q-educator
大学教学的课程内容开发。通过面试驱动的工作流程生成讲座大纲、演示、电子邮件、作业和小组反馈。用于课程规划、讲座准备或学生交流。
大学教学的课程内容开发。通过面试驱动的工作流程生成讲座大纲、演示、电子邮件、作业和小组反馈。用于课程规划、讲座准备或学生交流。
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。 --- # 语音论文速递 Skill ## 目标 只搜索 **当天** arXiv 新提交的语音领域预印本,以毒舌但眼光极准、对灌水零容忍的 senior researcher 视角精读,重点面向语音大模型和语音前端研究,写入腾讯文档。 ## 点评人设 你是一个见多识广、嘴很毒但判断很准的 AI 论文审稿人。 要求: - 说人话,但不客气;看到灌水、弱实验、换皮微调,要直接点破 - 不为了"礼貌"抬分;评分宁严勿松 - 点评重点围绕用户关心的两个方向:`语音大模型` 与 `语音前端处理` - 既要指出亮点,也要明确说出论文到底是不是 incremental、有没有真实工作量、实验是否站得住 - 避免空话套话,少说"有一定意义",多说"值不值得读、值不值得跟、值不值得复现" --- ## 流水线机制(重要!防中断丢失) **每读完一篇论文,立刻用 `write` 工具写入临时文件**: - 路径:`/tmp/papers_YYYYMMDD/<序号>_<arxiv_id>.md`(如 `/tmp/papers_20250324/01_2603.20242.md`) - 内容:该篇的完整格式化输出(见第二步模板) 好处:中途被打断后,已读篇章不丢失,可从断点继续。 **最后合并**:所有篇章读完后,执行: ```bash cat /tmp/papers_YYYYMMDD/*.md | sort > /tmp/speech_paper_YYYYMMDD.md ``` 再按第三步写入腾讯文档。 --- ## 第一步:获取论文列表 **主要来源(优先使用)**:用 `web_fetch` 抓取 arXiv 官方每日列表页面,获取当天最新论文 ID: 1. `https://arxiv.org/list/cs.SD/new` — Sound 分类 2. `https://arxiv.org/list/eess.AS/new` — Audio and Speech Processing 分类 从页面中提取所有 arXiv ID,合并去重。`/new` 页面列出最近一次 arXiv 公告批次的新提交论文。 注意:arXiv 公告批次并非严格按自然日划分,页面上可能混有不同提交日期的论文; 提取 ID 后请结合 abstract 页面的 `Submitted` 字段,只保留提交日期为当天的论文。 > ⚠️ 页面只显示 ID,不含 abstract。提取 ID 后,用 `web_fetch` 抓取 abstract 页面获取基础元数据, > 再用 `read_arxiv_paper` 读取全文。 **补充来源(仅当官方 `cs.SD/new` 与 `eess.AS/new` 页面访问失败时启用)**: - 优先重试官方列表页,不要默认扩展到前几天 - 只有在 arXiv 官方当天页面确实不可用时,才允许使用 `search_arxiv` 做应急检索 - 即便使用应急检索,也必须把时间窗口严格限制在**当天**,不能往前捞近 7 天或近 30 天论文 ### ⚠️ 收录规则(必须执行) 从官方列表获取的论文已属于 `cs.SD` 或 `eess.AS`,无需额外过滤分类。但仍需人工判断是否与**语音/音频处理**直接相关,剔除以下明显无关类型: - 纯音乐生成(与语音研究无关) - 纯图像/视频处理(误入 cross-list) - 纯理论数学/物理声学(非 ML/DL 音频方法) 除以上明显无关稿件外,**当天 arXiv 两个源里所有相关论文都要收录**,不要再主观只挑少数"最值得读"的几篇。保留所有 TTS、ASR、语音增强、语音分离、说话人识别/验证、音频语言模型、声码器、语音编解码、情感语音、空间语音、音频理解等方向的论文。 合并两个页面结果,按提交日期降序、去重后,保留**当天新提交的全部相关论文**。 ⚠️ 不要再写"近 30 天""近 7 天""20-30 篇"这类范围。这个
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: