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。
文档处理
将代码项目转换为 Obsidian 知识库。当用户提到 obsidian、项目文档、知识库、分析项目、转换项目 时激活。 【激活后必须执行】: 1. 先完整阅读本 SKILL.md 文件 2. 理解 AI 写入规则(默认到 00_Inbox/AI/、追加式、统一 Schema) 3. 执行 STEP 0: 使用 AskUserQuestion 询问用户确认 4. 用户确认后才开始 STEP 1 项目扫描 5. 严格按 STEP 0 → 1 → 2 → 3 → 4 顺序执行 【禁止行为】: - 禁止不读 SKILL.md 就开始分析项目 - 禁止跳过 STEP 0 用户确认 - 禁止直接在 30_Resources 创建(先到 00_Inbox/AI/) - 禁止自作主张决定输出位置
为大学生、应届生和实习求职者从 0 创建、定制或美化可投递简历:支持借鉴 Grill Me 的一问一答访谈,从零收集经历并生成 PDF;读取岗位 JD 与旧简历,建立要求—证据映射并针对性改写;在不改变事实的前提下优化已有简历内容结构或只美化排版;按用户明确要求一次生成六种不同风格的 ATS 友好 PDF 简历。适用于“采访我做简历”“没有简历从零问答”“根据 JD 定制简历”“优化/重排/美化已有简历”“一次生成多种风格简历”等请求;支持中文/英文及计算机、软件、AI、数据和其他校招岗位。使用 A-C-R-E 结构审校经历,并按 sparse / balanced / dense 自适应内容密度。禁止虚构经历或数字;默认生成一份最合适的单栏简历,只有用户明确要求比较时才批量生成。不要用于学术申请 CV、资深高管简历、作品集网站、代投职位或单纯模拟面试。
在阅读并分析整个代码库后,为大型软件仓库构建独立的多页 Markdown wiki 包。适用于 Agent 被要求创建仓库 wiki 文档、上手文档、架构指南、代码库导览、维护者手册,或为代码学习者和新维护者深入讲解模块、核心代码路径、算法、设计决策、权衡、测试、工具链和运维时。针对拥有数十万行代码、维护者需要广泛覆盖和深层子系统文档的大型仓库进行了优化。生成的 wiki 必须位于独立包中,通常是 `wiki/` 或 `maintainer-wiki/`,除非用户明确覆盖此设置,否则不得混入现有 `docs/`、`website/` 或产品文档应用。当用户明确要求发布或部署生成的 wiki 时,还支持可选的 Rspress/静态文档站点设置。支持 Markdown 输出,并在有用时使用 Mermaid、Graphviz 和 KaTeX。
当用户想要制作销售资料、提案演示文稿、单页简介、异议处理文档或演示脚本时使用。当用户提到 'sales deck'、'pitch deck'、'one-pager'、'leave-behind'、'objection handling'、'deal-specific ROI analysis'、'demo script'、'talk track'、'sales playbook'、'proposal template'、'buyer persona card'、'help my sales team'、'sales materials' 或 'what should I give my sales reps' 时也使用。凡是能帮助销售团队成交的文档或素材,都用本技能。关于竞品对比页面和作战卡,见 competitor-alternatives。关于营销网站文案,见 copywriting。关于冷启动外联邮件,见 cold-email。
基于代码证据创建选定的前端 Markdown 文档,包括前端架构/设计文档、功能系统图谱、开发者入门、路由与数据流文档、DESIGN.md 合规性和差距分析,覆盖 React、Vite、TanStack Router、TanStack Query、Tailwind CSS、设计系统、UI 质量、无障碍、测试和可维护性问题。当用户要求为前端应用编写文档、梳理 UI 架构或前端系统、帮助前端开发者入门、审计前端文档缺口、记录 systems/<domain> 功能架构、验证前端对 DESIGN.md 的遵循情况、对照 UI 质量实践评估差距,或产出客观的前端文档时使用。不适用于后端文档、通用 README 撰写或实施前端改动。
当用户要求"更新研究"、"分析新实验"、"更新实验文档"或"刷新研究笔记"时,应使用此 skill。产出达到学术论文质量的实验报告,包含 matplotlib 图表、带对比表的执行摘要、实现结构、带图表解读的实验结果、带代码示例的改进建议、假设、局限性,以及带图表的 LaTeX PDF 导出。功能包括增量检测(仅分析新实验)、数据提取到 DataFrame、自动生成图表、带质量标准的迭代写作改进循环、零幻觉验证以及 LaTeX PDF 导出。用法 - `/update-study logs/experiment.log study.md` 或 `/update-study "logs/exp1.log logs/exp2.log" results/ablation_study.md`
免费的 Elicit-columns 替代方案——读取 N 个 PDF(或任何 MarkItDown 支持的文档),构建按论文组织的证据表,列由用户自定义,每篇论文一行,每个要从所有来源中提取的属性/问题一列。当需要从大量论文中提取结构化数据整理成对比表或数据提取表(样本量、方法、主要发现、效应、人群/干预/结局、局限)、将语料筛选整理成电子表格,或把一堆 PDF 中的相同字段提取到 CSV/Markdown 时使用。转换通过 MarkItDown 完成;默认使用离线启发式后端,可选 LLM 后端以获得更精确的答案。属于 AlterLab Academic Skills 套件。
根据候选人的成果、角色背景、评估人关系与受众构成的结构化提示词,起草有证据支撑的各类学术推荐信与证明信——研究生录取、教职招聘、终身教职/晋升外部评审、奖学金以及奖项提名——并按信件类型校准具体程度与语体,同时运行防编造检查,标记缺乏支撑的溢美之词、没有依据的排名以及所提供的材料中无证据支持的断言。附带 scripts/letter_scaffold.py 用于生成分节骨架,scripts/claim_guard.py 用于检查草稿中无证据的断言。当请求为学生或同事撰写推荐信或证明信、终身教职或晋升外部评审信、奖学金或奖项提名,或检查推荐信草稿是否有无支撑的断言时使用。若候选人要自己撰写简历、研究陈述或职业叙事,请优先使用 alterlab-academic-career。属于 AlterLab Academic Skills 套件。
起草课程层面的生成式 AI 使用政策与教学大纲声明:为每项计分任务指定允许/受限/禁止层级(参照 Cornell 的 prohibit/allow-with-attribution/encourage 框架),按现行 APA(2025:引用共享对话或工具)和 MLA 生成式 AI 引用模板撰写披露条款,并结合所在机构自身的学术诚信准则加入考核诚信、无障碍与公平相关表述。附带 scripts/policy_builder.py 生成可直接粘贴的声明,scripts/policy_lint.py 标记含糊或自相矛盾的草稿。当请求提及教学大纲 AI 政策、关于 ChatGPT 或生成式 AI 的课程声明、面向 AI 工具的学术诚信条款、AI 披露规则,或按任务划分的 AI 允许/禁止层级时使用。如需完整的课程设计/逆向设计、教学大纲或评分量表,请使用 alterlab-teaching-design;如需以人为研究对象的 AI 工具伦理,请使用 alterlab-research-ethics。属于 AlterLab Academic Skills 套件。
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。
