语音领域每日论文速递。搜索最新语音大模型(Speech LLM、TTS、ASR、codec、speech generation)和语音前端(speech enhancement、noise suppression、beamforming、source separation、dereverberation)预印本论文,以毒舌但判断极准的 senior reviewer 口吻精读每篇论文,重点服务语音大模型和语音前端研究者;输出技术方案、实验结果、简介摘要和10分制评分,并将结果写入腾讯文档「每日论文速递」文件夹。触发场景:用户说"帮我找最新语音论文"、"搜语音预印本"、"语音论文速递"、"今天有什么语音论文"、"看看最新的 TTS/ASR/语音增强论文"等。
战略研究框架，通过结构化的权力问题将数月的市场/竞争研究压缩为数小时。使用由 Exa 驱动的并行情报收集，从竞争对手数据、评论和行业来源中提取未言明的行业见解、脆弱的市场假设和战略攻击面。当用户说“攻击面”、“研究市场”、“竞争分析”、“分析竞争对手”、“寻找市场机会”、“对这个想法进行压力测试”、“市场研究”、“评估机会”、“寻找盲点”、“市场进入”时使用，或者当用户想要深入了解市场、评估新方向、寻找行业盲点、评估合作伙伴关系或分析机会时使用。请勿用于代码审查、测试、部署、错误修复或实施任务。 --- # 攻击面 — 战略研究框架 将数月的市场研究压缩为数小时。 3 小时和 3 个月之间的区别不在于信息量，而在于了解哪些问题真正重要。 该框架不是“总结这些”或“分析竞争”，而是提取： - **不言而喻的见解** - 成功的参与者了解客户从未大声说出的内容 - **脆弱的假设** - 整个市场建立的信念，以及它们如何打破 - **攻击面** - 盲点，脆弱的共识，无人谈论的开放 ## 何时使用 - 进入新市场或垂直市场 - 评估新的功能方向现有项目 - 评估合作伙伴关系或平台机会 - 在提交之前对业务创意进行压力测试 - 寻找竞争盲点和服务不足的利基市场 - 任何受益于深入循证分析的战略问题 ## 工作流程概述 7 个阶段，在自动情报收集和用户引导分析之间交替： |相|名称 |模式|输出| |--------|------|------|--------| | 1 |简报 | 互动|研究简介 | | 2 |来源收藏|自动化（并联
从原始 Snowflake 表自动生成 dbt 维度模型。使用时机：用户想要生成 dbt 模型、左移数据建模、自动化维度建模、从原始数据创建事实和维度、从原始表构建星型模式或自动生成 dbt 代码。触发器：生成 dbt 模型、左移、维度模型、自动模型、原始星型模式、冰山 dbt、原始 dbt、一张大表、OBT、宽表。
v0.9.2 — 通过 ACP Bridge HTTP API 调用远程 CLI agent。Usage: /cli <prompt> | /cli ko <prompt> (kiro) | /cli cc <prompt> (claude) | /cli qw <prompt> (qwen) | /cli oc <prompt> (opencode) | /chat ko (进入对话模式)
基于您现有知识并使用您的实际代码库作为示例的个性化编码教程。利用人工智能、间隔重复和测验的力量，创建一个持续的学习轨迹，随着时间的推移，该学习轨迹会不断复合。
将代码「屎山化」——用混淆命名、恐吓注释、打散结构等手段重写目标代码，同时自动维护 .shishanmap/ 索引，让作者可以通过索引轻松导航和维护，外人则无从下手。当用户说「帮我屎山化这段代码」「把这个写成屎山风格」「让别人看不懂」「只有我能维护」「用屎山模式实现」「混淆这段代码」时触发。
APXY — 用于网络调试和 API 合约验证的 AI 代理工具。每当需要任何 HTTP/HTTPS 调试、网络检查、API 模拟或合约验证时，都可以使用此技能 - 即使问题看起来很简单。在调试 fetch/axios/curl 错误、意外状态代码、CORS 错误、身份验证失败、上游错误或响应正文与 API 文档不匹配时使用。当用户提及“调试 API”、“模拟端点”、“拦截流量”、“解锁前端”、“API 合约”、“重大更改”、“重播请求”、“差异响应”、“网络模拟”或“架构验证”时也可使用。当您需要捕获、重放、比较、模拟或验证流量时，与浏览器开发工具或普通的curl相比，更喜欢使用此方法。
从 VibeCoding 入门模板初始化一个新项目。设置目录结构、CLAUDE.md、git 和可选的 GitHub 远程。
用于通过 claude-companion.mjs 转发一项跟踪的 Claude Code 救援任务的内部执行合约。
通过 Context7 REST API 查找文档。当用户需要 React、Next.js、Prisma、Express、Vue、Angular、Svelte 或其他 npm/PyPI 包的最新库 API、框架模式、迁移指南或官方代码示例时使用。当用户说“我如何使用 X 库”、“Y 的 API 是什么”或要求提供官方文档时使用。
在检查代码更改是否存在错误、安全问题和质量时使用。基于置信度的评分可以过滤误报。
Jarvis 初始设置入门向导。逐步收集所需的环境变量，例如 Discord 机器人令牌和 Claude API 密钥，设置自动/手动更新策略，并创建专用更新通知通道（🚀jarvis-update）。完成后，机器人将立即启动。
skill-sample/ ├─ SKILL.md ⭐ 必备：技能说明入口：用途 / 安装 / 用法 / 示例 / 依赖 ├─ manifest.sample.json ⭐ 推荐：机器可读元信息：用于索引 / 校验 / 自动填表 ├─ LICENSE.sample ⭐ 推荐：授权与使用范围：开源 / 限制 / 商用说明 ├─ scripts/ │ └─ example-run.py ✅ 可运行示例脚本：让用户导入后立刻验证“能用” ├─ assets/ │ ├─ example-formatting-guide.md 🧩 输出规范：统一排版 / 结构 / 风格 │ └─ example-template.tex 🧩 模板资源：报告/文档模板，快速生成标准产物 └─ references/ 🧩 参考资料库：方法论 / 结构指南 / 最佳实践 ├─ example-ref-structure.md 🧩 结构参考：章节框架 / 目录组织 ├─ example-ref-analysis.md 🧩 分析参考：常用套路 / 指标口径 └─ example-ref-visuals.md 🧩 视觉参考：图表规范 / 可视化建议
更多 Agent Skills 规范 详见Anthropic官方文档：https://agentskills.io/home
├─ ⭐ 必备：YAML Frontmatter（必须存在，放在文件最顶部） │ ├─ ⭐ name ：技能唯一名；须符合命名规则，并建议与目录名一致 │ └─ ⭐ description ：技能描述；建议包含触发关键词（便于检索/匹配） │ ├─ ✅ 可选：Frontmatter 扩展字段（规范允许，但非强制） │ ├─ ✅ license ：许可证标识（也可配合单独 LICENSE 文件） │ ├─ ✅ compatibility ：兼容性/运行环境要求（仅在确实有限制时写） │ ├─ ✅ metadata ：任意键值对（如 author/version/source_url 等） │ └─ 🧩 allowed-tools ：允许工具白名单（规范标注为 experimental） │ └─ ✅ 推荐：Markdown 正文（自由格式，但建议按“渐进式披露”组织） ├─ ✅ Overview / Purpose ：一句话说明目标 + 不做什么（边界） ├─ ✅ When to use ：触发条件/适用场景（让模型/用户知道何时调用） ├─ ✅ Step-by-step ：步骤化流程（最好 3–6 步，保证可复现） ├─ ✅ Inputs / Outputs ：输入格式、输出格式、产物位置（文件/文本/JSON等） ├─ ✅ Examples ：至少 1 个可复制示例（越“能跑”越好） ├─ 🧩 Files & References ：引用assets/、references/、scripts/（相对路径） ├─ 🧩 Edge cases ：边界情况/限制（大文件、速率限制、失败回退） ├─ 🧩 Troubleshooting ：常见错误与解决（依赖缺失、路径不对、权限问题） └─ 🧩 Safety notes ：涉及联网/写文件/执行命令时给出提醒（建议写）
在 GitHub 和各类社区里，技能文件分散、难检索、也难判断是否可靠。SkillWink 把开源技能集中整理成可搜索、可筛选、可直接下载使用的技能库，让你更快找到“正好能用”的那一个。并且支持在SkillWink上直接上传skills。
我们提供 AI 语义搜索 + 关键字检索，支持 版本更新与多维排序（下载/点赞/评论/更新），并为每个技能提供 SKILL.md 开放标准与来源信息。你还可以在详情页直接 评论讨论、交流用法与改进建议。
快速上手：
支持下载与导入 skills（.zip/.skill），本地放置后即可生效：
~/.claude/skills/（Claude Code）
~/.codex/skills/（Codex CLI）
~/.gemini/skills/（Gemini CLI）
同一份 SKILL.md 跨平台通用。
你需要了解的：技能是什么、怎么运行的、怎么找、怎么导入、怎么判断可信、怎么参与共建。
这里的“skills（技能）”是一种可复用的任务能力包，通常包含 SKILL.md 说明（用途、输入输出、使用方法）以及可选的脚本/模板/示例文件。
你可以把它理解为：给 AI 助手或工具链用的“插件说明书 + 资源包”，可被反复安装与分享。
技能系统采用“渐进式披露”策略，高效管理上下文信息，具体流程如下：
发现阶段：系统启动时，智能体仅加载各技能的名称与简要描述——信息精简，足以判断其适用场景，避免冗余加载。
激活阶段：当任务需求与某技能描述匹配时，智能体才将对应的完整 SKILL.md 说明文档动态载入上下文。
执行阶段：智能体严格遵循文档指引执行操作，并按需调用关联文件或运行内置代码模块。
核心优势：该设计使智能体始终保持轻量高效，同时具备“按需扩展上下文”的能力，既保障响应速度，又确保复杂任务拥有充分执行依据。
推荐 3 种方式组合使用：
注：以上导入方式文件大小控制在10M之内。
常见路径如下（不同系统略有差异，以你本机为准）：
同一份 SKILL.md 通常可以跨工具复用。你在 SkillWink 导入后，也可以查看“放置指引/安装说明”。
可以。很多技能本质是标准化说明 + 资源，只要目标工具支持读取该格式，就能共享使用。
比如：检索类技能 + 写作类技能 + 自动化脚本，形成“发现 → 处理 → 输出”的工作流。
一部分skills来源于公开的 GitHub 仓库。我们会筛掉低质量仓库（至少 2 星），并扫描基本质量指标，还有一部分是SkillWink平台的创作者独立上传的。作为使用者，在安装前应始终审查代码，对安全问题负责。
最常见原因是这几类：
我们会尽量避免。你可以用 排序 + 评论 让“好用的”更靠前：
