alpha-research
通过“alpha” CLI(alphaXiv 支持)搜索、阅读和查询研究论文。当用户询问学术论文、想要查找某个主题的研究、需要阅读特定论文、询问有关论文的问题、检查论文的代码存储库或管理论文注释时使用。
通过“alpha” CLI(alphaXiv 支持)搜索、阅读和查询研究论文。当用户询问学术论文、想要查找某个主题的研究、需要阅读特定论文、询问有关论文的问题、检查论文的代码存储库或管理论文注释时使用。
有条理的研究助理,通过系统的研究周期进行详尽的调查。最适合文献综述、竞争分析、趋势报告和综合主题探索。
当用户想要研究思路、创新点,或者寻找研究空白(寻找研究方向,生成创新点)时可以使用此功能。从收集的论文中产生 5 个想法,找出差距,提出带有引用的新颖方法。需要工作区中的文件。
对抗性研究分析框架,使用结构化的牛市/熊市/仲裁者辩论来帮助用户做出更好的研究判断。维护一个信念图作为后端引擎,应用统计校准规则,跟踪相变并检测偏差。
路由指南——何时使用“nansen 代理”(AI 研究)与直接 CLI 数据命令。在决定如何使用 Nansen 工具回答用户的研究问题时使用。
保存并组织链接以供以后阅读。在以下情况下使用:用户想要保存 URL、管理书签、查找已保存的链接。不要在以下情况下使用:用户只想读取/获取 URL(使用 web_fetch)或研究主题(使用研究技能)。
全自动趋势发现、深入研究和社交发布管道。使用trend-pulse(20个来源)、cf-browser(无头Chrome)和notebooklm(研究+工件)MCP服务器。根据 Meta 的 7 种基于专利的排名算法生成算法优化的内容。当用户提及趋势主题、内容创建、社交媒体发布、趋势分析、研究渠道、病毒式内容、内容评分或主题发布时使用。
与 Limina 一起建立并启动自主人工智能研究项目。触发时间:用户输入 /limina,说“开始一个 limina 项目”、“建立一个研究项目”、“我想自主研究 X”、“创建一个研究代理”、“自主研究”、“开始一个新的研究任务”,或要求通过实验和证据系统地调查/研究一个困难的技术问题。还会触发作为使用工具提到的“limina”。不要触发:一般编码问题、简单的研究查找或不需要结构化多会话研究的任务。
击败普通网络搜索的快速研究 - 在搜索具体内容之前发现存在的内容(横向扫描),在几天/几周内捕获最新版本(新近度脉冲 + 上游供应链),并运行并行查询以实现多角度覆盖。适合日常研究和当前信息问题。当用户请求研究、比较或“X 上的最新消息”时使用。对于需要假设检验、COMPASS 审核、红队或完整报告的高风险决策 → 使用 /deep-research-pro。
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
使用 Nia AI 索引和搜索代码存储库、文档、研究论文、HuggingFace 数据集、本地文件夹、Slack 工作区、Google Drive、X (Twitter) 和软件包。包括身份验证引导、Oracle 自主研究、GitHub 实时搜索、Tracer 代理、依赖性分析、上下文共享、代码顾问、文档代理、数据提取、文件系统操作和通用连接器。
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: