Skills
收录 96,981 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
世界级关卡设计专业知识——空间叙事、玩家动线、blockout 方法论，以及在不被察觉的情况下引导玩家的无形之手。当提及 "level design, blockout, graybox, whitebox, player flow, level layout, combat arena, exploration space, map design, multiplayer map, pacing, weenie, landmark, gating, metroidvania, open world design, linear level, environmental storytelling, teaching through design, playtesting, heatmap, metrics, sightlines, level-design, game-development, spatial-design, blockout, graybox, player-flow, pacing, environmental-storytelling, combat-design, multiplayer-maps, open-world, linear-design, metroidvania" 时使用。
游戏中实时与烘焙光照的专家知识——从电影摄影基础到引擎专属优化，涵盖 GI、时段、体积光和平台感知的光照管线。当提到“lighting、light design、baked lighting、realtime lighting、lightmap、lightmapping、light probe、reflection probe、global illumination、GI、ambient occlusion、shadow、shadow cascade、time of day、day night cycle、volumetric fog、volumetric lighting、god rays、HDR、tonemapping、bloom、exposure、emissive、area light、Lumen、Enlighten、ray tracing、RTGI、light baking、lighting、global-illumination、lightmapping、shadows、GI、light-probes、reflection-probes、HDR、tonemapping、volumetric、fog、time-of-day、baked、realtime、mixed-lighting、lumen、enlighten、radiosity、ray-tracing、RTGI”时使用。
完整的 Docker FFmpeg 部署系统。以下情况请主动启用：(1) Docker FFmpeg 镜像选择（jrottenberg、linuxserver），(2) GPU 直通（NVIDIA、Intel、AMD），(3) 卷挂载与权限，(4) Docker Compose 视频处理，(5) Kubernetes FFmpeg 任务，(6) 自定义 Dockerfile 构建，(7) Windows/Linux/macOS 的 Docker 用法，(8) 资源限制与优化，(9) 监视文件夹自动化，(10) 生产级容器模式。提供：镜像对比表、GPU Docker 命令、Compose 示例、K8s 清单、故障排查指南。确保：跨平台一致且隔离的 FFmpeg 环境。
权威的 Python-FFmpeg 参数集成参考，确保类型安全、准确的参数映射与正确的单位换算。以下情况主动激活：(1) ffmpeg-python 库用法，(2) Python subprocess 调用 FFmpeg，(3) 字幕参数映射（drawtext、ASS），(4) 颜色格式转换（BGR、RGB、ABGR、ASS &HAABBGGRR），(5) 时间单位换算（秒、厘秒、毫秒），(6) 类型安全校验（int、float、string），(7) 坐标系，(8) 参数范围约束，(9) 帧管道处理，(10) 类型不匹配的错误检测。提供：完整的参数类型参考、颜色格式转换表、时间单位换算公式、校验模式，以及类型标注正确的可用 Python 示例。
当用户要求 "generate an icon"、"create a favicon"、"make an app icon"、"create iOS icon"、"create Android icon"、"generate PWA icons"、"make desktop app icon"、"create Windows icon"、"create macOS icon"、"app store icon"、"Play Store icon"、"App Store icon"，或需要具备各平台特定尺寸的 AI 生成图标时，应使用此技能。
一个 MCP，30 多个图像和视频模型。当用户想通过 Higgsfield（Seedance 2.0、Sora 2、Veo、Kling、Nano Banana Pro、GPT Image 2、Flux、Hailuo、Soul、Cinema Studio 等）生成图像或视频，又不想为每个提供商分别管理 API key 时使用本 skill。触发词为 "higgsfield"、"higgsfield mcp"、"use higgsfield"，或用户已订阅 Higgsfield 时的任何图像/视频生成请求。
当用户说「深化选题」「分析选题」「帮我写大纲」「这个选题能火吗」「帮我做选题诊断」「这个选题值得做吗」「选题怎么改更好」时，应使用本 skill。即使用户只是抛出一个选题想问意见，也应主动进入诊断流程而不是简单回答。 认知劫持理论驱动，四层模块：视角碰撞（挑战选题前提）、选题诊断（🚲🛵🚗✈️分级）、大纲设计（情绪波峰设计）、风格校验（li-writer 风格对齐），生成完整深化报告并保存文件。 不应触发：仅记录选题（用 li-recorder）、直接写脚本（用 li-writer）。 Use when the user wants to "develop a topic", "analyze topic potential", "write an outline", "will this topic go viral", or needs full topic diagnosis + outline design. Trigger even if the user just shares a topic and asks for opinions.
将创意想法转化为专业、可直接投入制作的剧本，并针对 AI 视频生成流水线进行优化。把原始概念转换为结构化的逐场景叙事，包含丰富的视觉描述、规范的剧本格式，以及带 XML 标签的输出，以便与图像/视频生成工具（imagine、arch-v）无缝集成。适用场景：将故事创意转换为剧本格式、为 AI 视频流水线准备内容、为 5-10 分钟短片构建叙事结构、为图像生成撰写视觉丰富的场景描述。工作流：原始创意 → 场景拆解 → 视觉增强 → 专业格式化 → 带 XML 标签的 markdown 输出。输出：包含 XML 包裹场景、丰富视觉描述、规范剧本要素（场景标题、动作、对白）以及用于流水线处理的元数据的 Markdown 文档。
无需屏幕录制即可制作产品演示和发布说明视频。根据应用源代码将其屏幕重建为静态 React 页面，然后在 Remotion 中使用脚本控制的光标和摄像机（lib/components Stage + Cursor）驱动页面。适用于为可读取源代码的应用制作产品导览、功能演示、发布说明或更新日志视频，或 Playwright 录制不稳定、需要测试数据或录制内容容易过时的情况。触发场景包括：合成演示、重建 UI、发布视频、功能导览、根据源代码制作产品演示、脚本控制的光标、摄像机缩放 UI、无需屏幕录制。
检测并修复 AI 生成写作的痕迹（slop）。全面的检测覆盖 3 个严重度层级中的 50 多种模式，结构问题的权重高于词汇痕迹，含评分系统和可直接修复问题的编辑模式。适用于扫描任何内容中的 AI 痕迹、发布前审查草稿、检查写作是否“像 AI”、使 AI 生成文本更自然，或验证内容真实性。触发词包括“check for slop”、“does this sound like AI”、“humanize this”、“AI audit”、“slop check”、“clean up AI writing”，或任何检测/移除人工痕迹模式的请求。也建议在发布任何 AI 辅助内容前主动使用。
用于无服务器视频处理的完整 Modal.com FFmpeg 部署系统。以下情况请主动启用：(1) Modal.com FFmpeg 容器搭建，(2) Modal 上的 GPU 加速视频编码（NVIDIA、NVENC），(3) 使用 Modal map/starmap 的并行视频处理，(4) 为大型视频文件挂载 Volume，(5) CPU 与 GPU 容器成本优化，(6) 为 FFmpeg 执行 apt_install/pip_install，(7) Python subprocess 调用 FFmpeg 的模式，(8) 大规模批量视频转码，(9) 视频工作负载的 Modal 定价，(10) 结合 Whisper 进行音频/视频处理。提供：镜像配置示例、GPU 容器模式、并行处理代码、Volume 用法、成本对比、可上生产的 FFmpeg 部署。确保：在 Modal 无服务器基础设施上高效、可扩展地处理视频。
将 MIDI/MusicXML 文件合成并渲染为音频（WAV/MP3），并生成 Strudel 实时编码模式以进行创意音乐处理。使用来自 audio-to-midi 的分析数据（速度、调性、和弦、力度）进行智能幽灵音符去除和准确再现。两种工作流：(1) 将 MIDI/MusicXML 转换为带音符时值的 Strudel/TidalCycles 代码，以便在浏览器中于 strudel.cc 进行交互式调整；(2) 使用 FluidSynth 或内置合成将 MIDI/MusicXML 渲染为 WAV/MP3，并可控制速度、移调、乐器覆盖和幽灵音符清理。当用户想要以下操作时触发：播放 MIDI 文件、将 MIDI 渲染为音频、合成 MIDI、将 MIDI 转换为 Strudel 代码、从 MIDI 创建实时编码模式、更改乐器、移调或改变速度、清理幽灵音符，或任何 MIDI 播放/合成任务。
使用可用的浏览器控制工作流、可选的 Playwright Videos（用于更高捕获帧率）以及确定性编码，将浏览器或 Web UI 交互演示录制为优化过的 GIF，然后用 `gh --attach` 将 GIF 附加到 pull request；在无法使用 attach 的场景下，退回到专用的 assets 分支。当被要求制作、录制或生成展示浏览器工作流的 GIF 时使用；对于每个改变产品用户可见 GUI 行为的 pull request 都应使用，此类 PR 必须包含从该 pull request 的真实服务器和模型流程录制的 GIF。
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。