可自托管的文本转语音，这是 hexgrad 推出的约 82M 参数开放权重（Apache 2.0）模型。适用于离线、设备端、浏览器内或在自有服务器上合成语音，且无按字符 API 成本的场景——用于高产量旁白、有声书、隐私受限的流水线和原型制作。涵盖通过 Python `kokoro` 包运行 Kokoro、浏览器中的 ONNX / kokoro-js，以及 OpenAI 兼容的 Kokoro-FastAPI 封装；选择音色和语言代码；混合音色；切分长文本；通过 misaki/espeak-ng 控制发音；并判断何时 Kokoro 是合适的工具，何时其缺乏声音克隆、情感范围窄、非英语质量较弱意味着应改用托管或更大的模型。不适用于声音克隆、富有表现力/情感的角色演绎或高保真多语言工作——请说明并转至别处。
通过 run-workflow MCP 运行预定义的精选工作流。当用户指名某个精选工作流（retargeting、banners at scale、localization、packaging、banner advertising 等）或要求运行已知的营销/生产工作流时触发。需要 run-workflow MCP。在 compose_workflow 之前必须始终调用 get_featured_workflow。DO NOT TRIGGER 用于没有命名模板的自定义一次性工作流——请使用 run-workflow 技能。
一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。