Skills
收录 100,344 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
此技能总结了 Lynx 开发中的常见 TypeScript 问题及其解决方案,主要涵盖环境配置、类型扩展、事件处理、组件和 ReactLynx 高级用法。触发场景:- 用户输入与 Lynx 相关的 TypeScript 错误并寻求修复建议;- LSP 诊断出与 Lynx 相关的 TypeScript 错误时,主动调用查询以获取解决方案;- 用户询问 Lynx 相关的 TypeScript 最佳实践或常见错误时,主动调用查询提供指导;- 用户要求配置当前项目的 TypeScript 环境以支持 Lynx 开发时,主动调用查询提供配置步骤
端到端的会议演讲流程:论文 → 幻灯片大纲 → Beamer + PPTX → 逐页润色 → 质量检查(论点/引用/匿名性)→ 最终导出和报告。适用于学术会议演讲(NeurIPS / ICML / ICLR / VALSE / 投稿 talks)。触发语:“做 talk”“做 PPT 全流程”“talk pipeline”“end-to-end slides”“做演讲”“conference talk full workflow”。用户需要完整的演讲成果,而不只是幻灯片时使用。
针对学术演示幻灯片进行逐页 Codex 审查,并使用 python-pptx / Beamer 修复特定问题。适用于 /paper-slides(或任何外部生成的 PPTX/Beamer)之后:幻灯片整体“基本可以”,但用户希望最后检查一遍,使视觉权重与参考内容一致、将 PPTX 字体调至适合投影阅读的大小、消除意外的斜体样式、修复文本框溢出并发现逐页布局偏差。触发语句:“polish slides”、“slides 排版不对”、“PPTX 字体太小”、“和 Beamer 比一下”、“per-page review”、“和 codex 一页一页过”。
ARK 风格的单只股票颠覆式创新诊断。通过 4 个维度(平台契合度/创新收入/研发强度/管理层愿景)进行适配性筛选;若通过,则构建 TAM(低/基准/高)、附有来源学习率的莱特定律成本曲线、三种情景下的 5 年目标价(看涨/基准/看跌,折现率 15%)、风险和条件式行动框架。数据:优先使用 Longbridge CLI,MCP 作为备用;WebSearch 仅用于 TAM/学习率/行业发展空间。分析前先进行跨报表核对。最后附上数据来源附录,末行是核对摘要。独立实现,与 ARK Invest 无关联。触发词:“木头姐”、“ARK”、“ARKK”、“颠覆式创新”、“莱特定律”、“TAM”、“5年目标价”、“情景分析”、“AI 与大数据”、“自动化与机器人”、“能源存储”、“基因革命”、“区块链与金融科技”、“木頭姐”、“顛覆式創新”、“萊特定律”、“5年目標價”、“Cathie Wood”、“ARK Invest”、“disruptive innovation”、“Wright's Law”、“learning rate”、“bull base bear”、“scenario analysis”。
在项目中使用 Spring Data JDBC 的规则与指南。添加、删除或修改 Spring Data JDBC 实体(org.springframework.data.relational.core.mapping 中的 @Table)、聚合、AggregateReference 链接、嵌入对象、@MappedCollection 关联或 Spring Data JDBC 仓库(CrudRepository / ListCrudRepository)时,始终使用此技能。任何涉及 spring-data-relational 的 @Table、@Column、@MappedCollection、@Embedded 注解、AggregateReference 字段、@PersistenceCreator 构造函数或 JDBC 仓库的 @Query 方法的请求都会触发此技能。不要用于 JPA(jakarta.persistence)实体——请改用 spring-data-jpa 技能。
由 OpenAlex 提供支持的学术论文搜索,OpenAlex 是包含超过 2.4 亿篇学术作品的免费开放目录。用户需要查找学术论文、研究文章、主题文献、引文数据、作者发表成果或其他学术来源时使用。适用于“查找有关……的论文”“关于……的学术研究”“有哪些相关研究”“文献综述”“查找引文”“关于……的学术文章”“谁发表过……”“[作者] 的论文”“关于……的高引论文”等请求,以及任何查找同行评审或学术来源的需求。在深度研究中需要以学术文献为依据时也使用。不要用于一般网页搜索——请改用 web-search。
在推送或创建 PR 前,对当前分支进行开发阶段的自我审查时使用——自动循环执行 codex 审查(跨模型,OpenAI)、逐项修复发现的问题并重新审查,直到问题趋于一致或触发停止条件。Codex 遵循 pr-review 的多角色方法(安全/资深工程师/sdet/规范审计员)。触发词包括:“self review”“self-review”“自己 review”“自我 review”“cross-model review”“pre-push review”“review and fix my branch”。不用于带有固定/行内评论的实时 PR 审查(使用 pr-review),不用于托管式 PR 跟进(使用 pr-babysit),也不用于没有修复意图的首次审查(选择加入 mode=review-only)。
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。
