Skills
收录 100,696 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
审查在线页面的无障碍问题,并精确定位每项违规——可传入 URL、配置目标名称(例如 `accesslint:scan dev`),或不传参数以使用 accesslint.config.json 中的默认目标。确保 Chrome 可调试,通过 CDP 运行 @accesslint/core 引擎,并返回在线 DOM 中的 WCAG 违规清单,逐项关联 DOM 选择器和源文件行号。只定位问题,不编辑;输出由 Claude 用于修复。用于询问“此页面是否无障碍”,或验证 UI 变更。若要与未提交的更改或分支进行比较,请使用 `diff` skill。
在 Agent 于 ZBrush 2026 中雕刻有机形体时使用(在 ZBrush 中从球体、ZSpheres 或基本体雕刻头部、半身像或生物);在构建主要与次要形体、选择 DynaMesh、Sculptris Pro 或细分级别,或设置 ClayBuildup、Dam_Standard、Move 或 TrimDynamic 时使用;在使用遮罩、多边形组、Morph Targets 或图层时使用;或在脚本化笔触失灵、无效、力度过强或留下痕迹,或重新 DynaMesh 无效果或丢失多边形组时使用。
管理构思和实验周期中的持久研究记忆。维护两个存储:构思记忆 M_I(可行/未成功的方向)和实验记忆 M_E(用于数据处理、模型训练、架构和调试的可复用策略)。包含三种演进机制:IDE(research-ideation 之后)、IVE(实验失败后,将失败归类为实现问题或根本性问题)、ESE(实验成功后,提取可复用策略)。适用于:完成 research-ideation 周期或实验流程后更新记忆;判断方法失败的原因(实现问题还是根本性失败);在新研究周期中查阅既有知识;用户提及“更新记忆”“归类失败”“之前什么有效”“研究历史”或“演进”。不用于运行实验(使用 experiment-pipeline)、调试实验代码(使用 experiment-craft)或生成想法(使用 research-ideation)
当用户想审计 Google Ads 账户、接管新账户、评估账户整体健康状况、进行前 30 天审查、找出账户中影响最大的问题,或制定有优先级的优化路线图时使用。触发语包括“账户审计”“审计我的 Google Ads”“接管账户”“账户健康检查”“我应该先修复什么”“账户审查”“新账户入门”“账户评分”“从哪里开始优化”或“Google Ads 诊断”。特定领域的审计请参阅相应技能(google-ads-quality-score、google-ads-negative-keywords 等)。
把一本小说改编成短剧大纲五件套:改编说明、人物表、爽点表、分集梗概、资产清单,产出 outline.json + Markdown + 单页评审报告(KPI 带、关键决策、爽点时间轴、调度矩阵、场景概览、质量门)。14 道质量门全部由脚本确定性检查(角色分档上限、主场景上限随集数动态、爽点间隔≤3集、每集钩子悬念必填……),不靠模型自觉;支持体检模式:贴一份现成大纲进来,只跑质量门给诊断。零依赖、零 API key,用当前会话额度。Use when asked to 改编大纲、短剧大纲、拆大纲、小说转短剧、adaptation outline.
为 AI 短剧制作分镜:采用三层结构——段(一次视频生成,≤15 秒)→分镜(段内 2–5 秒的剪切,对应剧本节拍)→分镜图(每个剪切一张关键帧:主分镜图钉在 0.00 秒,子分镜图钉在各自的剪切点)。每段附带一条 MiniMax H3 视频提示词(官方规范默认使用英文,每镜头一行;promptLang 可切换为中文):对齐指令和 [Shot k] 剪切时间点从分镜结构推导并逐字核对;台词逐字放入 <d> 块(规范已内置于 references/h3-prompt.md,不依赖外部 skill)。产出 storyboard.json、Markdown 和单页评审报告(分镜节奏带/分集分镜表/生成批次单/配音对齐单,含 JSON 导出)。不生成图片——交付每格的画面提示词及其应关联的参考图。全部 18 道质量门均由脚本确定性检查(第 18 道 shot-recipe 可选:只有挂载 shot-recipes 卡库时才检查,否则会明确说明跳过);一键导出 H3 投产包(每段提示词 + 按 Picture 顺序排列的分镜图清单)。零依赖、零 API key,使用当前会话额度。用户要求为 AI 短剧制作分镜、镜头表或剪切安排时使用
需要将内容收集到个人 Second Brain、编译、查询、检查或连接时使用。封装 Karpathy LLM Wiki 架构(Obsidian 或任意 Markdown 知识库):raw/(未处理的来源)、wiki/(AI 编译的互相关联主题页面)、outputs/(生成的文件)。知识库默认位于 ${SECOND_BRAIN_VAULT:-$HOME/Documents/SecondBrain}/。六种模式:capture(将内容放入 raw/)、compile(处理未处理的 raw 文件生成 wiki 页面并更新 INDEX.md)、query(从 wiki 回答问题并保存到 outputs/)、lint(检查孤立页面/矛盾/过时内容/未处理的 raw 文件/主题缺口)、connect(建议页面间的新 wikilinks)、search(快速查找)。当出现“/second-brain”“/sb”“capture this”“save this to my brain”“compile the wiki”“process raw notes”“query my wiki”“ask my brain”“lint the wiki”“find connections”“search my notes”时触发。与 deep-research(外部语料库)互补——这里管理内部语料库。团队知识应放入 company-brain,而非此处。
将技术性安全工作转化为非安全受众能理解的语言,面向董事会、高管、工程、客户成功、客户、法务、采购和销售团队。涵盖事件沟通、事后复盘叙述、面向利益相关方的审计发现、风险论证、安全支出论证,以及面向客户的泄露披露。用户提及“security comms”“communicate this finding”“explain to my boss”“board update”“executive summary”“incident communication”“breach notification letter”“customer disclosure”“security memo”“post-mortem narrative”“why this matters to the business”“translate this finding”“stakeholder update”,或需要让非安全受众理解技术安全工作时使用。
Guide the user through connecting a new data warehouse source, including databases, SaaS tools, and bucket files. Use when the user wants to "connect Stripe", "import data from Postgres", "import files from a bucket", "upload a file", "add a new data source", or pick sync methods for each table. This skill covers source-type discovery, credential validation, table discovery, per-table sync_type selection, and the final create call. Also covers picking a good prefix, what to do right after creation, and sending a source's tables to the user's own warehouse (Snowflake, BigQuery, Postgres, S3 and other destinations).
团队共享的 AI 就绪知识库——将人员、公司、会议、SOP 和决策进行结构化,使 Agent 能代表团队作答。与 second-brain 配套的团队版——个人笔记放在那里,不放在这里。模式包括 capture、compile(wiki 页面 + INDEX.md)、query(按可信度加权,保存至 outputs/)、review(验证/弃用/替换过时内容)、lint、connect、search。结构化原始目录(people/、companies/、meetings/、sops/、decisions/、customer-language/、sales-objections/)。每次记录都会标记作者、时间戳和可信状态。可选同步通话转录、Slack/电子邮件导出和 CRM。知识库位于 ${COMPANY_BRAIN_VAULT:-$HOME/Documents/CompanyBrain}/。当出现“/company-brain”“/cb”“capture this into the team brain”“log this meeting”“save this SOP”“compile the company wiki”“query the team brain”“what does the team know about X”“review the company brain”“lint the company brain”“who's the internal expert on X”时触发。
扫描并从 GitHub 仓库历史中移除敏感数据(机密、API 密钥、私有域名/IP、个人身份信息),然后验证并安全地强制推送。适用于“清理敏感数据 / 历史重写 / 泄露”、“scan sensitive data”、“clean git history”、“remove secrets from repo”等需求,或在向公开仓库强制推送前使用。不适用于仅限本地的 Git 恢复(使用 git-safety-net)或普通仓库设置(使用 auto-repo-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。
