Skills

D

desktop-control

dalehurley / phpbot

通过辅助功能控制鼠标、键盘并读取屏幕内容。当用户要求在屏幕某处点击、在应用中输入文本、移动鼠标、按下键盘快捷键、读取屏幕内容、获取当前窗口的辅助功能树、自动化桌面交互或控制计算机时使用此技能。

面向不同学科和学习风格的个性化辅导、学习策略、课程规划和教育支持

F

file-organizer

ovachiever / droid-tings

通过理解上下文、查找重复文件、建议更合理的结构以及自动执行清理任务，智能整理你电脑中的文件和文件夹。减轻认知负担，无需手动操作即可保持数字工作区整洁。

通过理解上下文、查找重复文件、建议更合理的结构以及自动执行清理任务，智能整理你电脑中的文件和文件夹。减轻认知负担，无需手动操作即可保持数字工作区整洁。

F

folder-organizer

timlai666 / skills

当用户想要扫描、审计、分析或整理某个文件夹或一批文件时，必须使用此 skill——无论是直接上传到对话中的文件、通过本地路径指定的文件，还是口头描述的文件。在收到整理檔案、掃描資料夾、幫我分類檔案、檔案整理計畫、資料夾結構建議、file organization、folder audit、help me sort my files、clean up my downloads、rename and categorize files、suggest a folder structure 等请求时触发。必须遵循先计划、后执行的模式，并且在用户确认完整计划之前，绝不能重命名、移动或删除任何内容。

F

follow-builders

43college / 43-agent-skills

AI 构建者日报 — 追踪 X 和 YouTube 播客上的顶尖 AI 构建者，将内容混编为易读摘要。当用户想了解 AI 行业动态、构建者近况或调用 /ai 时使用。无需 API 密钥或依赖 — 所有内容从中央 feed 获取。

查询 GitHub Trending 热门项目，支持按编程语言、日期范围、口语（文档语言）筛选。当用户想了解 GitHub 今日/本周/本月热门项目、特定语言的热门仓库、或中文文档的热门项目时使用此技能。

G

gmail

aws-samples / sample-strands-agent-with-agentcore

读取、发送、起草、删除和整理 Gmail 邮件

G

google-ai-mode-skill

pleaseprompto / google-ai-mode-skill

当用户请求超出知识截止日期的当前信息、文档、编码示例或网络研究时使用此 skill。它查询 Google 的 AI 搜索模式，以检索来自 100 多个网站的、带来源引用的全面 AI 生成概述。返回带内联脚注引用 [1][2][3] 的 markdown。你会收到一个详细的 Markdown 文件，其中的引用和信息直接摘自 Google 的 AI 搜索。非常适合你获取新信息和线索以进行进一步研究。

通过托管 OAuth 集成 Google Calendar API。创建事件、列出日历、检查可用性并管理日程。当用户希望与 Google Calendar 交互时使用此技能。对于其他第三方应用，请使用 api-gateway 技能（https://clawhub.ai/byungkyu/api-gateway）。

G

gwas-database

ovachiever / droid-tings

查询 NHGRI-EBI GWAS Catalog 中的 SNP-性状关联。按 rs ID、疾病/性状或基因搜索变异，并获取 p 值和汇总统计数据，用于遗传流行病学和多基因风险评分。

H

himalaya

cowork-os / cowork-os

通过 IMAP/SMTP 管理邮件的命令行工具。使用 `himalaya` 在终端中列出、阅读、撰写、回复、转发、搜索和整理邮件。支持多个账户，并使用 MML（MIME Meta Language）撰写邮件。

H

hum-critical-thinking

asgard-ai-platform / skills

运用结构化批判性思维——识别主张、证据、推理链、隐含假设和逻辑谬误——严格评估或构建具体的书面论证。当用户提出一个具体的论证、主张、评论文章、研究发现或推理内容并要求分析其逻辑有效性或缺陷时使用本技能，即使用户只是问“这个论证成立吗”“这里面有哪些逻辑谬误”或“我这篇论文里做了哪些假设”。不要用于随意的计划review、行程规划、项目风险头脑风暴或事前验尸——‘给我的计划挑毛病’这类请求属于红队／风险review，不是论证分析。

H

hum-rhetoric

asgard-ai-platform / skills

运用古典修辞学——Ethos、Pathos、Logos——分析说服性沟通并构建有效论证。当用户需要让演讲更有说服力、分析某段沟通为何有效、撰写有吸引力的提案，或评估修辞策略时使用本技能——即使用户说的是 'make this more convincing'、'why is this speech so powerful' 或 'how do I persuade the board'。

I

idea-superpowers-suite

akoliteza / hermes-agent-idea-workflow

在运行完整的创意工作流时使用：捕捉粗略想法，将其扩展为设计/UI/实现文档，研究同类产品，并生成可直接构建的 Markdown 产物。

I

idea-to-design-doc

akoliteza / hermes-agent-idea-workflow

在通过引导式提问将粗略想法转化为聚焦的产品/设计 Markdown 文档、且不急于进入实现阶段时使用。

I

imap-smtp-email

gzlicanyi / mail-skills

通过 IMAP/SMTP 收取和发送邮件。检查新邮件/未读邮件、获取内容、搜索邮箱、标记已读/未读，并发送带附件的邮件。支持多个账户。适用于任何 IMAP/SMTP 服务，包括 Gmail、Outlook、163.com、vip.163.com、126.com、vip.126.com、188.com 和 vip.188.com。

J

jina-web-fetch

xiaojiongqian / skills-hub

先通过普通 HTTP 请求获取网页文本，当直接访问失败或返回需要登录/被 JS 拦截的内容时，自动回退到 jina.ai 代理。适用于从 X（Twitter）或其他难以直接读取的页面提取内容。

J

jira

chenhunghan / jira-skill

使用本 skill 处理通过 Atlassian CLI（`acli`）操作 Jira 工作项的任务。当用户提到 Jira、JQL、像 `ABC-123` 这样的 issue 或 ticket 键、经办人、状态变更、评论、富文本 Jira 描述，或需要转换为 Jira ADF 的 Markdown 时触发。先从显式的 issue 键或项目键解析项目，然后是 `.jira-skill.json`（向上搜索至仓库根目录），再是 `~/.config/jira-skill/config.json`，之后停止并询问用户——绝不自动选择。不要用于 GitHub PR 编辑、仓库/代码库搜索（即使 "jira" 作为包名或库名出现）、git 分支命名、Confluence、认证设置、REST API 脚本编写或非 Jira 的跟踪器。

L

light-citation

light0305 / light-skills

为 Light 第 10 阶段核验学术参考文献及 claim 与引用的支撑关系。适用于审计稿件、claim 映射表、参考文献目录、DOI/arXiv/PMID/ISBN/URL、BibTeX/CSL、citekey、嵌合或伪造引用、撤稿/更正提醒，或为排版准备规范的引用登记表。构建保留来源链的清单，用独立权威来源确认元数据，区分 CONFIRMED/CONFIRMED-MISSING/UNAVAILABLE/UNRESOLVED，记录 Crossref 更新方向，并输出引用门与交付产物。

L

light-idea-generation

light0305 / light-skills

Light 科研主线第 3 步·提 idea：从模糊方向/数据/文献结构化发散（激发算子系统生成，不是泛泛头脑风暴）→ 产值得做且做得成的分层候选 idea（moonshot 冲刺/solid 稳妥/safe 保底），每个必答为什么值得做·创新点·比现有强在哪·解决什么具体问题·能投什么层次，且提出时就自带撞车前置自查（最像的前作+delta，吃上游 literature-search 领域地图）。何时用：用户问“这个方向/数据能做什么” / 要创新点·研究思路·选题·突破口 / 帮我想 idea / brainstorm research ideas / 这 idea 行不行（先生成再送 idea-critique 严审）。触发词：提 idea / 想 idea / 创新点 / 研究思路 / 选题 / 突破口 / 差异化 / 这个方向能做什么 / 有什么可做的 / brainstorm / research idea / ideation / 新点子 / 立项。核心纪律：不下 novel/无创新的最终判决（那是 idea-critique 的 critical 门，生成端只产撞车 warn 信号）；用证据根→机制/假设 delta→信息增益→最小判别实验谱系约束候选；过 innovation_engine 反拼接门，把原创来源分型（新问题/新机制/新测量/新数据/新理论/跨域迁移/工程增量）与 claim 强度绑定；数量/七角度只作 advisory，机制多样性才是硬门。

L

light-memory-pm

light0305 / light-skills

Light 项目运行时记忆与项目管理常驻技能：把“项目做到哪/定了啥/出到哪版/术语怎么统一/上次断哪”落到每个项目自己的 .light/ 目录（项目卡 + 决策日志 + 版本史 + 受控术语表 + 跨会话交接卡），复用 passport.py 引擎管 DAG 台账（不重造）。它是 consistency 事实源的归属方，定义一改即变更广播回扫所有材料；是总控“会话开头自动汇报上次断哪”的记忆底座。何时用：长期/跨会话项目、需记住背景/进展/版本/决策、会话开头续跑或接手、重要进展后立即落账、上下文将尽要交接、改术语/指标/创新点定义后。触发词：记忆 / 项目管理 / 项目卡 / 决策日志 / 版本史 / 版本记录 / 续跑 / 接手 / 上次断哪 / 下一步 / 交接 / handoff / 启动提示词 / 术语表 / 变更广播 / 归档 / 台账 / .light / passport / 跨会话。核心纪律：记忆落 .light/ 显式文件（非向量检索）；相对日期转绝对；外部可变事实带 [snapshot]；自洽用 pm.py audit 出 exit code（不口头说“记过了”）；不可逆决策（归档/教训回写）停下问用户。

L

light-research-plan

light0305 / light-skills

Light 科研主线第 5 步·研究方案与实验设计：把 idea-critique 放行的 idea 与 data feasibility 拆成能真执行、能写进论文、能复现的 question/estimand、实验矩阵与预注册包。何时用：idea 已通过审查要落地 / 要设计实验·消融·对比·敏感性·泛化·鲁棒性 / 写研究方案 PROJECT_PLAN / 锁 primary outcome、排除/停止规则或 preregistration / 规划样本量、种子与统计功效 / 算实验算力预算 / 复现已有论文 / 担心 baseline 放水或假设推不翻。触发词：研究方案 / 实验设计 / 实验矩阵 / 假设 / 对照 baseline / 消融 ablation / 公平比较 / 可证伪 / 统计功效 power / 多少种子 / 复现 / reproducibility / research plan / experiment design / 可复现。核心纪律：对照不公平（baseline 放水）/不可证伪 = critical 一票否决（spec §4.2，STAGE_GATES[5]=[fair_baseline,falsifiable]）；消融不隔离/欠功效 = warn；功效是计划阶段反推非结果检验；lint 是启发式有边界，公平/可证伪终判仍需人/领域判断，绝不吹“证明了对照绝对公平”。

L

llm-wiki-skill

aaronoah / llm-wiki-skill

基于 Karpathy 的 LLM Wiki 构建的命令行 Agent skill —— 创建并维护持久、互相链接的 Markdown 知识库：摄入来源、对已编译知识进行查询，并通过 lint 确保一致性。

M

mastering-confluence

spillwavesolutions / mastering-confluence-agent-skill

全面的 Confluence 文档管理。当被要求「upload to Confluence」「download Confluence pages」「convert Markdown to Wiki Markup」「sync documentation to Confluence」「search Confluence」「create Confluence page」「update Confluence page」「export Confluence」「publish to Confluence」或「Confluence CQL query」时使用。处理 Wiki Markup 转换、Mermaid/PlantUML 图表、图片处理、无大小限制的大文档上传，以及使用 mark CLI 进行 Git 到 Confluence 的同步。

M

material-ingest

simonwong / skills

拆解文章，提取可复用的素材（观点、数据、案例、金句、类比、方法论），分类标注后存入素材库。当用户说"拆解素材""入库""收集这篇文章""提取素材""分析这篇文章的要点"或投喂文章希望留存有价值内容时使用此技能。即使用户只是分享文章并表达"这篇不错"，也应考虑是否需要入库。

N

notebooklm

b-open-io / prompts

当用户要求「查询我的 NotebookLM 笔记本」「就这些来源询问 NotebookLM」「从我的文档中获取带引用的答案」或「搜索我的 NotebookLM 库」时应使用此技能。提供浏览器自动化、库管理和持久认证，可直接从 Claude Code 查询 Google NotebookLM 笔记本，由 Gemini 返回基于来源的答案，而非通用知识。

N

notify-templates

anthropics / cwc-workshops

用于 Slack 提醒、供应商邮件和升级处理的固定格式模板。当任务涉及 "notify"、"alert"、"email" 或 "tell ops" 时加载本技能。

N

notion-cli

terrylica / cc-skills

通过 4ier/notion-cli Go 二进制文件访问 Notion。当用户想要搜索 Notion、查询数据库、读取页面、导出数据时使用。

O

obsidian-vault

utarn / engineer-skills

在 Obsidian vault 中搜索、创建和管理笔记，支持 wikilink 和索引笔记。当用户想要查找、创建或整理 Obsidian 中的笔记时使用。

O

oma-recap

first-fluke / oh-my-agent

按指定日期或时间段汇总 AI 对话历史。

为复杂任务实现 Manus 风格的基于文件的规划。创建 task_plan.md、findings.md 和 progress.md。适用于启动复杂的多步骤任务、研究项目，或任何需要 5 次以上工具调用的任务。

P

pm-competitor

konglong87 / superpm

使用时机：需要持续监控竞品动态、建立竞品情报预警、定期输出竞品监控月报、追踪竞品版本/定价/功能/舆情/融资异动。不适用时机：仅需一次性竞品调研（用 pm-market / pm-search --type=competitor）；产品尚无明确竞品。

P

pm-interview

konglong87 / superpm

使用时机：需要设计用户访谈/用户调研方案、编写访谈提纲、规划样本与招募、制定访谈执行与分析方法。不适用时机：仅做案头需求调研（用 pm-demand）；已有明确结论只需验证单一假设且无需访谈。

P

pm-resume

konglong87 / superpm

PM 简历优化——分析、改进并为特定职位定制你的 PM 简历。使用时机：更新你的 PM 简历、为特定职位做定制，或获取关于简历的反馈。

P

professor-skill

commithu502craft / professor-skill

Professor Skill 根据幻灯片、教学大纲、考试、转录文本、笔记和聊天记录创建大学课程技能。适用于用户想要一个以复习优先、以考试为中心、教师风格的技能，用来模拟教授如何突出重点、出题和扣分。

Q

qmd-knowledge

jellydn / my-ai-tools

使用 qmd 管理项目知识 — 记录经验教训、决策和约定

R

recruiting-contact-investigator

mergemat / recruiting-contact-investigator

调查某个职位空缺、公司或人物，找到可验证的、能影响招聘决策的人的直接联系方式。

R

research-deep

julianobarbosa / claude-code-skills

读取已有的研究大纲，并展开独立的后台 Agent 对每一项进行深入研究，按照共享字段 schema 为每一项生成一份结构化 JSON。可断点续跑、分批处理，每个 Agent 禁用输出（每个 Agent 都有其显式的输出文件）。当来自 `/research-outline` 的 `outline.yaml` + `fields.yaml` 已就绪，且你希望并行开展逐项调研时使用 —— 学术论文深入研读、产品对比、基准补齐、多目标竞品分析。在 `/research-outline` 之后、`/research-report` 之前触发。

R

research-report

julianobarbosa / claude-code-skills

将一次已完成的深度研究运行总结为单个 markdown 报告 —— 完整覆盖每个已定义字段，自动跳过不确定的取值，并生成带用户所选摘要列的可导航目录。每次运行都会（依据稳定规范）生成新的 `generate_report.py` 并执行它。当 `/research-deep` 结束后，你需要一个可读的产物用于分享、归档或按所选 schema 比较条目时使用。

R

review

davepoon / buildwithclaude

Origin 待处理内容的进阶用户审计。大多数用户修订时应使用 `/brief`，它处理日常流程。仅在批量导入后需要明确深度走查审计，或想走完整个队列而非 /brief 中显示的前 3 项时，才使用 `/review`。调用方式为 `/review captures` 或 `/review revisions`。

R

rhdh-jira-authoring

redhat-developer / rhdh-skills

提供在 RHIDP、RHDHPLAN、RHDHBUGS 和 RHDHSUPP 中撰写优质 RHDH Jira 工作的技艺：Feature、Epic、Story、Task 和 Bug 描述模板及填写示例，用于压力测试范围、规模、验收标准和 Epic 独立性的 RHDH 挑战矩阵，T 恤和斐波那契估算量表，关键词重复检测，以及将 Feature 拆分为 Epic 或将 Epic 拆分为 Story 的曳光弹规则。适用于起草或评判诸如 RHIDP-1234 之类问题的文本和形态——这个有多大、这个 AC 可测试吗、这应该是一个 Epic 还是三个、这是否已经存在。仅限文字表述和估算技艺；它不运行任何 Jira 命令。

R

rhdh-jira-create

redhat-developer / rhdh-skills

在 RHDH Jira 中开启新工作，并判定其类型——RHDHPLAN 中的 Feature 或 Feature Request，RHIDP 中的 Epic、Story、Task、Spike 或 Vulnerability，RHDHBUGS 中的 Bug，RHDHSUPP 中的支持对话——然后进行访谈、起草，并以正确的字段和父级链接创建它。适用于 "file a ticket"、"create a feature"、"open an epic for this"、"raise a bug"、"log a spike"、"we should track this in Jira"，或将 RHDHSUPP 支持案例转化为 RHDHBUGS 缺陷或 RHDHPLAN 功能请求。选择问题类型是本技能的职责，而非调用方的。编辑或流转已存在的问题（如 RHIDP-1234）不属于创建。

S

screensteps

membranedev / application-skills

ScreenSteps 集成。管理数据、记录并自动化工作流。当用户需要与 ScreenSteps 数据交互时使用。

暂无简介

S

show-me-artifact

yahyabedirhan / skills

将可视化报告或决策页面发布为私密 Claude artifact，供用户稍后或在其他设备上查看。适用于状态报告、决策页面，或内容过长、不适合在聊天消息中阅读的结果。

S

shunk031-research-high-impact-journal-publishing

shunk031 / skills

关于在高影响力期刊上规划、撰写、投稿、修改和发表科学论文的指南与工作流。当 Claude 需要就研究质量、研究设计、稿件结构、期刊选择、同行评审回复或发表策略提供建议时使用。

S

skill-issues

nyldn / claude-octopus

跨会话跟踪项目阻塞、bug 和缺口——在问题堆积或需要分类处理时使用

S

smart-file-organizer

surrealier / smartfileorganizer

分析目录树中的文件内容，并根据文件内容智能重命名文件，可选地将其重新组织为合理的文件夹结构。当用户想要清理混乱的文件名、整理下载的文件、按内容排序文档、重命名无意义名称的文件（如 IMG_20240101.jpg 或 document(3).pdf），或整理任何文件名与其实质内容不符的文件夹时，使用本 skill。当用户提到批量重命名、文件清理、基于内容的整理、文件夹重构、按主题或用途收集文件（例如“收集简历相关文件”、“收集数据集文件”、“识别可丢弃文件”），或按类别筛选和分组文件时也会触发。

S

steve-jobs-perspective

konglong87 / superpm

史蒂夫·乔布斯(Steve Jobs)的思维框架与表达方式。基于 Isaacson 授权传记、Stanford 演讲、Lost Interview、D Conference 系列、Make Something Wonderful、30+ 一手来源的深度调研，提炼 6 个核心心智模型、8 条决策启发式和完整的表达 DNA。用途：作为一个可对话的思维顾问——用乔布斯的视角分析你的产品、决策与想法，在一来一回的对话里制造思维碰撞、激发灵感，并帮你把“Jobs 级”思考方式内化成自己的能力。当用户提到「用乔布斯的视角」「乔布斯会怎么看」「Jobs 模式」「steve jobs perspective」「切换到乔布斯」「如果乔布斯」「乔布斯思维」「表达 DNA」时使用。即使用户只是说「帮我用乔布斯的角度想想」「如果乔布斯会怎么做」「切换到乔布斯」也应触发。

S

sustainability-summary

tiangong-ai / agent-skills

技能

S

synthesize

poemswe / co-researcher

将来自多个来源的发现综合为一致的结论，并量化不确定性。

关于在会话内使用 bd（beads）管理子任务和本地待办列表来管理任务的指南。当把计划拆解为 issue、跟踪进度、管理依赖或跨会话和 Agent 协调工作时使用此技能。触发条件包括要求 "manage tasks"、"track progress"、"break down this work"，或询问 bd 工作流。

T

taskade

membranedev / application-skills

Taskade 集成。管理数据、记录并自动化工作流。当用户需要与 Taskade 数据交互时使用。

T

tavily-hikari-cli

ivanli-cn / tavily-hikari

通过已配置的 Tavily Hikari 部署运行 Tavily CLI 工作流。

T

tavily-hikari-extract

ivanli-cn / tavily-hikari

通过 Tavily Hikari 使用 tvly-hikari 提取 URL 内容。

T

tavily-hikari-map

ivanli-cn / tavily-hikari

通过 Tavily Hikari 使用 tvly-hikari 发现站点 URL。

TC 天策创业解题 Skill，是给普通创业者使用的 AI 创业解题教练，兼容 dontbesilent 的 DBS 商业工具箱。用户输入“/tc”“TC”“tc”或“$tc”，或需要处理创业、副业、自媒体、个人 IP、AI 应用、项目验证、获客成交、交付复盘、合作取舍与创业焦虑时使用。把混乱叙述变成一个真正的问题，找到赚钱链条最早缺少证据的一环，再给一个马上能接受真实市场检验的动作。也适用于没有方向、资源或主动求助记录的从零用户，但只生成待验证的项目假设，不推荐暴利项目、不保证收益、不输出空泛建议。

TC 创业行动推进。用户输入“/tc-action”，或已经有判断、项目假设但缺少现实证据，计划过大、一直学习开会、需要验证需求或推进报价成交时使用。把判断或假设压缩成十分钟启动、二十四小时市场交付、七天唯一指标、成本上限、停止条件和需要带回的数据；有工具时核对当前公开市场，没有工具时明确未知，行动必须接触真实对象。

TC 创业问题重构与定义。用户输入“/tc-diagnosis”，或需要从混乱叙述、创业焦虑、多个方向、合作争议、流量不变现、产品卖不动等情况中找到唯一业务卡点时使用。先分开事实、解释、情绪和假设，再形成有对象、目标、约束与验证标准的真问题；满足结束条件后必须停止追问并返回 /tc 或 tc-action，不把诊断本身当成结果。