Skills
收录 100,928 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。
全部
在最多 8 个来源中查找学术论文(英文来源为 OpenAlex / Semantic Scholar / CrossRef / PubMed / arXiv,AI 会议为 OpenReview,另有通过 NSSD 国家哲社文献中心 + yiigle 中华医学期刊的中文原生检索),深度可调——从快速扫描(5 分钟)到审计准备(3 小时)。当用户想要查找论文、运行文献检索、收集参考文献、界定研究主题、检索中文原生文献(中文文献/中文核心/CSSCI/C刊/国内研究/国内文献/中华××期刊/心理学报/经济研究),或按期刊分区筛选结果(中科院分区/一区/几区,Q1,JCR/SJR quartile,影响因子/impact factor,期刊分区,顶刊/top journal,“按分区筛”),或导出可直接粘贴的专业检索式 / search strategy 用于外部数据库(PubMed / WOS / Scopus / Embase / 知网 CNKI / 万方 / SinoMed——“写检索式”、“导出检索式”、“WOS 检索式”、“知网专业检索”、“search strategy”、“boolean search strategy”)时使用。触发词包括检索动词(“find papers”、“literature search”、“papers about X”)、综述类型(“scoping review”、“systematic review”、“SR prep”、“literature review”、“lit review”、“help me write a lit review”)、中文(“找文献”、“找论文”、“论文搜索”、“学术检索”、“文献检索”、“文献综述”、“综述前期”、“求文献”、“中文文献”、“中文核心”、“CSSCI”、“C刊”、“国内研究”、“找中文的”)。输出 Shadcn HTML 报告 + BibTeX/RIS/CSV + PRISMA-S 日志。请勿用于:概念解释(“what is X” / “X 是什么”,例如“影响因子怎么算”)、写作(“帮我写” / “help me write a paragraph”)、单篇论文解读或带元数据的 PDF 下载(请使用 paper-downloader-portable),或用户已有文献集时(请使用 literature-set-review)。
LiDAR 与点云处理:PDAL 管线、LAS/LAZ/COPC 处理、地面分类、DTM/DSM/CHM 生成、冠层与建筑指标,以及摄影测量(SfM)点云。适用于主要输入为 LAS、LAZ、COPC、LiDAR 或非结构化 3D 点云时。当两次采集数据相减、可比性尚未确立时,该技能负责垂直基准一致性、配准与垂直精度预算;一旦基准、大地水准面和精度已记录在案,沉降或高程变化问题归 change-detection 负责。除非点级分类、可比性或指标仍在范围内,派生的 DEM、DTM、DSM 或 CHM 应转交 terrain-hydrology。
专长于设计引人入胜的成长系统,在尊重玩家时间的同时营造 "再来一回合" 的吸引力。深入了解经验值数学、技能树拓扑、奖励节奏心理学与元成长循环。借鉴数十年 ARPG 演进(Diablo、Path of Exile)、Roguelike 创新(Hades、Slay the Spire)与移动端设计模式。当提及 "level up system, xp curve, skill tree, progression system, unlock system, prestige system, battle pass, new game plus, loot progression, power curve, meta progression, achievement system, " 时使用。
完整的 Python 3.13+ 基础知识系统。在以下情况主动激活:(1) Python 3.13 free-threading(no-GIL),(2) JIT 编译器使用,(3) 模式匹配语法,(4) 海象运算符,(5) 3.12+ 的 f-string 特性,(6) 3.12+ 的类型参数语法,(7) 异常组,(8) dataclass 与枚举,(9) 上下文管理器。提供:现代语法、性能特性、最佳实践、命名约定。确保符合 Python 3.13+ 的正确模式并具备最优性能。
完整的 Python GitHub Actions 系统。请在以下情况主动激活:(1) 基于 uv 的 CI 工作流(快 10-100 倍),(2) 跨 Python 版本的矩阵测试,(3) 使用 setup-uv 做依赖缓存,(4) 并行测试执行,(5) 可复用工作流,(6) 通过可信发布发布到 PyPI,(7) 使用 codecov 做代码覆盖率,(8) 安全扫描。提供:工作流模板、缓存配置、矩阵策略、复合操作。确保快速可靠的 CI/CD 流水线。
用于记录已解决或已控制的生产事故、服务中断、险情、未被察觉的流水线/服务故障、数据损坏事件或事后复盘——在修复后的状态仍可观察时指导收集证据,并生成详尽、可复现的根因分析报告。用户说“写一份 RCA”“复盘 X”“记录这起事故”“……出了什么问题”“流水线昨天坏了,我们修好了,写下来”,或希望为近期已解决的事故整理记录证据时触发。当用户在当前会话中解决事故后,解决过程仍记忆犹新时,也主动使用此技能,在细节淡忘前提议将其记录为 RCA。如果事故仍在发生,且用户需要查明原因或修复问题,则改用 ultrathink-protocol,待事故受控后再返回此技能。
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。
