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
通用 LaTeX 文档技能：创建、编译任意文档，并转换为带 PNG 预览的专业 PDF。支持简历、报告、求职信、发票、学术论文、学位论文、学术简历、演示文稿（Beamer）、科学海报、正式信函、考试/测验、书籍、速查表、参考卡、考试公式表、可填写 PDF 表单（hyperref 表单域）、条件内容（etoolbox 开关）、基于 CSV/JSON 的邮件合并（Jinja2 模板）、版本差异对比（latexdiff）、图表（pgfplots + matplotlib）、表格（booktabs + CSV 导入）、图片（TikZ）、Mermaid 图表、AI 生成图像、水印、横向页面、参考文献/引用（BibTeX/biblatex）、多语言/CJK（自动 XeLaTeX）、算法/伪代码、彩色框（tcolorbox）、SI 单位（siunitx）、Pandoc 格式转换（Markdown/DOCX/HTML ↔ LaTeX），以及手写或印刷文档转 LaTeX（数学、商业、法律、通用）。编译脚本支持 pdflatex、xelatex、lualatex 自动检测、latexmk 后端、texfot 日志过滤、PDF/A 输出和详细程度控制（--verbose/--quiet）。经实测优化的规模：单个 Agent 处理 1-10 页，11-20 页拆分，21 页以上用 batch-7 流水线。适用于以下需求：(1) 制作简历/CV/求职信，(2) 撰写 LaTeX 文档，(3) 创建包含表格/图表/图片的 PDF，(4) 编译 .tex 文件，(5) 制作报告/发票/演示文稿，(6) 任何涉及 LaTeX 或 pdflatex 的工作，(7) 将 PDF 转换/OCR 为 LaTeX，(8) 转换手写笔记，(9) 制作图表/图形/示意图，(10) 制作幻灯片，(11) 撰写论文或学位论文，(12) 制作学术 CV，(13) 制作海报，(14) 制作考试/测验，(15) 制作书籍，(16) 在文档格式之间转换（Markdown、DOCX、HTML 与 LaTeX 互转），(17) 为 LaTeX 生成 Mermaid 图表，(18) 撰写正式商务信函，(19) 制作速查表或参考卡，(20) 制作考试公式表或便览卡，(21) 将讲义/PDF 浓缩为速查表，(22) 创建带文本框/复选框/下拉框的可填写 PDF 表单，(23) 创建含条件内容/开关（显示或隐藏章节）的文档，(24) 从 CSV/JSON 数据生成批量/邮件合并文档，(25) 生成高亮文档差异的版本对比 PDF（latexdiff），(26) 制作含题目与解答的作业/习题，(27) 制作包含数据表、图表和误差分析的实验报告，(28) 为 PDF 加密或设置密码保护，(29) 将多个 PDF 合并为一个，(30) 为网页或邮件优化/压缩 PDF，(31) 检查 LaTeX 文档的常见问题，(32) 统计 LaTeX 文档字数，(33) 分析文档统计数据（图表、表格、引用），(34) 从 DOI 获取 BibTeX，(35) 将 Graphviz .dot 文件转换为 PDF/PNG，(36) 将 PlantUML .puml 文件转换为 PDF/PNG，(37) 制作一页纸/事实清单/执行摘要，(38) 制作数据表或产品规格表，(39) 从 PDF 中提取页面（页码范围、奇偶页），(40) 在编译前检查 LaTeX 宏包是否可用，(41) 分析引用并与 .bib 文件交叉核对，(42) 调试 LaTeX 编译错误，(43) 让文档具备无障碍访问能力（PDF/A、标记 PDF），(44) 制作讲义或课程资料，(45) 填写现有 PDF 表单（可填写域，或通过批注填写不可填写的表单），(46) 从 PDF 中提取文本或表格（pdfplumber、pypdf），(47) 将扫描版 PDF OCR 为文本（pytesseract），(48) 用 reportlab 以编程方式创建 PDF（Canvas、Platypus），(49) 旋转或裁剪 PDF 页面（pypdf），(50) 为现有 PDF 添加水印，(51) 提取 PDF 元数据（标题、作者、主题）。
使用 Very Good CLI 的 packages_check_licenses MCP 工具审计 Dart 和 Flutter 包依赖的许可证，标记不合规或未知的许可证，并生成合规总结报告。适用于用户说“check licenses”、“license audit”、“check dependency licenses”、“license compliance”、“review package licenses”、“are our dependencies compliant”、“scan for license issues”或“pre-release license check”时。尤其当请求要求在没有扫描的情况下给出合规结论时使用，例如“read the licenses off this pubspec”、“confirm we're compliant”、“just tell me if these packages are safe to ship”、“I'd rather not run anything”或“which of these are GPL”，因为拒绝仅凭依赖列表就认证合规正是此技能所规范的情形。粘贴的 pubspec 是触发条件，而非审计的替代品。
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。
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。
审计、规划、搭建并安全迁移研究项目结构，覆盖全新项目、现有 Git/非 Git 仓库以及 monorepo 子根目录。用于项目文件夹、仓库清理、源码清单、移动映射、命名与存储策略、Python/R/混合/LaTeX 配置、模板来源、冲突审查、已执行移动的证据或回滚。现有项目在用户授权绑定到计划摘要的确切操作 ID 之前保持只读。保留未提交和未跟踪的工作、符号链接、子模块以及 memory-pm 的 .light 内容。这是一个脱离 DAG 的本地工具：不要输出发现结果，也不要臆造 STAGE_GATES/ROUTES 连接。
Light 科研主线第 7 步·结果分析：不描述好坏、解释「为什么」，把每条结论绑死到 claim + 证据强度，并防 p-hacking。何时用：实验跑完要解读结果 / 问「这些数说明什么」/ 要做显著性检验 + 效应量 + 置信区间 + 多重比较校正 / 担心 p-hacking（多重比较不校正、选择性报告、HARKing）/ 要给每条 claim 定证据强度供写作校准措辞 / 判结果支不支撑假设、可不可复现。触发词：结果分析 / 解读数据 / 这些结果说明什么 / 显著性 / p 值 / 效应量 effect size / Cohen's d / 置信区间 CI / 多重比较 / BH-FDR / Bonferroni / 校正 / p-hacking / 选择性报告 / garden of forking paths / HARKing / 证据强度 / claim 证据绑定 / SHAP / 消融分析 / 切片分析 / 配对检验 / result analysis。核心纪律：统计错误 / p-hacking = critical（spec §4.2，STAGE_GATES[7]=[stat_validity,evidence_strength]）；过度解读 / 效应量缺失 = warn；显著性看 q 不看 p、不显著只能报「未见显著差异」、措辞强度必须匹配证据强度；统计检查有边界，绝不吹「证明了方法有效 / 因果成立」。本技能是 7→5（不支撑假设）/ 7→6（不可复现）回炉发起方。
通过经审查的研究、计划和设计产出，推动代码变更或文档更新，依次经过审批、执行、验证和独立审查；涵盖验证受阻、审查/CI待处理、运行恢复，以及释放已合并或已关闭变更所占用的本地资源。负责阶段安排、审批修订、证据、发现项状态和恢复含义，不负责通用交付物审查方法、检查失败诊断、主机执行 API 或交付物存储。开发实践负责验证诊断；执行规范负责非代码交付物审查；项目策略决定关卡和分支。涵盖已创建资源的记录，以及对共享模拟器、仿真器、设备和端口的占用声明。若宿主项目有更具体的变更循环，则遵循该循环。不用于不会造成变更的独立只读问题、调查或审查。
从主题端到端制作完全合成的竖屏短视频（1080×1920，约 40 秒）：脚本 + beats.json、关联的 TSX 节拍与持久画布、手机尺寸 QA、渲染、ElevenLabs 配音及精确到词的同步字幕、SFX 试听、可选背景音乐。适用于用户想“制作一条短视频”“创建 Shorts 视频”、为特定领域（国际象棋、数学、算法、开发技巧、Excel 等）制作 TSX 短视频、为短视频添加配音/字幕，或继续此仓库中的 short-N 系列。此流程为 100% TSX；使用视频模型生成画面请用 make-ai-short，制作纸张拼贴纪录片风格请用 make-vox。原始 TSX 崩溃规则交由 vidtsx-2d-generator 处理，SFX 品味交由 suggest-sfx + brand §7 处理。
MarkItDown 命令行工具（`markitdown` 命令）的完整使用指南——涵盖所有 CLI 参数（`-o/-x/-m/-c/-d/-e/-p/--use-cu/--cu-endpoint/--cu-analyzer/--cu-file-types/--list-plugins/--keep-data-uris`）、输入输出模式（文件/管道/stdin）、管道组合、与 shell 工具链（jq/grep/xargs/tee/find）的集成，以及典型场景示例（批量转码、Azure 后端切换、插件启用、流式输入）。当用户询问“markitdown 命令怎么用”“怎么批量转 PDF”“怎么把 stdin 流喂进去”“怎么列出已装插件”“Azure Document Intelligence CLI 怎么配”时使用此 skill；若涉及 OCR 走 LLM Vision，跳到兄弟 skill `markitdown-ocr`。
引导 LLM 通过 `markitdown-ocr` 插件（官方插件仓库 microsoft/markitdown/packages/markitdown-ocr）使用 LLM Vision（OpenAI 兼容模型，如 gpt-4o / Azure OpenAI / Gemini / 其它 OpenAI 兼容服务）对 PDF / DOCX / PPTX / XLSX 内嵌图片与扫描页进行 OCR 文本抽取。覆盖安装、配置（`OPENAI_API_KEY` / Azure 凭据 / 自定义 endpoint）、Python API 与 CLI 包装、扫描 PDF 的全页渲染回退、各格式 OCR 行为差异（行内插入 / 表格后追加 / 顶层描述）、自定义 prompt、成本/限制排错。当用户问“扫描 PDF 怎么转 markdown”、“PPT 里图片的文字怎么抽出来”、“怎么用 GPT-4o 做 OCR”、“markitdown-ocr 插件怎么装”、“Azure OpenAI 怎么配 markitdown”时使用本 skill；若只是普通 CLI 用法或 MarkItDown 概览，跳到兄弟 skill `markitdown-cli` 与 `markitdown-awesome`。
.NET MAUI 应用生命周期指南，涵盖四种应用状态（未运行、运行中、已停用、已停止）、跨平台 Window 生命周期事件、后台运行与恢复行为、Android 与 iOS/Mac Catalyst 的平台特定生命周期映射，以及状态保留模式。适用于：「app lifecycle」「OnStart」「OnSleep」「OnResume」「backgrounding」「app state」「window lifecycle」「save state on background」「resume app」「deactivated event」「lifecycle events」。不适用于：导航事件（使用 maui-shell-navigation）、依赖注入设置（使用 maui-dependency-injection）或平台 API（使用 maui-platform-invoke）。
将来自多个来源的杂乱创作者投放指标规范化为一张干净的表，字段名统一，可直接合并进主追踪表。当你需要清理达人指标、统一来自多个平台的投放数据、规范化创作者表现数据、将 Instagram、TikTok 和 YouTube 的指标合并到一张表、格式化混乱的分析导出文件、为总表准备投放数据、把原始平台统计转换为一致格式、合并来自不同报表工具的指标、对多来源的创作者数据去重、修复各导出文件中不一致的列名，或在汇报前清理一堆指标数据时，应使用本技能。计算互动率请见 engagement-rate-calculator-benchmarker。完整投放报告请见 campaign-roi-calculator。解析单张 Story 截图请见 story-metrics-screenshot-parser。
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。