Skills
收录 96,770 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
系统性地帮助用户学习一个全新的技术领域,输出交互式 HTML 概念地图。解决用户"不知道自己不知道什么"的核心问题——通过「相关法」和「同类法」主动扩展用户的认知边界,梳理概念间的依赖/因果/条件关系,规划学习路径,最终交付一个带打卡功能的可视化学习地图。 当用户表达以下意图时使用此 skill: - 想系统学习或入门一个新领域("帮我学习 XX"、"我想系统了解 XX") - 想要学习地图、概念地图、知识图谱("帮我做一个 XX 的学习地图") - 想规划学习路径("我要入门 XX,帮我规划"、"XX 领域该怎么学") - 想全景了解一个领域("帮我搞清楚 XX 的全貌"、"XX 领域有哪些我不知道的") - 想补充自己的知识盲区("帮我补充 XX 的学习思路"、"我对 XX 一知半解") - 想做技术调研并结构化输出("帮我调研 XX 并做成概念目录") 即使用户只是粗略地说"帮我了解一下 XX",只要涉及系统性学习一个有一定深度的技术领域,都应该触发此 skill。不要仅仅因为用户问了一个关于某领域的具体问题就触发——此 skill 是为"全景式学习"设计的,不是为回答单一问题设计的。
跨多个来源(Semantic Scholar、arXiv、Tavily、Exa、Gemini deep research、AMiner、Google Scholar)搜索和发现学术论文,并根据查询类型自适应选择引擎。返回排序后、去重的结果,包含元数据(作者、发表venue、年份、引用数、摘要、PDF 链接)。当用户要求查找某主题的论文 / 文献 / 出版物 / 预印本 / 参考文献、搜索相关工作、按标题或 DOI 或 arXiv ID 查找某篇论文、按作者查找论文、查找最新 SOTA / 最前沿工作、综述某个研究领域,或进行带综合分析的深度 / 全面文献搜索时使用。
用一个设计良好的 Agent 循环脚手架,辅以最佳实践指导与跨模型评审委员会。当用户想要设计、构建或搭建 Agent 循环、迭代式 Agent 工作流、自我评审循环、LLM-as-judge 循环、多模型委员会、评审/裁判门禁,或 /goal 式循环流程时使用。可从命名的模式模板(security-scan、code-review、bug-hunt、docs-sync、research-synthesis)或从空白访谈开始。指导目标细化、带类型的验证标准、评审者与裁判的选取、隐私边界、终止防护、无进展停止,以及轻量可观测性,然后产出 RUN_IN_SESSION.md 交接提示词,以及可移植的 loop.yaml、loop.resolved.json、LOOP.md 和 run-loop.py。
OpenAI Assistants API v2 指南:有状态对话式 AI,具备 Code Interpreter、File Search 与函数调用,支持最多 10,000 个文件的向量存储用于 RAG、thread 与 run 生命周期管理以及流式传输,可使用 Node.js SDK 或纯 fetch。指出计划于 2026 年上半年停用以及向 Responses API 的迁移路径。适用于构建有状态 OpenAI 聊天机器人、用向量存储实现 RAG、通过 Code Interpreter 运行 Python、用 File Search 做文档问答、管理对话 thread 与 run 轮询、流式传输助手响应、维护遗留 Assistants 代码,或调试 thread 已有活动 run、run 状态轮询超时、向量存储索引延迟、文件上传失败等错误时。
配置、定制并创造性地利用 OpenClaw 的专家指南 —— OpenClaw 是可自托管的 AI 网关,将 LLM 连接到消息渠道(Telegram、WhatsApp、Discord、Slack、iMessage 等)。当用户想要:(1) 设置或修改其 openclaw.json 配置,(2) 编写或编辑 bootstrap 文件(SOUL.md、USER.md、AGENTS.md、IDENTITY.md、TOOLS.md),(3) 配置消息渠道,(4) 设置模型和提供方,(5) 创建多 Agent 路由,(6) 构建技能、hooks 或 cron 任务,(7) 排查 OpenClaw 问题,(8) 获得以不显而易见的方式利用 OpenClaw 的创意时使用。触发词:openclaw、gateway、SOUL.md、USER.md、AGENTS.md、IDENTITY.md、channels setup、agent routing、heartbeat、cron jobs、openclaw hooks、openclaw skills、openclaw config、openclaw.json、personal assistant setup。
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。
