7天热门
排行榜

find-skills 是 Vercel Labs 推出的一个“元 Skill”（Meta Skill）——一个专门用来“找技能”的技能。它的定位很简单：当你的 AI 编程助手（比如 Claude Code、Cursor）不知道怎么做某件事，或者你想给它装一个新能力但不知道装什么的时候，find-skills 会帮你搜索、发现并推荐合适的技能包

grill-me 是 Matt Pocock 出品的 AI 技能，撰写代码之前，先让AI狠狠地“拷问”你一遍。 这个技能的火爆程度超出了很多人的预…。如果你正好要处理这块，它能明显减少手动反复操作。

grill-with-docs 是 TypeScript 大神 Matt Pocock 开发的另一个 AI 技能，和 grill-me 是“亲兄弟”。 grill-me 做的事情是：AI 通过持续提问，帮你在动手之前把所有模糊的地方想清楚。但 grill-me 有一个“缺点”——它不写任何文件。拷问结束，对话一关，刚才理清楚的思路就只停留在你的脑子里，下次打开一个新的 AI 会话，一切又要重来

如果你维护过超过半年的项目，大概率遇到过这种情况：代码能跑，功能正常，但加一个新功能越来越费劲，改一行代码要牵扯五六个文件，测试也很难写。你不知道问题出在哪，更不知道从哪下手。 improve-codebase-architecture 就是用来解决这个问题的。它是一个由 TypeScript 大神 Matt Pocock 开发的 AI 技能，核心工作只有一件事：像医生做体检一样，扫描你的代码仓库，找出架构层面的“病灶”，然后告诉你最该先治哪里。

tdd 是 Matt Pocock 出品的 AI 技能，加一个新功能，它直接生成了几百行实现代码，测试文件是空的，或者测试是后补的。你问…。它把关键步骤固化下来，结果更稳定，不用每次从零折腾。

作为一名每天在代码与编辑器之间切换的资深编辑，同时也是个重度 AI 使用者，我见过太多“一眼AI”的页面了。 那种千篇一律的紫色渐变、Inter 字体、圆角卡片加毛玻璃效果，几乎成了 AI 的“出厂设置”。 直到我在 Claude Code 的插件市场里翻到了 Frontend-Design，这个问题才算有了真正的解药

frontend-design 是 Anthropic 官方推出的一个前端设计技能。它的核心作用只有一个：让 AI 生成的前端页面不再千篇一律。 如果你用过 AI 写前端，大概率遇到过这种情况——功能实现了，布局也没错，但一看就是 AI 做的：白色背景、紫色渐变、Inter 字体、圆角卡片、三列布局。不是不能用，但“太像 AI 了”，没有个性，没有设计感

AI能思考，但动不了手。它看不到屏幕，点不了按钮，填不了表单。 agent-browser 就是来解决这个问题的。它是 Vercel Labs 开源的一个浏览器自动化 CLI 工具，专门为 AI 智能体设计。用 Rust 编写，通过 Chrome DevTools Protocol（CDP）直接控制 Chrome 或 Chromium 浏览器。

setup-matt-pocock-skills 就是来补这个缺的。它的官方定位只有一句话：在每个仓库运行一次，然后再使用其他 engineering skills。 它不教你怎么写 issue、怎么 triage，它只做一件事：把三个核心配置决策问清楚，然后落地成文件，让后面所有的 engineering skills 都有一个确定的读写位置

如果你用AI编程助手做过稍微复杂一点的工作，大概遇到过这种情况：会话进行到一半，上下文窗口快满了，或者你想换个工具试试，但新开的会话对刚才讨论的几十轮内容一无所知。你只能手动复制粘贴，或者从头再解释一遍。 handoff就是来解决这个问题的。它是Matt Pocock开发的一个AI技能，做的事情很单一：把当前对话压缩成一份交接文档，让另一个AI智能体（或者同一个人换个工具之后）能无缝接上。

如果你维护过任何一个有外部贡献者的开源项目，或者在一个稍具规模的团队里工作过，大概率对这种情况不陌生：Issue越积越多，分不清哪些是真Bug、哪些是脑暴、哪些早就该关掉。当你引入AI智能体来分担工作量之后，这个问题非但没有消失，反而被放大了——智能体很乐意去做事，但它无法替你判断“这件事到底该不该做、现在能不能做”。

如果你用 AI 写代码，大概率遇到过这种情况：一个需求摆在那，但你不确定技术方案对不对、状态流转合不合理、UI 布局该往哪个方向走。直接让 AI 写最终代码，万一方向错了，返工成本很高。不写吧，光靠脑子想又不够踏实。 prototype 就是 Matt Pocock 开发的一个 AI 技能，专门解决这个问题。它让你在正式提交代码之前，先做一段可丢弃的原型代码，用来回答一个具体的设计问题。

vercel-react-best-practices 就是 Vercel 官方整理的一套 React 和 Next.js 性能优化指南，被打包成了一个 AI Agent 技能。你可以在 Claude Code、Cursor、Codex 等工具里直接调用，让 AI 在写代码、改代码的时候自动应用这些规则

Grilling是一款用于方案压力测试的AI Skill，通过连续追问、拆解决策和检查隐藏假设，帮助你在写代码或执行计划前发现问题，减少AI“自作主张”带来的返工。

你用过飞书文档，大概知道它是个好东西——写文档、协作、@人、插表格，都很顺手。但如果你想让AI来帮你处理这些文档，事情就变得麻烦了：AI看不到你的飞书文档，你得手动复制内容给它，它改完了你再复制回去。 lark-doc 就是来解决这个问题的。它是飞书官方开源的一个 AI Agent 技能，让你的 AI 编程助手（Claude Code、Cursor、Codex 等）能够直接读取、创建和编辑飞书云文档

在AI Agent和自动化工作流全面渗透企业协作的今天，飞书多维表格（Lark Base）早已不再是一个简单的数据记录工具。它更像是一个轻量级的业务数据库，承载着项目进度、客户信息、库存管理和内容规划等核心业务数据。

在日常工作中，我们花费了大量时间在云盘里翻找文件、整理目录、管理权限。这些重复性操作不仅繁琐，还特别容易打断工作节奏。Lark Drive 这个AI技能插件的存在，就是为了把这件事交给AI来处理——你只需要用自然语言说出需求，剩下的由它来完成。

在日常团队协作中，我们经常需要在飞书文档中设置不同的访问权限、生成临时分享链接、批量调整外部协作设置。这些操作不仅重复性高，还容易遗漏或出错。lark Shared这个AI技能插件的出现，正是为了把这些繁琐的共享管理工作交给AI自动完成——你只需用一句指令描述需求，AI就会替你执行所有共享相关的配置与调整。

lark-approval 是飞书官方 CLI 工具集中的审批管理 Skill，让你在命令行完成待办查询、审批处理、发起申请、转交、加签、撤回和催办等全流程操作，无需打开飞书界面，适合批量审批和自动化集成场景。

在团队协作中，我们经常需要向飞书群组发送项目进度通知、@特定成员提醒任务、或者定时推送日报周报。这些消息发送工作虽然简单，但每天重复操作却异常消耗精力。Lark IM这个AI技能插件的诞生，正是为了把这些重复的消息推送工作交给AI自动完成——你只需一句话描述通知内容，AI就会替你精准发送到指定的飞书群聊或个人会话。

在繁忙的工作节奏中，我们每天都要花不少时间在日历上——建会议、查空闲、调时间、发邀约。这些操作虽然不复杂，但频繁切换窗口、反复确认时间却很容易打断思考。Lark Calendar 这个AI技能插件的出现，就是为了把日程管理这件事交给AI来处理——你只需要用自然语言说出需求，剩下的由它来完成。

飞书电子表格是很多团队日常协作中离不开的工具——做项目排期、记财务流水、统计运营数据，都靠它。但有一个麻烦一直存在：你想让 AI 帮你处理表格里的数据，比如从一堆数字里提取规律、批量填充内容、或者把分析结果写回表格，AI 却够不着这些数据。你得手动导出、处理、再导进去，来回折腾。

如果你日常用飞书知识库（Lark Wiki）管理团队文档，同时又依赖 AI 编程助手写代码、做自动化，一定经历过这样的尴尬：AI 助手能帮你写一整套微服务架构，却没法在你的知识库里新建一页文档；能生成几千行测试用例，却找不到你上周存在知识库里的那份技术方案。

lark-contact 是 飞书官方出品的 AI 技能，“给张三发条消息”或者“拉产品群所有人开会”时，AI并不知道谁是张三。如果你需要…。把重复的活交给 AI，你能腾出时间做更重要的判断。

开完会整理待办、分配任务、发会议纪要——这些事你肯定不陌生。但你想过没有，如果AI不仅能帮你把会议内容总结出来，还能直接把你口头交代的任务给办了，那会是什么感觉？Lark Minutes 这个插件的核心价值就在于此：它不只是生成一份“待办清单”，而是真正去执行那些待办事项。

lark-slides是Lark Suite官方CLI工具包中的Agent Skill，让Claude Code等AI编程助手通过XML协议直接创建、编辑和管理飞书幻灯片，将PPT制作从手动拖拽变为对话驱动的自动化流程。

lark-event 是 飞书官方出品的 AI 技能，响应飞书里的事情——比如有人发了消息、会议开始了、任务被更新了——你得让AI主动…。如果你正好要处理这块，它能明显减少手动反复操作。

lark-mail 来自 飞书，主打替你完成邮件读写、分拣、回复等全套操作。支持 Cursor，背后的琐碎步骤都打包好，AI 照着执行就行。它还能处理文档与会议、管理数据。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

在团队协作中，我们每天都要面对大量待办事项——任务分配、进度跟踪、截止日期提醒、子任务拆解……这些重复的管理工作往往占用了不少时间。Lark Task 这个插件的出现，就是为了把这些任务管理的工作交给AI自动完成——你只需要说出需求，AI就会替你创建、分配、更新和跟踪飞书任务。

如果你经常在飞书文档里画流程图、架构图或者各种思维导图，一定体会过手动拖拽对齐的痛苦——鼠标挪来挪去，框框拉大拉小，线条歪歪扭扭，改一个节点位置所有连线都得重新调。lark-whiteboard 正是为了解决这个问题而生的。

lark-attendance 是一个专为 AI 编程助手（如 Claude Code、Codex CLI）设计的轻量级技能插件，通过一条命令即可让大模型直接查询你在飞书（Lark/Feishu）上的个人考勤打卡记录。无需手动翻阅后台、无需复制粘贴，把枯燥的考勤核对交给 AI。

一个专为AI助手设计的飞书OpenAPI挖掘技能，当现有CLI命令无法满足需求时，AI能自动从官方文档库中逐层查找、获取并调用原生OpenAPI接口，无需手动翻阅开发文档。让AI真正具备“按需调用任意飞书接口”的能力。

lark-vc 来自 飞书，主打管理飞书视频会议，自动生成结构清晰的结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

一个用于创建lark-cli自定义Skill的开发工具，当现有命令无法满足需求时，它能引导AI把飞书API操作封装成可复用的技能，既支持包装单个接口，也支持编排多步流程。让AI能力边界随着需求动态扩展。

一个专注于飞书会议纪要批量汇总的自动化工作流插件，能按时间范围自动查询会议列表、获取纪要文档、生成结构化报告。默认汇总过去7天会议，支持日报和周报两种输出格式，让AI替你完成繁琐的会议复盘工作。

一个自动编排飞书日历和任务数据的轻量级工作流技能，能快速生成指定日期的日程安排与未完成待办摘要。适用于“今天有什么安排”、“本周还有哪些待办”等日常站会场景，帮你节省早会准备时间。

lark-okr 是一款为 Claude Code、Cursor 等 AI 编程环境设计的飞书 OKR 管理插件。它让你在写代码的同一个终端里，就能完成 OKR 周期查询、目标与关键结果（Objective & Key Result）的查看和编辑、对齐关系管理、量化指标更新以及进展记录等全部操作。无需打开飞书 App、无需切换窗口，所有 OKR 管理都能通过命令行和自然语言完成。

简单来说，lark-okr 把飞书 OKR 的管理能力从图形界面搬到了命令行和 AI 对话里。你不再需要打开飞书网页、一级级点菜单，一条命令就能完成过去几分钟的操作。

lark-markdown 是飞书官方 CLI（lark-cli）内置的一个 AI Agent Skill，专门用于管理飞书云盘（Drive）中的原生 Markdown 文件。它让你可以通过命令行直接创建、读取、修改、打补丁和比较飞书云盘里的 .md 文件，全程无需打开飞书网页或客户端。

Teach 插件提供两大核心能力：为教育工作者自动生成教案、对齐课程标准并差异化调整阅读材料；同时允许开发者通过聊天指令教会机器人自定义问答对，实现自动回复与知识库管理。

如果你在开发过程中接触过领域驱动设计（DDD），一定知道“通用语言”（Ubiquitous Language）这个概念——团队内部、业务方与代码之间用同一套词汇沟通，听起来简单，做起来难。domain-modeling 这个技能就是为了解决这个难题而生的。

lark-vc-agent是飞书官方CLI工具推出的专项Agent技能，专门负责飞书视频会议的会中实时操作，和负责会后会议纪要、参会人查询的lark-vc技能形成明确分工，填补了AI无法介入进行中会议交互的空白。它可以让AI Agent以机器人身份加入正在进行的会议，实时获取会中动态、发送消息，把原本需要人工操作的会中流程自动化。

web-design-guidelines 是一个 AI 编程助手专用的 Agent Skill，用于自动审查 UI 代码是否符合 Web Interface Guidelines（Web 界面设计指南）。它的工作方式是：动态获取最新的设计规范，然后对指定的 HTML、CSS 或前端组件代码进行逐条检查，最终输出结构化的审查报告

你在和 AI 编程助手讨论代码结构的时候，有没有遇到过这种情况——你说“这个模块的接口可以简化一下”，AI 回你“好的，我来优化 API”；你说“这里需要一个适配层”，AI 开始给你写一堆抽象的工厂类。你们说的似乎是同一件事，但又不完全一样。“模块”和“组件”有什么区别？“接口”到底是指类型签名还是包括错误处理和性能特征？“边界”和“接缝”是一回事吗？

Matt Pocock 开发的 diagnosing-bugs 技能，正是为了解决这类问题而生的。它不是传统意义上的 IDE 插件，而是一个可以加载到 Claude Code、Cursor、Windsurf 等 AI 编程助手里的工作流技能。

lark-apps 是一款专为飞书妙搭（Spark/Miaoda）应用全栈开发与托管设计的 AI 技能插件。它将复杂的应用创建、本地全栈开发、云端生成迭代以及创意设计等环节高度封装，为开发者提供了一套标准化的命令行交互规范。通过这一插件，开发者或 AI 编程助手能够无缝接管飞书应用的生命周期，从最初的代码编写、UI 原型设计，到最终的云端部署与线上监控，真正实现“一句话搞定应用开发与上线”。

微软官方出品，把企业级AI智能体（Agent）的发现、设计、测试、部署全流程搬进VS Code，支持多模型、可视化和MCP工具，让开发者不用切换窗口就能完成AI应用开发。

azure-diagnostics 来自 微软 Azure，主打快速排查 Azure 生产环境故障，背后的琐碎步骤都打包好，AI 照着执行就行。它还能配置权限与策略、优化云架构。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

微软官方Azure准备技能，为AI编程助手注入基础设施即代码生成能力，自动分析项目、生成Bicep/Terraform和Dockerfile，让部署前准备工作全自动完成。

azure-ai 是 微软 Azure 官方出品的 AI 技能，应用开发从零到一更高效。把重复的活交给 AI，你能腾出时间做更重要的判断。

微软官方Azure部署技能，为AI编程助手注入自动化部署能力，基于计划文件执行安全可控的Azure资源部署，让上线流程标准化。

微软官方Azure验证技能，为AI编程助手注入部署前检查能力，自动验证语法、权限、配额和成本，让每一次部署都万无一失。

微软官方Azure存储技能，为AI编程助手注入Blob、文件共享、队列、表存储和Data Lake的全套操作能力，用自然语言完成存储管理。

微软官方Entra ID应用注册技能，为AI编程助手注入应用注册、OAuth 2.0配置和MSAL集成的专业能力，一句话完成身份认证设置。

azure-compliance 是一款 Azure 合规扫描工具，能自动运行 azqr 评估、检查 Key Vault 过期项、发现孤立资源和策略缺口，帮助团队快速定位安全风险。

微软官方Entra ID应用注册技能，为AI编程助手注入应用注册、OAuth 2.0配置和MSAL集成的专业能力，一句话完成身份认证设置。

azure-resource-visualizer 能分析 Azure 资源组中的资源关系，自动生成 Mermaid 架构图，帮你快速理解现有基础设施拓扑和依赖关系。

azure-resource-lookup 能跨订阅、资源组和区域快速列出、查找和检查 Azure 资源，支持标签分析、孤立资源发现和 Azure Resource Graph 查询。

azure-aigateway 是微软官方推出的 Azure Skills 技能插件，帮助你快速将 Azure API Management 配置为集中式 AI 网关。它能统一管理 AI 模型、MCP 工具和智能体的流量，内置语义缓存、令牌限制、内容安全、负载均衡等治理策略，让 AI 服务更可控、更省钱、更安全。

azure-kusto 来自 微软 Azure，主打直接帮你写 KQL、查日志、分析时序数据，不用记复杂语法，背后的琐碎步骤都打包好，AI 照着执行就行。它还能管理 Azure 资源、配置权限与策略。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

azure-messaging是微软Azure官方推出的消息服务SDK集合，覆盖.NET、Java、Go、Python、JavaScript等主流开发语言，整合了Azure Service Bus、Event Hubs、Event Grid、Web PubSub四大核心消息服务的能力。作为Azure云生态中消息传递的核心组件，它可以帮助开发者快速实现系统解耦、异步通信、实时数据流处理、跨服务事件路由等需求，是企业构建现代化云原生应用、事件驱动架构的基础工具。

如果你在 Claude Code、Cursor 或者 Codex 里装过 Matt Pocock 的那套 Skills，大概率会有这种体验——装的时候觉得“哇这么多技能”，真正用起来的时候，翻来覆去就用了那么两三个。剩下的十几个技能躺在列表里吃灰，不是没用，而是根本不知道什么时候该用哪个、用完了下一步该接什么。

做视频这件事，传统路径无非是打开 Premiere、After Effects 或者剪映——拖素材、拉时间线、调关键帧，鼠标点一下动一下，一个几十秒的视频折腾半天。但如果你是开发者，或者你正在用 AI 编程助手写代码，有没有想过——视频能不能也像写网页一样，用 HTML 写出来？

implement 来自 Matt Pocock，主打帮你把计划落地，结果可以直接拿来用，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

code-review自动检查代码变更中的缺陷、安全风险和质量问题，按严重程度分级报告，让代码审查更快更准。

视频制作这件事，传统的路径是打开 Premiere 或者剪映——拖素材、拉时间线、调关键帧，鼠标点一下动一下。但如果你本身就在用 AI 编程助手写代码，有没有想过——视频能不能也像写网页一样，用 HTML 写出来？

为 AI 助手注入 Remotion 领域知识，从动画、音频到字幕渲染，让代码生成视频少走弯路。

azure-compute 是微软官方出品的一款专为 AI Agent 打造的 Azure 计算资源智能推荐技能。它深度整合了 Azure 的底层架构知识，旨在为开发者、架构师以及自动化运维系统提供完整的虚拟机（VM）选型与配置管理方案。该插件不仅涵盖了全系列 Azure 计算资源的底层逻辑，还打通了实时定价接口与自动化故障排查链路，将原本繁琐的云端架构决策转化为精准、高效且数据驱动的标准化流程。

wayfinder把大型代码库变成可对话的导航地图，快速定位函数、理解调用关系、追踪依赖链路。

azure-cloud-migrate 是微软官方出品的一款专为 AI Agent 打造的跨云迁移评估与自动化技能。它深度整合了多云迁移的底层逻辑与最佳实践，旨在为开发者、架构师以及自动化运维系统提供完整的迁移解决方案。该插件不仅涵盖了从 AWS 等公有云到 Azure 的全栈服务映射，还打通了代码转换与基础设施生成的自动化链路，将原本耗时数月的复杂迁移工程转化为精准、高效且低风险的标准化流程。

video-edit 是面向 AI 代理的视频剪辑技能，将播客剪辑、短视频生成、字幕烧录和多机位同步等任务转化为可执行的编辑计划，再由 FFmpeg 确定性渲染成片。

ai-music-mcp 是一个本地运行的 MCP 插件，能在 AI 助手内完成音乐生成、分轨和声音转换，全程零 API 费用。

ai-video-generation 是 Genmedia Labs 出品的 AI 技能，编程助手（如Claude Code、Cursor、OpenClaw等）直接调用4…。装好后在 AI 工具里直接描述需求就能用，上手很快。

image-to-video 是一个在 RunComfy 平台上将静态图片动画化的 Claude Code Agent Skill，能根据你的意图自动匹配最合适的 i2v 模型并调用本地 CLI 生成视频。

通过统一接口调用FLUX、Gemini、Seedream等50多个图像模型，支持文生图、图生图、编辑和放大，无需切换工具。

caveman 来自 Julius Brussee，主打使用 Caveman 工具，提升工程质量，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

Caveman 是一款近期在开发者圈子里引发广泛关注的开源插件，由开发者 Julius Brussee 创建。它的核心思路非常直接：让 AI 编程助手像“山顶洞人”一样说话，用最少的词汇传递最精准的信息。这个项目在 GitHub 上迅速获得了数万 Star，并被许多开发者评价为“2026 年最厉害的提示词技巧”之一。

Research插件是一套让Claude Code等AI编程助手具备完整学术研究能力的技能包，涵盖文献综述、实验设计、论文写作、同行评审等全流程，相当于在终端里配备了一个7x24小时在线的专职研究助理。

to-spec是一款让Claude Code等AI编程助手把当前对话和代码库理解直接综合成结构化产品规格文档（PRD）并发布到项目Issue跟踪器的技能插件，全程零访谈、零追问。

to-tickets把一段模糊需求或规划文档，自动拆成结构清晰、可分配给人和 AI 的开发工单，让任务落地不再靠感觉。

resolving-merge-conflicts 是一个引导 AI 编码工具完成进行中 Git 合并或变基的技能，通过追溯冲突双方改动的原始意图来逐块裁决，适合经常处理多分支协作的开发者。

azure-rbac是Azure MCP Server内置的专项权限管理工具，核心功能是把Azure RBAC（基于角色的访问控制）的所有操作转化为自然语言交互，开发者、运维人员无需记忆复杂的Azure CLI语法、不用反复查阅API参数，直接通过日常对话就能完成角色分配查询、权限授予、权限移除等全场景权限管理操作，把原本需要10分钟完成的权限配置工作压缩到30秒内。

hyperframes-registry 是 HyperFrames 视频合成框架的注册表管理技能，通过 hyperframes add 命令安装区块和组件，再将它们接入 index.html，适合用 AI 工具制作 HTML 视频的开发者。

design-taste-frontend 是一份写给 AI 编码工具的前端设计守则，通过设计系统素材、三旋钮调节和预检规则，让生成的页面不再“一眼假”。

Reddit Automation把Reddit搜索、发帖、评论和关键词监控搬进AI对话窗口，不用切浏览器，说一句话就能完成操作。

lark-note 是一个飞书会议纪要直查技能，已知 note_id 时可拉取纪要详情、展示类型、下挂文档 token 和 unified 原始逐字记录，适合会议记录后处理场景。

用过 Azure 的人应该都遇到过这个情况——部署虚拟机或者创建资源的时候，突然弹出一个错误：“配额不足”。然后你得打开 Azure 门户，翻半天找到配额页面，提交申请，等审批。整个过程少说十几分钟，如果对流程不熟，可能半小时都搞不定。

如果你做过深度学习论文的代码复现，一定遇到过这种情况：README 写得很详细，数据集下载、环境配置、训练命令一应俱全，但到了关键环节——比如“使用 ImageNet 验证集”这句话——就戛然而止了。验证集怎么预处理？要不要中心裁剪？归一化参数用哪一组？这些问题 README 没说，代码里也没有注释，但你非得知道答案不可，否则跑出来的结果跟论文对不上。

做深度学习论文复现的时候，最怕的是什么？不是代码跑不起来，而是跑起来之前根本不知道要跑什么。 你面对一个陌生的 GitHub 仓库，README 洋洋洒洒写了几千字，里面有训练命令、有推理命令、有评估脚本——但哪个是你当前需要的？哪个是官方推荐的？哪个跑起来最省时间、最不容易出错？这些问题如果不先搞清楚，要么一头扎进去乱试，要么花大量时间通读整个仓库再动手。

做深度学习论文复现的时候，最让人头疼的事情之一就是：跑完一个命令之后，你根本说不清它到底跑没跑通。日志里一堆输出，有报错、有警告、有数字，但你很难用一种标准化的方式告诉别人“这个结果是可以信任的”或者“这个步骤卡住了”。更麻烦的是，如果你为了让它跑起来改了几行代码——改了什么、为什么改、改完之后对结果有没有影响——这些信息往往散落在聊天记录里，事后根本无从追溯。

做深度学习论文复现的时候，最让人烦躁的事情之一就是：你找到了一个看起来能跑的仓库，README 里写了训练命令、推理命令、评估命令，洋洋洒洒一大堆。但当你真正准备动手的时候，卡住了——conda 环境怎么配？数据集往哪放？预训练权重去哪下载？这些 README 里要么没写，要么写得很含糊，你得自己猜、自己试、自己折腾。

hyperframes-core 是 HeyGen 开源项目 HyperFrames 的核心技能插件，为 AI 编程代理提供了一套完整的视频合成技术契约。它定义了如何用 HTML 结构、data-* 时间轴属性、剪辑片段、音轨、子合成、变量和确定性渲染规则来构建可渲染的视频项目。安装后，AI 代理（如 Claude Code、Cursor、Gemini CLI、Codex 等）就能理解 HyperFrames 的底层规则，准确生成符合渲染引擎要求的视频合成代码，避免因时序、布局或媒体播放问题导致视频导出失败。

在 Azure 上跑着服务的人，应该都经历过这种场景——业务上来了，函数应用的消耗型计划扛不住了，想升级到 Flex Consumption；或者老板一句话，“把咱们的 App Service 迁到容器应用上去”。听起来简单，真动手的时候才发现：配置要改、依赖要查、文档要翻，万一哪个环节漏了，服务直接挂掉。

如果你正在用 GitHub Copilot SDK 开发 AI 应用，又想把它们部署到 Azure 上，那么 azure-hosted-copilot-sdk 这个技能是你绕不开的帮手。它是 Microsoft Azure Skills 套件中的一员，专门解决 Copilot SDK 应用从开发到上线的全流程问题。截至 2026 年中，这个技能在 GitHub 上的安装量已接近 40 万次。

media-use 是 HyperFrames 项目中的媒体资产管理技能，通过 resolve 命令统一处理背景音乐、音效、图片、图标、品牌标识和配音需求，自动搜索、下载并冻结为本地文件。

hyperframes-animation 是 HeyGen 开源项目 HyperFrames 的动画知识技能插件，为 AI 编程代理提供了一套完整的动效合成能力。它包含了原子动效规则、多阶段场景蓝图、场景转场、七大运行时适配器（GSAP、Lottie、Three.js、Anime.js、CSS、WAAPI、TypeGPU）以及 24 种命名文本动画效果。安装后，AI 代理（如 Claude Code、Cursor、Gemini CLI、Codex 等）就能理解 HyperFrames 的动效语法，准确生成带有复杂动画的视频合成代码，让 HTML 页面“动起来”。

Azure Enterprise Infra Planner是微软官方推出的Claude Code技能插件，将工作负载描述直接转化为经过WAF（Well-Architected Framework）验证的企业级Azure基础设施方案，并一键生成Bicep或Terraform代码

nano-banana-2 是谷歌 Gemini 3.1 Flash Image 模型的 Claude Code 调用技能，通过编辑式提示词完成多图融合、局部重绘和 4K 图像生成，适合需要精准控制改图范围的设计场景。

image-edit 是 RunComfy 出品的 AI 技能，专注用自然语言编辑图片，结果可以直接拿来用，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

nano-banana-edit 是 RunComfy 推出的技能，用 Nano Banana 精准编辑图片，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

flux-kontext 是 Black Forest Labs 的上下文图像编辑模型，通过“单图 + 文字指令”完成局部重绘和角色一致性保持，在 RunComfy、ComfyUI 和 MCP 客户端中均可调用。

wan-2-7 是阿里 Wan 2.7 视频生成系列模型的 Agent Skill 封装，通过 Claude Code、Cursor 等工具调用文生视频、图生视频、参考生视频和视频编辑能力，支持音频驱动唇形同步。

gpt-image-edit 是 GPT Image 编辑端点的 Agent 封装，支持单图指令编辑、蒙版局部重绘和多参考图融合，兼容 Claude Code、Cursor 等 MCP 客户端。

seedance-v2 是字节跳动 Seedance 2.0 视频生成模型的 Agent 封装，支持文生视频、图生视频、多模态参考和视频编辑，通过 CLI、ComfyUI 和 MCP 协议接入 AI 工具。

happyhorse-1-0 是阿里 HappyHorse 1.0 视频模型的 Agent 封装，支持文生视频、图生视频、参考生视频和视频编辑，原生输出带同步音频的 1080p 视频，适配 Claude Code、Cursor 等工具。

flux-2-klein 是 Black Forest Labs 推出的轻量级图像生成与编辑模型，在单一紧凑架构中统一文生图、图像编辑和多参考合成，4 步推理端到端低至 0.5 秒。

Azure Kubernetes是微软官方推出的Claude Code技能插件，基于用户需求生成生产就绪的AKS集群配置方案，区分Day-0硬决策与Day-1可调特性，输出带决策依据的具体配置建议。

hyperframes-creative 是 HeyGen 出品的 AI 技能，生成的视频有品牌感。把重复的活交给 AI，你能腾出时间做更重要的判断。

Supabase Postgres Best Practices是Supabase官方出品的Agent Skill，将PostgreSQL生产级优化规则编码为AI可执行的技能包，让Claude Code等AI编程助手在写SQL、设计Schema、配置连接池时自动遵循数据库最佳实践。

Kling 3.0插件是一套让Claude Code等AI编程助手直接调用快手第三代多镜头视频生成模型的技能包，支持文本/图像生成视频、多镜头故事板、原生音频同步和跨镜头角色一致性，相当于在终端里配了一个AI导演。

azure-cost 是微软官方为 Claude Code、Cursor 等 AI 编程环境发布的 Azure 成本管理技能。它让你在写代码的同一个终端里，就能完成历史成本查询、按服务/资源/标签的成本分析、月度趋势对比、未来支出预测以及成本优化建议等全部操作。无需登录 Azure 门户、无需切换窗口，所有成本数据都能通过自然语言对话直接获取。

skill-creator 是 Claude Code 等 AI 编程助手内置的交互式技能向导，通过自然语言对话即可创建、调试并安装专属技能插件，让大模型学会调用外部工具、执行自动化任务，无需编写一行配置文件。

Codex-Pet 是 OpenAI Codex 内置的像素风桌面宠物伴侣——把 AI 编程助手的运行状态，变成一只蹲在屏幕角落、会动会闹的小家伙。

wizard 是 Matt Pocock 推出的技能，手把手带你完成一个任务，全程自动完成不费事，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

To-PRD 是一款为 Claude Code、Cursor 等 AI 编程环境设计的智能技能插件。它能将你与 AI 的对话上下文和代码库理解直接合成为结构化的产品需求文档（PRD），并一键发布到项目 Issue Tracker。全程无需额外访谈，适合想法已清晰、只需快速文档化的产品经理和开发者。

brainstorming在实现功能前先做结构化设计对话，逐一澄清需求、对比方案，经你确认后再动手，避免AI凭猜测直接编码。

git-guardrails-claude-code 来自 Matt Pocock，主打遵守 Git 安全护栏，规范提交信息，背后的琐碎步骤都打包好，AI 照着执行就行。它还能处理分支与合并、解决冲突。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

一个覆盖RunComfy全平台模型的命令行工具，支持图像生成、视频生成、换脸、LoRA训练等数百个AI媒体端点，安装一次、登录一次，即可在终端或脚本中完成从提交请求到下载结果的全流程。

一个通过RunComfy CLI生成AI头像与说话视频的技能，自动在OmniHuman、HappyHorse、Seedance v2等模型间路由。给一张照片和一段音频，就能得到一个会说话、会做手势的数字人视频。

一个基于RunComfy CLI的人脸替换技能，能在Wan 2-2 Animate、GPT Image 2 Edit、Nano Banana Edit、Flux Kontext、Kling Motion Control五个模型间自动路由。给它一张身份参考图和目标图片或视频，剩下的事AI自己挑模型。

caveman-commit 是 Julius Brussee 出品的 AI 技能，专注用极简风格写提交信息，直接给出成品，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

video-inpainting 来自 RunComfy，主打修补视频画面，在对话里几句话就能搞定，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

ui-ux-pro-max 是 NextLevelBuilder 推出的技能，专业级 UI/UX 设计，格式统一，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

image-inpainting 来自 RunComfy，主打修补图片缺失部分，自动整理成可用的结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

controlnet-pose 是 RunComfy 推出的技能，用姿势控制生成图片，自动整理成可用的结果，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

lipsync 来自 RunComfy，主打视频人物对口型，自动整理成可用的结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

video-extend 是 RunComfy 出品的 AI 技能，专注延长视频时长，自动生成结构清晰的结果，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

elevenlabs-music-generation 是 RunComfy 出品的 AI 技能，专注用 ElevenLabs 生成音乐，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

image-outpainting 是 RunComfy 推出的技能，扩展图片画幅，自动生成结构清晰的结果，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

relight 是 RunComfy 推出的技能，重新打光图片，在对话里几句话就能搞定，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

video-outpainting 是 RunComfy 推出的技能，扩展视频画幅，省去手动操作和来回切换，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

caveman-review 是 Julius Brussee 出品的 AI 技能，专注用直白风格做代码审查，速度更快，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

high-end-visual-design 是 Leonxlnx 出品的 AI 技能，专注出高端视觉设计，自动生成结构清晰的结果，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

setup-pre-commit 来自 Matt Pocock，主打配置 pre-commit 钩子，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

caveman-compress 是 Julius Brussee 出品的 AI 技能，专注把内容压缩到极致简短，直接给出成品，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

to-issues 来自 Matt Pocock，主打把任务拆成 issue，一步到位，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

redesign-existing-projects 来自 Leonxlnx，主打重设计现有项目，全程自动完成不费事，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

runcomfy-agent-skills 是 RunComfy 官方发布的一套 AI 媒体技能包，为 Claude Code、Cursor、Codex 等 AI 编程助手提供了 30+ 个图像、视频、音乐、Avatar 生成模型的统一调用接口。每个技能教会 AI 如何通过 runcomfy CLI 调用特定模型，提交请求、等待完成、下载生成文件——整个过程一行命令搞定，无需切换浏览器、不用记不同厂商的 API 文档。

scaffold-exercises 是 Matt Pocock 出品的 AI 技能，专注搭建练习项目，全程自动完成不费事，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

writing-beats 是 Matt Pocock 推出的技能，规划写作节奏，自动整理成可用的结果，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

ace-step 是一个基于 RunComfy CLI 的音乐生成技能，通过标签描述风格、歌词控制人声，支持文本生音乐、音频修补和外扩。默认路由到 StepFun-AI 的开源音乐模型 ACE Step，适合快速产出歌曲片段或器乐。

writing-shape 是 Matt Pocock 出品的 AI 技能，专注打磨写作结构，自动生成结构清晰的结果，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

writing-fragments 是 Matt Pocock 推出的技能，打磨零散的写作片段，自动产出结果，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

caveman-help 是 Julius Brussee 推出的技能，用极简方式解释问题，全程自动完成不费事，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

migrate-to-shoehorn 来自 Matt Pocock，主打迁移到 Shoehorn 框架，背后的琐碎步骤都打包好，AI 照着执行就行。它还能处理依赖映射、转换资源与代码。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

vercel-composition-patterns 是 Vercel Labs 出品的 AI 技能，专注掌握 Vercel 应用的组合模式，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

airunway-aks-setup 是微软官方技能，引导 AI 助手在 AKS 上按六步流程完成 AI Runway 的控制器安装、GPU 评估与首个模型部署。

minimalist-ui 来自 Leonxlnx，主打出极简风格的界面，直接给出成品，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

writing-great-skills 来自 Matt Pocock，主打按最佳实践打磨高质量 Skill，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

to-questionnaire 是 Matt Pocock 出品的 AI 技能，专注把需求转成问卷，自动生成结构清晰的结果，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

hyperframes-keyframes 来自 HeyGen，主打用关键帧精细控制动画，少走弯路，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

full-output-enforcement 是 Leonxlnx 出品的 AI 技能，专注强制输出完整结果，直接给出成品，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

ai-research-explore 是 Lllllllama 出品的 AI 技能，专注检索并梳理学术论文与研究资料，快速摸清一个领域的研究现状，把相关操作和判断整理成一套固定流程。它还能提炼关键信息、对比多个来源。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

analyze-project 是 Lllllllama 出品的 AI 技能，专注分析项目结构和依赖，结果可以直接拿来用，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

ai-research-reproduction 是一个面向 Claude Code 等 AI Agent 的复现技能，按 README-first 流程复现深度学习仓库，记录证据与偏差，输出标准化的 repro_outputs/ 结果包。

explore-code 来自 Lllllllama，主打探索代码库找答案，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

safe-debug 是 Lllllllama 推出的技能，安全地调试代码，全程自动完成不费事，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

run-train 来自 Lllllllama，主打运行模型训练，省去手动操作和来回切换，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

explore-run 是 Lllllllama 推出的技能，探索并运行项目，结果可以直接拿来用，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

industrial-brutalist-ui 是 Leonxlnx 推出的技能，出工业粗野风格界面，结果更稳定，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

gpt-taste 来自 Leonxlnx，主打摆脱"一眼 AI"的廉价感，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

cavecrew 是 Julius Brussee 出品的 AI 技能，专注用 Caveman 风格协作，直接给出成品，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

entra-agent-id 是 微软 Azure 出品的 AI 技能，专注为智能体配置 Entra ID 身份，安全接入企业资源，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

stitch-design-taste 是 Leonxlnx 推出的技能，拼接出统一的审美风格，省去重复操作，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

caveman-stats 是 Julius Brussee 推出的技能，用极简方式呈现数据，自动生成结构清晰的结果，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

loop-me 是 Matt Pocock 推出的技能，反复迭代直到结果达标，减少手动出错，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

brandkit 是 Leonxlnx 推出的技能，搭一套品牌视觉物料，规范色彩与字体，省去了自己摸索的麻烦。它还能产出宣传素材。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

image-to-code 是 Leonxlnx 出品的 AI 技能，专注把设计图转成代码，省去重复操作，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

prisma-database-setup 是 Prisma 出品的 AI 技能，专注用 Prisma 初始化数据库和模型，快速开库，把相关操作和判断整理成一套固定流程。它还能优化查询性能。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

prisma-client-api 是 Prisma 出品的 AI 技能，专注熟练使用 Prisma Client 读写数据，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

imagegen-frontend-web 来自 Leonxlnx，主打生成网页视觉稿，在对话里几句话就能搞定，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

prisma-cli 来自 Prisma，主打熟练使用 Prisma CLI，管理迁移、生成客户端，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

remotion-to-hyperframes 是 HeyGen 出品的 AI 技能，专注把 Remotion 项目迁移到 HyperFrames，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

prisma-postgres 是 Prisma 出品的 AI 技能，专注用 Prisma 连接 PostgreSQL，完成建模与查询，把相关操作和判断整理成一套固定流程。它还能处理数据迁移、排查数据库性能。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

imagegen-frontend-mobile 来自 Leonxlnx，主打生成移动端视觉稿，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

claude-handoff 来自 Matt Pocock，主打在会话之间无缝交接上下文，减少手动出错，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

general-video 是 HeyGen 出品的 AI 技能，专注用 HTML/CSS 生成通用视频，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

impeccable 是 Paul Bakaus 推出的技能，把界面打磨到无可挑剔，格式统一，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

prisma-driver-adapter-implementation 是 Prisma 推出的技能，实现 Prisma 驱动适配器，接入不同数据库驱动，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

prisma-upgrade-v7 来自 Prisma，主打把 Prisma 项目升级到 v7，处理破坏性变更，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

prisma-postgres-setup 是 Prisma 出品的 AI 技能，专注完成 Prisma + PostgreSQL 的环境初始化，把相关操作和判断整理成一套固定流程。它还能优化查询与索引、处理数据迁移。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

supabase 是 Supabase 出品的 AI 技能，专注熟练使用 Supabase 搭后端，把相关操作和判断整理成一套固定流程。它还能设计数据表、配置认证与存储。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

emil-design-eng 来自 Emilkowalski，主打像设计工程师一样做界面，速度更快，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

prisma-compute 是 Prisma 推出的技能，使用 Prisma 的分布式运行时，简化云端数据访问，省去了自己摸索的麻烦。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

prisma-mongodb-upgrade 是 Prisma 出品的 AI 技能，专注升级 Prisma 的 MongoDB 连接器，平滑迁移，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

shadcn 来自 Shadcn，主打使用 shadcn/ui 组件库，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

writing-for-agents 是 Matt Pocock 出品的 AI 技能，专注撰写面向 AI Agent 的内容，把相关操作和判断整理成一套固定流程。它把关键步骤和判断都固化下来，不用每次从零开始。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

azure-reliability 是 微软 Azure 推出的技能，按最佳实践提升服务可靠性，减少故障与宕机，省去了自己摸索的麻烦。它还能管理 Azure 资源、配置权限与策略。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

systematic-debugging 来自 obra，主打系统化排查 bug，省去手动操作和来回切换，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

wait-what 来自 Matt Pocock，主打在动手前先问清疑惑，结果更稳定，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

product-launch-video 来自 HeyGen，主打产品发布宣传视频，自动产出结果，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。用起来就是描述需求，它按固定步骤给出结果，省去手动试错的时间。

writing-plans 来自 obra，主打先写计划再动手，自动整理成可用的结果，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

faceless-explainer 来自 HeyGen，主打无需出镜的讲解视频，省去重复操作，背后的琐碎步骤都打包好，AI 照着执行就行。它把关键步骤和判断都固化下来，不用每次从零开始。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-agents-cli-adk-code 来自 Google，主打用 ADK 编写 Agent 代码，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

just-scrape 是 Scrapegraphai 推出的技能，简单抓取网页，无需复杂配置，提取结构化数据，省去了自己摸索的麻烦。它还能处理翻页与动态内容。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-agents-cli-workflow 是 Google 推出的技能，编排 Agent 工作流，格式统一，省去了自己摸索的麻烦。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-agents-cli-eval 来自 Google，主打评估 Agent 的表现，格式统一，背后的琐碎步骤都打包好，AI 照着执行就行。它对相关流程做了标准化，执行起来稳定、不容易出错。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。

google-agents-cli-deploy 来自 Google，主打部署 Agent 到 Google 平台，背后的琐碎步骤都打包好，AI 照着执行就行。它还能搭建 CI/CD 流水线、处理环境差异。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-agents-cli-scaffold 是 Google 出品的 AI 技能，专注用脚手架生成 Agent 项目，把相关操作和判断整理成一套固定流程。它对相关流程做了标准化，执行起来稳定、不容易出错。说清楚要什么，AI 按流程走完，结果格式统一、直接可用。

google-agents-cli-observability 来自 Google，主打为 Agent 配置可观测性，接入日志与指标，背后的琐碎步骤都打包好，AI 照着执行就行。它还能设计追踪链路、定位性能瓶颈。不用记命令、不用翻文档，在对话里说清楚需求，就能拿到结果。