Skills
收录 96,981 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
提供 DDD 中仓储的设计规则与反模式。检查以聚合为单位的命名规则、基于 CQS（Command Query Separation）的方法设计、输入输出的类型约束。用于在代码评审、新实现、重构时发现仓储设计问题。目标语言：语言无关（Java、Kotlin、Scala、TypeScript、Go、Rust、Python 等均可）。触发词："评审仓储设计""Repository 名不对劲""findById 的返回值""仓储返回了 DTO""用表名创建了仓储""以聚合为单位的仓储""仓储的反模式""仓储的 CQS" 等与仓储设计相关的请求时启动。
为一人公司业务设计收入模型——钱如何流入、来自谁、以什么节奏。当你要决定如何将产品或服务变现、在多种收入来源之间做选择、构建订阅制与一次性收入的组合，或实现收入多元化时使用。涵盖所有主要收入模型类型、选择标准、收入来源叠加，以及收入模型与产品设计之间的关系。触发词：“how will I make money”“revenue model”“monetization strategy”“revenue streams”“recurring revenue”“how to monetize”“business revenue model”“diversify income”。
检查一个论证的前提是否真正支持其结论，并识别逻辑谬误。在审查设计决策、技术提案、产品论证，或任何结论需要经得起推敲的推理时使用。触发词：'validate this argument'、'does this logic hold'、'check my reasoning'、'is this a fallacy'、'find the flaw in this'，以及任何推理链条至关重要的提案或决策。当整个文档需要审查时，与 logic-consistency-check 搭配使用效果很好。
识别正确的影响力方法，并针对具体情境予以构建。真正能改变想法并促成行动的做法。Triggers：“how do I persuade”“how do I change their mind”“what would convince them”“how do I get buy-in”“how do I influence”“influence strategy”“how do I pitch this”“what makes a persuasive case”“how do I get them to say yes”。
Mailgun（Sinch）平台帮助——面向开发者的交易类邮件 API 与 SMTP 中继，支持入站路由、webhook 以及 Mailgun Optimize 送达率工具。适用于 Mailgun 邮件无法送达、DNS 记录（DKIM/SPF）验证失败、入站路由未捕获邮件、webhook 未触发、模板渲染错误、Mailgun Optimize 显示收件箱到达率差，或 API 调用返回错误时。不适用于通用邮件送达率策略（请用 /sales-deliverability）、跨平台邮件营销（请用 /sales-email-marketing），或邮件打开/点击跟踪策略（请用 /sales-email-tracking）。
ZoomInfo 平台帮助 —— SalesOS、MarketingOS、OperationsOS、Copilot、API、集成。适用于 ZoomInfo 搜索未能返回合适的潜在客户、丰富数据不完整或过期、意向信号未浮现目标客户、Engage 序列回复率低、广告受众与你的 ICP 不匹配、FormComplete 未自动填充线索、数据编排规则未触发，或 Copilot 建议似乎有误时。不要用于通用丰富策略（使用 /sales-enrich）、通用意向策略（使用 /sales-intent）、通用节奏设计（使用 /sales-cadence）、通用数据卫生策略（使用 /sales-data-hygiene）或通用 B2B 广告策略（使用 /sales-b2b-advertising）。
基于证据评估某种 SAP API/接口使用场景是否符合 SAP API Policy（v.4.2026a）。只要有人询问某种调用 SAP 的方式是否获准或合规，就应使用，例如 Published API 与内部/私有/“confidential” API 状态、“Documented Use”、第三方工具 / iPaaS / 中间件 / RPA 机器人 / AI Agent / MCP 服务能否调用 SAP API、Agent 或生成式 AI 访问 SAP、批量提取数据或复制到数据湖/仓库、自定义 Z/Y OData 或 RFC/BAPI 封装与 Clean Core、ADT/开发工具边界、ODP-RFC 及其他“不允许”的接口、合作伙伴 Integration Certification，或 RISE 集成整改。即使没有提及该政策也应触发，例如“我们可以……吗”“这样合规吗”“能把 X 连接到 SAP 吗”“新 API 政策会导致这个失效吗”。输出带置信度且有来源依据的技术评估——明确不是法律意见，也不是 SAP 的最终合规判定。
使用 Google schema-dts TypeScript 类型来构建、审查、调试、迁移或规划 Schema.org JSON-LD。适用于 schema-dts、schema-dts-gen、schema-dts-lib、WithContext、Graph、IdReference、MergeLeafTypes、ProductLeaf 及其他 *Leaf 类型、WithActionConstraints、implements PersonLeaf 类、JSON-LD 脚本注入、结构化数据、Organization、WebSite、Product、Offer、FAQPage、Article、BreadcrumbList、react-schemaorg、schema-dts-gen 2.0.1 安全修复以及 Schema.org v30 类型定义。
当用户要求文献综述、学术深度调研、研究报告、最新进展综述、主题范围界定、方法/论文对比分析、基金申请背景，或任何需要带引用的多来源学术证据的请求时使用。当用户的问题明显需要学术依据时（例如“关于 X 已知什么”“在文献中比较方法 A 与方法 B”“总结 Y 领域”），也应主动触发。运行一个 8 阶段（Phase 0..7）、脚本驱动的研究工作流，覆盖 7 个联邦来源（OpenAlex、arXiv、Crossref、PubMed、DBLP、bioRxiv、Exa），可选 Semantic Scholar / Brave MCP 增强，包含去重、透明排序、双后端引文追踪（OpenAlex + Semantic Scholar）、自我批判，以及带可验证引用的结构化报告输出。
当用户有科学数据（或提示词中提及科学数据）并希望据此制作出版级质量的图时使用。一个生成器起草并渲染一幅图，以达到一个冻结的传播目标；一个对抗式批评者严厉批评它，并按固定评分表在各轴上评为 1-5 分（信息、美学、清晰度、诚信，以及一个条件性的领域完整性轴），汇总为 0-100 分并判定是否通过；生成器针对批评者的意见不断修订，直到评分越过阈值或预算耗尽。两个角色都可查阅文献（Semantic Scholar + arXiv）以核实领域内容（例如通路图的基因集，或基准测试报告的数字），并遵循/按某指定期刊的插图规范进行评分，该规范通过网络搜索获取。不用于撰写论文或分析数据集，也不用于编辑已有的成品图片 — 这是从数据/简报渲染一幅图并对其迭代。
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。