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。
生产力
像资深学者同事那样头脑风暴并压力测试研究想法。进行多轮对话，澄清种子问题（或从冷启动生成一个），以对话方式探究它，跨已发表和在工作论文来源发起并行的深度文献扫描，对问题展开对抗式批评，生成 2–3 个替代框架，评估可行性（在可用时委派给 find-data 技能），并将研究简报写入工作目录。当用户要求头脑风暴一个研究想法、压力测试一个研究问题、研讨一个项目、形成新的论文想法、评估问题的新颖性、评估一个想法是否值得推进、优化研究方向，或检查一个想法是否达到顶刊门槛时触发。也在诸如 "brainstorm with me"、"is this novel"、"has anyone done this"、"what should I work on"、"help me think through this idea"、"workshop this question"、"stress-test this"、"poke holes in this"、"new research idea"、"research project idea" 等表述时触发，或当用户描述一个半成形的想法并寻求反馈时触发。适用于任何领域，但针对实证经济学及相邻社会科学进行调优。
指导用户构建使用官方 ScraperAPI Zapier 集成的 Zap。只要用户想通过 ScraperAPI 在 Zapier 工作流中加入网页抓取、SERP 数据或电商数据，就使用此技能——即使他们没有说 "skill" 或提到该集成的名称。触发场景包括："build a Zap that scrapes Amazon prices and emails me"、"connect ScraperAPI to Zapier"、"automate a daily Google search scrape in Zapier"、"use ScraperAPI in a Zap to enrich new leads from a webhook"、"how do I add ScraperAPI as a step in my Zap"、"Zapier workflow to crawl a site with ScraperAPI"、"extract data from a URL inside Zapier"。为 Zap 编辑器生成分步构建指南，因为 Zapier 集成是在网页 UI 中组装完成的（不作为 JSON 导入）。注意：会将用户提供的 URL、查询和页面内容传输给 ScraperAPI。
与知识导师对话——来自哲学、商业、灵性、科学、艺术等众多领域的 28 位导师。2 种模式：1:1（与一位导师深度对话）或 1:N（2-4 位导师圆桌，相互辩驳与补充）。导师完全入戏：以第一人称说话，使用他们自己的世界观和特有词汇。当用户想咨询某位思想家、与导师对话、寻求哲学/商业/灵性视角的建议，或说 "hỏi Naval"、"nói chuyện với Krishnamurti"、"bàn tròn"、"roundtable"、"wisdom mentor"、"người thầy"、"muốn nghe góc nhìn của..."、"nếu là X thì X nghĩ sao"、"tư vấn như một..."、"mentor nào phù hợp" 时使用。也用于用户需要就某个深层问题获得多种视角，或想要苏格拉底式对话时。
ES — 不验证也不奉承，彻底批判一个想法、计划、推介或整个项目：假定它会失败，并从八个角度加以证明（前提、市场、竞争、可行性、数字、执行、事前验尸和盲点），在有工具时调研真实的失败案例，并给出坦率的结论和按优先级排序的待修复清单。用 /abogado-del-diablo、“hazme pedazos esto”“critica mi idea sin filtros”“dime por qué va a fallar”“destruye este plan”“segunda opinión brutal”“pre-mortem”激活。EN — 苛刻地批判一个想法、计划、推介或整个项目而不加以验证；假定它会失败并从八个角度加以证明，然后给出直率的结论和按优先级排序的修复清单。以“devil's advocate”“red team this”“tear this apart”“why will this fail”“brutal second opinion”“pre-mortem”触发。
带动态审稿人角色的多视角学术论文评审。模拟 5 位独立审稿人（主编 + 3 位同行审稿人 + Devil's Advocate），具备特定领域专业知识。支持完整评审、复审（核验）、快速评估、侧重方法学、苏格拉底式引导和校准模式。触发于：review paper、peer review、manuscript review、referee report、review my paper、critique paper、simulate review、editorial review、calibrate reviewer、reviewer calibration、measure reviewer accuracy。
完整学术研究流水线的编排器：研究 -> 写作 -> 诚信检查 -> 评审 -> 修订 -> 复审 -> 再修订 -> 最终诚信检查 -> 定稿。把 deep-research、academic-paper 和 academic-paper-reviewer 协调为一个无缝的 9 阶段工作流，具备强制诚信核验、两阶段同行评审和可复现的质量门禁。触发词：academic pipeline、research to paper、full paper workflow、paper pipeline、end-to-end paper、research-to-publication、complete paper workflow。
通过 screenpipe 观察用户屏幕，检测重复的研究工作流，将其与现有 research-agent-skills 匹配，并针对尚未覆盖的模式起草新技能（或串联现有技能的组合方案）。用户要求分析其近期工作，并根据实际操作提出技能时使用。需要 screenpipe 守护进程在本地 3030 端口运行（https://github.com/screenpipe/screenpipe）；此技能没有其他数据源，如果无法连接 screenpipe 则拒绝运行。所有检测均在本地执行；只有经过脱敏的聚类摘要会发送给 LLM。
通过 Link 钱包使用 USP 预订按时计费的服务。用户想向商家预约、安排、预订或支付服务（理发、课程、维修、培训、预约、咨询）时使用。`booking-agent` CLI 管理预订状态机，并会在跳过人工确认环节时拒绝继续。安装后立即自行让用户登录 Link，并在每次预订开始时重新登录（`booking-agent flow link-auth connect`，然后在后台启动 `booking-agent flow link-auth poll`，并在同一轮发送登录 URL，方式与 `pay poll` 完全相同）；不要等用户要求登录或表示已批准。执行 `booking-agent flow business use` 后，依照 `next_command` 执行到 `use-ucp-checkout-mode`；不支持原生结账的商家会被安全地拒绝。付款使用 `booking-agent flow pay request`（默认立即返回批准 URL），然后在后台启动 `booking-agent flow pay poll`，并在同一轮将批准 URL 发给用户；用户批准后，轮询会完成结账。通过 `booking-agent flow book poll --wait` 确认；绝不要启动入站 webhook。批准 URL 只展示一次。个人身份信息（姓名、电话、电子邮件、地址）必须始终通过 `link-cli` 从用户的 Link 账户获取，不能使用聊天内容或占位符。任何基于位置的搜索前，CLI 会提出 Link 收货地址，由用户确认或提供其他地址；在线服务不需要此步骤。只用日常语言与用户交流；除非用户明确询问，否则不要透露 CLI、UCP、身份验证、会话或其他实现细节。
使用 Midscene Bridge 模式的视觉驱动浏览器自动化。完全基于截图操作 —— 不需要 DOM 或无障碍标签。无论技术栈如何，都能与屏幕上所有可见元素交互。此模式通过 Midscene Chrome 扩展连接到用户的桌面 Chrome 浏览器，保留 cookie、会话和登录状态。当用户想要：- 在用户自己的 Chrome 浏览器中浏览、导航或打开网页 - 与需要登录会话、cookie 或现有浏览器状态的页面交互 - 使用用户的真实浏览器从网站抓取、提取或收集数据 - 填写表单、点击按钮或与网页元素交互 - 验证、校验或测试前端 UI 行为 - 截取网页截图 - 自动化多步骤 Web 工作流 - 检查网站内容或外观 时使用此技能。由 Midscene.js 提供支持（https://midscenejs.com）
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。