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
如何在艺人目录中工作,包括创建、列举和编辑目录。创建或引入新艺人时使用(“创建艺人”“引入 X”“添加这位艺人”“设置新艺人”)——此技能会搭建艺人的 `RECOUP.md` 检查清单文件,并据此推动多步骤设置。添加或更新艺人背景信息(身份、品牌、风格、受众)、添加歌曲、整理艺人目录中的文件,或判断某项内容应放在哪里时使用。账户询问艺人清单类问题时也使用,例如“我有哪些艺人”“列出我的艺人”“我加入了哪些组织”“这个沙盒里有什么”——文件系统树是权威答案。账户按名称提及艺人,且任务涉及其文件、背景信息或内容时也使用,即使没有说“艺人目录”。这包括研究艺人、为艺人创作内容、更新艺人品牌或添加面部指南等任务。
实习.skill / get-job.skill:从岗位调研、简历改写到分轮次面试准备的全流程求职 skill。适合找工作、投实习、校招、秋招、春招、暑期实习、社招、跳槽、转行、跨专业求职、留学生求职,以及产品经理、运营、市场、咨询、AI 产品、AI Coding、数据分析、技术岗等目标岗位准备。核心能力:① WebSearch 调研公司、岗位 JD、业务线、竞品、面经、招聘流程和隐性门槛;② 按目标岗位反向定位简历,做 JD 匹配、ATS 关键词、经历筛选、STAR/CAR 改写、可迁移能力翻译、docx 简历生成;③ 按真实轮次准备面试,覆盖一面/业务面/专业面/主管面/HR 面/recruiter screen 等已确认或高置信轮次,逐条深挖简历 bullet、项目逐字稿、自我介绍、表达训练、模拟面试、反问清单、面后复盘题库。适用于「改简历」「简历优化」「简历润色」「简历匹配 JD」「求职简历」「投递前改简历」「按岗位改简历」「准备面试」「面试准备」「面经分析」「模拟面试」「自我介绍」「项目经历怎么讲」「简历被追问怎么办」「双非拿大厂 offer」「背景不对口怎么办」「AI 产品实习」「运营实习」「产品经理校招」等场景。质量保障:不编造经历、不改背调硬信息;所有强 claim 做证据化审计;搜索源按市场和 A/B/C/D 分级;轮次不写死;最终交付前必须跑质量闸门和覆盖矩阵,避免漏 bullet、标签泄漏和过度包装。
规定 Agent 收到冗长、杂乱、意识流式的表达(通常为语音听写)时应如何处理:在回声摘要获批前不采取任何行动。回声摘要会审查整段交接内容、任务、已确定的决策和约束、待解决问题、变更和搁置的话题,并将模型的推断和猜测与用户自己的表述分开,让用户核实模型的理解,而不只是模型存疑之处。当用户说“让我把想法说出来”或想在开始构建前先随意聊聊、消息以“我切换到语音输入了,错字见谅”之类的语音转文字开场白起头、输入是一段标点稀少且冗长的内容并有重新开始和中途反转(“不对,等等,完全放弃那个想法”),或用户要求围绕模糊、尚未成形的想法接受访谈时使用。包含可选的跨多条消息记录模式和可选的定向访谈
微信读书高阶顾问。在底层 weread skill 的原子 API 之上,提供四类工作流:基于已读内容进行个性化进阶推荐(advisor);为某个方向规划从入门到前沿的阶梯书单(path);将零散划线提炼为读书笔记和总结(alchemy);进行季度或年度阅读复盘,并生成可发布到朋友圈或公众号的文章(review)。核心方法是“书架与笔记交叉分析”——书架揭示用户主动分类的兴趣,笔记则揭示“真正读过的”与“只是放着的”。用户说“推荐书”“下一本读什么”“该读什么”“想搞懂 X 这个领域”“整理我的笔记”“这本书我记住了什么”“我今年读了什么”“读书复盘”“年度盘点”时触发。即使用户只是说“不知道读什么”“有没有相关的书”“帮我看看这本读完了吗”“我入门这个领域了吗”,也应触发。
Use quando o usuário enviar uma ideia, pensamento, necessidade, oportunidade ou texto livre para guardar, capturar, anotar ou retomar depois. Preserve o input integral, faça pré-processamento silencioso e crie imediatamente um arquivo timestampado em `specs/inbox/`. Não faça perguntas, não peça confirmação e não crie backlog, spec, tarefas, testes ou código.
由 OpenAlex 提供支持的学术论文搜索,OpenAlex 是包含超过 2.4 亿篇学术作品的免费开放目录。用户需要查找学术论文、研究文章、主题文献、引文数据、作者发表成果或其他学术来源时使用。适用于“查找有关……的论文”“关于……的学术研究”“有哪些相关研究”“文献综述”“查找引文”“关于……的学术文章”“谁发表过……”“[作者] 的论文”“关于……的高引论文”等请求,以及任何查找同行评审或学术来源的需求。在深度研究中需要以学术文献为依据时也使用。不要用于一般网页搜索——请改用 web-search。
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。
