Skills
收录 99,064 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
支持 STE 启发的清晰文字、图解、自包含 HTML 和按需定制解释视频；用苏格拉底式逐问学习把教材、截图、PDF、笔记、题目或一个主题变成主动推导对话，也能在学习者明确要求时生成自包含的互动学习网页。当学习者明确要求“苏格拉底式学习”“逐问带我学”“一次只问一个问题”“先别告诉我答案”“边问边引导我推出来”、interactive quiz、active recall、question-led tutoring 或自包含学习网页时使用。宽泛主题默认先进入关键词定向：列出 12 个关键词及白话解释，推荐专家和专业书籍，并提供“扩展关键词”的入口，再让学习者选起点。正式学习中每个活跃回合只问一个简短、可回答的问题，并根据学习者上一步的推理调整难度；回答要接住学习者原话，像真人老师一样温和纠错，并在数学、物理、流程或图形内容中用累积黑板逐步画出推理。对视觉密集主题每 1–2 个有效问题做一次视觉检查，但只有视觉收益、问题承载、授权和准确性条件同时满足时才调用 Codex 生图；学习者说“太抽象”“不理解”“想象不出来”“枯燥”或要求图解，且当前台阶可视觉化时，必须立即切换为问题承载型图示并提供文字替代，空间、相对运动、流程和几何关系默认优先视觉搭架。网页模式不依赖另一个 skill、第三方运行时或默认部署；默认输出单文件、响应式、可访问的 HTML 学习容器，并保持一轮一个问题。不用于只要直接解释、摘要、翻译、代做/解题、批量出题、评分、写苏格拉底对话或单独生成图片的请求；用户要求停止提问或直接给答案时立即退出苏格拉底模式。
将量化分析或已有 JPG/PNG、HTML、PDF 发布为 Quant Buddy 可分享活页或实时看板，并支持创建、更新、复用、验收和公开链接交付。适用于个股画像、估值财务、指数异动、多因子筛选、商品日报、模板、分享壳及卡片等页面。当用户提供 QuantBuddy 活页 URL 并要求解读时也使用。显式调用 /quant-buddy-view、/qbv、qbv 或 QBV，且请求并非纯咨询、代码维护或文档解释时，默认按可分享活页任务处理。输入可唯一识别的 A 股名称、简称或代码，或简单要求单股综合分析（如“贵州茅台”“600519”“分析一下贵州茅台”）均默认请求个股快页；先通过 QBS 验证并回复完整个股分析，再同轮 new_asset_page，无需用户补说“生成页面”。WebAgent 宿主要求金融问题统一交付问答与活页时，一次性行情、涨跌幅、估值、概念解释和口语近况问题也在 QBS 首答后交接本技能。无此宿主约定时一次性问题由 QBS 回答；复盘、监控、画图、回测、K线等操作仍默认有活页意图。明确不要网页或只回复文字时不建页。
生产环境的 Ray（开源，固定为 2.57），用于经典机器学习从训练到服务的各类工作负载——Ray Train、Tune、Data、Serve、Core，以及在 KubeRay 上的集群部署。用 2.57 中取而代之的惯用法（Train V2 默认值、driver-function 调优、compute strategies、流式数据集、DeploymentHandle/DeploymentResponse、serve build/deploy、ray.util.state、KubeRay CRD 与 Jobs API）纠正模型容易沿用的旧语料默认做法（ray.air 会话上报、Tuner 内嵌 Trainer、tune.run、map_batches concurrency=、DatasetPipeline/to_torch、max_concurrent_queries、RayServeHandle + ray.get、Deployment.deploy、ray.state、在循环中调用 ray.get）。在编写、审查或生产化涉及 Ray 分布式训练、数据管道、超参数调优、模型服务或 Ray 集群运维的 Python 代码时使用。Ray 上的 LLM 服务与批量推理位于同系列的 ray-llm 技能中。
为网站提供艺术指导，研究 regards.design 上按视觉风格搜索的精选真实网站版块索引。它是 tasteskill v2（MIT，Leonxlnx）的分支，保留其内容库、创意测试、开放集合图片、真实浏览器检查器及边看边改的循环，并将 20 种固定方向替换为针对当前需求搜索真实版块。凡是设计、改版、调整风格、润色或评审落地页、营销网站、作品集、产品页、单页、首屏或任何面向公众的网页，无论使用何种技术栈；以及用户认为页面看起来千篇一律、像模板、“AI 制作”或和其他网站没区别时，均可使用。研究步骤需要 regards.design MCP 服务。不适用于仪表盘或应用界面。
当用户明确要求"核查/优化综述 `{主题}_review.tex` 的正文引用"、"运行 research-citation-check"，或要求使用旧名 check-review-alignment skill 时使用。通过宿主 AI 的语义理解逐条核查引用是否与文献内容吻合，只在发现致命性引用错误时对"包含引用的句子"做最小化改写，并优先复用 `research-literature-review` 的渲染脚本输出 PDF/Word，过渡期允许 fallback 到旧名 systematic-literature-review。核心原则：不为了改而改，无法确定是否为致命性错误时保留原样并在报告中警告。⚠️ 不适用：用户只是想生成系统综述正文（应使用 research-literature-review）；用户只是想新增/核对 BibTeX 条目（应使用专门的 bib 管理流程）。
这是 DaVinci Resolve MCP 工作的导航和索引，涵盖调色、剪辑、匹配、交付、媒体分析，以及 .drp/.drt/.drx 文件操作；既适用于运行中的 Resolve，也适用于未打开 Resolve 的离线场景。加载此项可了解各领域技能、在线与离线服务，以及通用安全规则。各领域技能（resolve-color / resolve-edit / resolve-conform / resolve-delivery / resolve-media-analysis）提供深入内容，并根据自身描述触发；可将此项用作导航，或用于跨多个领域的任务。
当用户想要创建、改进、优化、审阅或重写简历、CV、履历或 hoja de vida 时，使用此技能。触发情形包括提及“resume”“CV”“curriculum”“hoja de vida”“job application”“ATS optimization”“resume review”“cover letter”，或要求准备求职文档。用户要求根据特定职位描述定制简历、改进要点、添加指标或量化数据、检查 ATS 兼容性、在不同语言间翻译简历，或创建多个版本时，也使用此技能。即使用户只说“帮我找到工作”“优化我的申请”“我需要更新简历”或“审阅我的经验部分”，也使用此技能。不要用于 LinkedIn 个人资料优化、作品集网站，或与求职无关的一般文档格式调整。
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。