Skills
收录 99,951 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
无需终端,即可通过聊天在用户的 GitHub 仓库中设置 PostHog。PostHog 的设置 Agent Wizard 在云端运行,添加 SDK 和首批事件,并创建拉取请求。仅在无法读取或编辑用户代码时使用,这在 ChatGPT 网页版或 Claude 网页版等网页聊天应用中很常见。典型请求包括在用户的应用或仓库中安装、添加或设置 PostHog,或创建添加 PostHog 的拉取请求。如果正在用户的仓库中工作,请改用 installing-posthog-in-a-codebase。涵盖连接 GitHub、选择仓库、启动运行、轮询运行状态和分享拉取请求。
应用在让生成式 AI 创建和润色日语技术文档(书籍章节、文章、解说)时的写作规范 skill。生成逻辑清晰、诚实可靠的日语技术写作,抑制 LLM 特有的空洞措辞、冗长、过度渲染和 AI 味词汇。也可在发布前评分。触发:日本語技術文書, テクニカルライティング, 技術記事を書いて, 解説文を書いて, 技術文書を推敲, 文章を校正, AIっぽい文章を直す, AI臭を消す, 公開前チェック, write Japanese technical doc, japanese tech writing.
Light 按需工程技能·前端设计:把模糊的「做个好看的界面」落成能跑的 React/Tailwind/shadcn 代码 + 设计决策说明——有视觉记忆点(signature element)、风格自洽(design tokens 一致)、适配场景(学术海报/数据大屏/管理后台/移动端/营销 landing 信息密度各不同)、反「一眼 AI」(紫蓝渐变/Inter/16px 圆角/巨型 hero/居中堆叠/emoji 标题)、视觉无障碍(WCAG 2.2)。何时用:竞赛作品/项目演示/科研系统界面要做网页或应用 UI / 要改造现有前端 / 要选设计系统或配色或字体 / 要做 dashboard·后台·landing·移动端 UI。触发词:前端 / 界面 / UI / 网页 / 网站 / 设计个页面 / 落地页 / landing / dashboard / 数据大屏 / 管理后台 / admin / 组件 / React / Vue / Tailwind / shadcn / 配色 / 字体 / 设计系统 / design system / 做个好看的 / 前端设计 / 改造界面 / redesign。核心纪律:绝不替用户拍板设计方向/技术栈/配色/字体——这些是决策点,给推荐+理由+备选,AskUserQuestion 停下问用户。零本地设计库:灵感/趋势/栈版本在线查(Awwwards / `npm view` / WCAG 官网),标 last_checked,查不到标 unknown,不吃本地腐朽库。给的是能跑的代码不是空话;复用 `_shared/visual_qa` 判对比度(不重造 WCAG 数学)。非 DAG 节点(按需,不产 findings、不阻断主线)。
Light 科研诚信与伦理全生命周期常驻红线门:在研究分诊、审批、采集、变更、分析、投稿、发布与出版后检查 学术不端/数据造假/统计自洽/结论夸大/幻觉与撤稿 引用/自我抄袭/隐私/版权/署名与 AI 披露/软著专利权属/论文工厂洗稿等风险,把"别造假别夸大"从口头建议 落成**可机检、可阻断、可被总控 run_checkpoint 聚合的机读门**(产 light.findings.v1,Critical fail → exit 1)。 何时用:投稿/camera-ready 前、数据或代码发布前、软著提交前、涉人或涉动物实验设计时——这些是硬闸门; 以及任意写作/分析/引用任务的后台诚信扫描。触发词:伦理 / 诚信 / 学术不端 / 造假 / p-hacking / 夸大 / SOTA / 撤稿 / 查重 / 抄袭 / 隐私 / IRB / 知情同意 / 署名 / AI 披露 / 论文工厂 / 软著权属。核心纪律:**信号≠定罪**, AI 不能自评 → 一律"机读门 + 人工复核";查不到写"待核查/UNRESOLVED",绝不编造;全程在线核实、零本地知识库、零付费 key。
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”。
为 Light 第 12 阶段构建有证据支撑的期刊或会议候选清单。在排版交付 venue-handoff.json/PDF/合规事实后使用;当作者询问投哪里、期刊选择、会议契合度、范围或文章类型匹配、发表策略、reach/match/safety 分层、转投顺序、APC/OA/收录/截止日期约束,或掠夺性/劫持期刊风险时使用。产出来自当前来源的候选登记表、契合/风险/未知报告,以及未做选择的决策包;绝不重新编译 PDF、编造接收率、凭弱信号谴责某venue、在没有用户直接选择或明确授权的情况下做选择,或代投。
介绍 MarkItDown(Microsoft 出品的“万物转 Markdown”工具)的能力边界、支持格式及其生态(CLI / Python API / 插件 / Docker / Azure 集成),并引导 LLM 在面对“把 PDF/PPT/Word/Excel/图片/音频/网页/YouTube 转成 Markdown”这类需求时,正确判断应使用 markitdown-awesome 概览、markitdown-cli 命令指导,还是 markitdown-ocr 的 LLM Vision OCR 路径。当用户提到 markitdown、microsoft/markitdown、将 Office 文档转成 markdown、扫描件 OCR,或询问相关替代品(textract、unstructured、pandoc)时,使用此 skill。
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。
