Skills
收录 98,067 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
通过 n8n-mcp MCP 服务构建、编辑、验证、测试或调试 n8n 工作流时使用,例如设计流程、配置节点、编写表达式或 Code 节点、连接凭据,或修复异常节点。这是 n8n-mcp-skills 套件的入口技能:将请求路由到合适的专用技能,从一开始就提供对每个 n8n-mcp 工具的实用知识,并说明防止工作流在生产环境中出错的规则。处理任何 n8n、工作流、节点或自动化任务时,都应先查阅此技能,即使只是快速的一次性任务,或用户没有指定技能也一样,因为 n8n 的功能界面会随版本变化,专用技能可避免静默故障。
一本书 → 一幅清晰的「取景框」意向画面 → 一张 2050 图书馆借书卡(PNG)。取景框 = 作者从哪个角度看什么问题、看到了哪幅画面;卡上有真实封面、作者头像、书目信息。取景框 block 用费曼式讲解把这幅意向画面讲得通俗又准确;图解 block 用 AI 生图把这幅画面画出来,继刚是固定主角(从其墨像参考生成、认得出的他)。图解风格:吉田诚治式绘本感(异世界日常空间、暖光斜射、治愈又精致)。浅色光学玻璃卡身、强调色从封面动态提取、宽高自适应。合上书记住这幅画面,就没白读。Use when user says '取景框卡', '图书馆卡', 'library card', '书卡', '铸书卡', '一本书一句话一张卡', '/ljg-library', or provides a book name and wants it distilled into one collectible card. NOT FOR 拆书结构分析(用 ljg-book)、纯文字金句(用 ljg-card -b)、信息图(用 ljg-card -i)、视觉笔记(用 ljg-card -v)。
创建包装设计简报,涵盖结构、视觉方向、层级、材料和开箱体验。用户提到“packaging design”“packaging brief”“product packaging”“packaging direction”“label design”“packaging identity”“unboxing experience”“packaging look and feel”“brief my packaging designer”“packaging for my product”“packaging strategy”“retail packaging”“e-commerce packaging”“what should my packaging look like”,或向设计师、代理机构或制造商说明包装需求时使用。
使用 Sentry 为应用添加监控:检测平台,按需安装并初始化 SDK,并接入任意信号——错误监控、追踪/性能、日志、指标、性能分析、会话回放、用户反馈、cron 检查、已部署应用的正常运行时间监控,以及 AI/LLM 监控(OpenAI、Anthropic、Vercel AI、LangChain、Google GenAI、Pydantic AI、Laravel AI、Mastra、Eve、Flue、Pi Durable、Cloudflare Agents SDK 和 Workers AI 的 Agent 运行、令牌成本及对话)。适用于将 Sentry 添加到项目或捕获错误以外的信息。
判断是否应跟随喊单人的喊单。对一个喊单钱包从两个维度评分——SELECTION(他喊的币是否真的上涨)和 POST-CALL CONDUCT(他是否趁自己喊单带来的关注度卖出)——然后给出跟随/不跟随的结论。行为维度依据喊单人自己的逐笔交易账本验证,而非自报字段:对每个抽样币种,比较首次买入、喊单时间戳及此后的每笔卖出,因此“他向跟随者砸盘”是由测量出的交易序列得出的,而非推断。用户询问某喊单人是否值得跟随时使用:这个喊单的能不能跟、这个喊单号靠不靠谱、喊单信誉分、喊单评分、他喊完会不会砸盘、他是不是喊完就卖、跟他的单能不能吃到、caller 评分、is this caller trustworthy、can I follow this caller's calls、does he dump after calling、call-out credibility score、score this caller。接受 GMGN 个人资料 handle(twitter_username,例如 gmgn.ai/profile/<handle> 链接的最后一段)或钱包地址;Step 0 会将 handle 解析为一个(chain, wallet)组合,并始终回显解析结果。其他语言中的相同问题也路由到此处——按含义匹配,不按措辞匹配。不要将此技能用于原始喊单数据——“这个钱包喊过什么单”“最新喊单”“谁在喊这个币”“KOL 在喊什么”、feed、field dump、30d summary card——这些属于 gmgn-callout,它负责读取所有喊单端点并原样返回;本技能调用它并补充判断。也不要用于将喊单人作为交易员而非喊单人评估的情况(“这个钱包能不能跟单”“跟单评分”、copy-trade 回测)——这属于 gmgn-wallet-analysis / gmgn-wallet-score,它们读取其交易记录,不了解其喊单。也不要用于喊单人提到的代币(“他喊的那个币安全吗”、尽调、rug check)——这属于 gmgn-contract-dd。也不要用于代币创建者的下一次发行(“这个 dev 的新盘能不能买”)——这属于 gmgn-dev-score。没有喊单意图的裸钱包地址仍由 gmgn-wallet-analysis 处理;裸代币地址由 gmgn-contract-dd 处理。用户的请求中必须出现“喊单”/caller/call-out 一词,本技能才负责处理。分流规则:喊单搭配能不能跟/信誉/砸盘/评分时路由到这里;喊单搭配喊过什么/最新/谁在喊/列表时路由到 gmgn-callout——前一组请求判断,后一组请求数据行。不含喊单的能不能跟,是把钱包作为交易员评估,仍由 gmgn-wallet-analysis / gmgn-wallet-review 处理。不含喊单的信誉是发行方问题,仍由 gmgn-dev-score 处理。本技能用于回答的预设表达,每个都带有喊单意图词:“帮我看看 [喊单人ID或地址] 这个喊单的能不能跟”“[喊单人ID] 喊的币能跟吗”“查一下 [钱包地址] 的喊单信誉”“这个喊单号喊完会不会砸盘:[地址]”。无法回答的内容,应转到其他技能:某个被喊代币是否适合买入(gmgn-contract-dd);他现在在喊什么(gmgn-callout global);他是否是值得跟单的交易员(gmgn-wallet-score);还有谁喊了同一代币或他是否最早喊出(CLI 中不存在按代币列出喊单人的列表,因此无法计算);某次喊单投入了多少(只能从无法筛选的全局 feed 读取);30 天以前的任何内容(喊单记录仅覆盖 30 天)。
当用户想分析社交媒体帖文的表现时使用。用户提到“分析”“表现”“我的帖文效果如何”“互动”“展示次数”“哪些内容有效”“帖文指标”“表现最好的帖文”或“这条帖文为什么表现不佳”时也使用。有 BlackTwist 分析数据时使用该数据,否则根据用户提供的数据分析。专门分析受众增长,请参阅 audience-growth-tracker-sms;检测模式,请参阅 content-pattern-analyzer-sms;获取可执行的后续建议,请参阅 optimization-advisor-sms。
为在 Brev 实例上运行的 NeMo-RL Agent 提供操作指南。其工作目录为 /home/ubuntu/RL,可用工作区磁盘空间有限,另有较大的 /ephemeral 卷,并可选使用 /home/ubuntu/RL/.env 中的机密。运行 nemo-rl-auto-research 活动、实验、训练任务、模型或数据集下载、占用大量共享缓存的命令、生成日志的运行、检查点生成、经过身份验证的 W&B 或 Hugging Face 工作流,或任何可能在 Brev 上生成大型文件的工作流时使用。
适用于所有视觉输出的 UI/UX 质量关卡和构建指南,包括落地页、仪表盘、Web 应用、作品集和工具。ui-design 仍是主要入口。集成模式:ui-design 主干 + taste-skill 覆盖层。- ui-design 负责工程质量(技术路线选择、组件库策略、无障碍性、响应式设计、主题、性能、预览交付)- 在 ui-design 工作流中调用 taste-skill 进行风格决策(Brief Inference、Design Dials、Anti-slop 硬性规则)。项目生成视觉 HTML/CSS/JS 时,必须与 project-builder 一起使用。
百度网盘(Baidu Drive)文件管理与正文能力——上传、下载、转存、分享、搜索文件、搜索正文片段、读取文件全文、移动、复制、重命名、创建文件夹;查询网盘容量、已用和剩余空间。同时支持 Agent 记忆备份/恢复(kimiclaw/maxclaw/qclaw/openclaw)。触发条件:用户提及“百度网盘/bdpan/网盘/云盘/baidu drive/Baidu Drive”,并涉及文件操作或查询网盘容量、剩余空间、使用率;或用户提及“备份记忆”“恢复记忆”“查看记忆备份”等记忆相关操作。不触发条件:非文件存储操作,或使用其他云盘服务时;本地记忆整理/清理操作;PPT 生成操作(已独立为 baidu-wenku-aippt 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。
