AI SkillHub
精选 AI Skills,一键安装,赋予 Agent 解决复杂问题的专业能力。
精选 Skills
下载总量
持续更新
热门下载
find-bzskills
当用户需要可复用技能、工作流、工具或能力扩展时,帮助用户通过 bzskills CLI 从 Baizhi Skills Hub 中发现、验证并安装 Agent 技能。
frontend-design
在构建新UI或重塑现有UI时,针对独特、有意的视觉设计的指导。有助于美学方向、排版,以及做出不显模板化默认的决策。
vercel-react-best-practices
React 和 Next.js 性能优化指南(来自 Vercel Engineering)。此技能应用于编写、审查或重构 React/Next.js 代码时,以确保采用最佳性能模式。适用于涉及 React 组件、Next.js 页面、数据获取、打包优化或性能提升的任务。
web-design-guidelines
审查UI代码是否符合Web界面指南。在收到“审查我的UI”、“检查可访问性”、“审计设计”、“审查UX”或“检查我的网站是否符合最佳实践”等请求时使用。
find-skills
当用户提出类似“如何做X”、“找X的技能”、“有没有技能可以……”的问题,或表示希望扩展功能时,帮助用户发现并安装代理技能。当用户正在寻找可能作为可安装技能存在的功能时,应使用此技能。
azure-ai
用于 Azure AI:搜索、语音、OpenAI、文档智能。辅助完成搜索、向量/混合搜索、语音转文本、文本转语音、转录、OCR。适用场景:AI 搜索、查询搜索、向量搜索、混合搜索、语义搜索、语音转文本、文本转语音、转录、OCR、将文本转换为语音。
azure-deploy
为已准备好的应用程序执行 Azure 部署,这些应用已包含现有的 `.azure/deployment-plan.md` 和基础设施文件。当用户要求 **创建** 新应用时,请勿使用此技能——应改用 `azure-prepare`。本技能可运行 `azd up`、`azd deploy`、`terraform apply` 和 `az deployment` 命令,并具备内置错误恢复功能。需要由 `azure-prepare` 生成的 `.azure/deployment-plan.md` 以及 `azure-validate` 验证通过的状态。**使用场景**:"运行 azd up"、"运行 azd deploy"、"执行部署"、"推送到生产环境"、"推送到云端"、"上线"、"发布"、"bicep 部署"、"terraform apply"、"发布到 Azure"、"在 Azure 上启动"。**请勿使用此技能的场景**:"创建并部署"、"构建并部署"、"创建新应用"、"设置基础设施"、"使用 Terraform 创建并部署到 Azure"——这些情况请使用 `azure-prepare`。
azure-diagnostics
在 Azure 上使用 AppLens、Azure Monitor、资源健康状态和安全分类来调试 Azure 生产问题。适用场景:调试生产问题、排查应用服务问题、应用服务 CPU 高、应用服务部署失败、排查容器应用、排查函数、排查 AKS、kubectl 无法连接、kube-system/CoreDNS 故障、Pod 挂起、CrashLoop、节点未就绪、升级失败、分析日志、KQL、见解、镜像拉取失败、冷启动问题、健康探测失败、资源健康状态、错误根本原因、排查事件中心、排查服务总线、消息 SDK 错误、AMQP 连接失败、消息锁定丢失、服务总线死信。
最新发布
mao-zedong-perspective
毛泽东思维框架:以《毛泽东选集》五卷为核心,提炼毛泽东分析问题、制定战略、组织行动的认知操作系统。 核心来源:《矛盾论》《实践论》《论持久战》《中国社会各阶级的分析》《星星之火可以燎原》《论联合政府》《关于正确处理人民内部矛盾的问题》等。 核心模型:7个。决策启发式:10条。 触发词:「毛泽东」「毛选」「教员」「用毛泽东的方式分析」「从毛选的角度」「教员怎么看」 局限:本Skill聚焦于毛泽东的分析方法论和战略思维框架,适用于战略分析、组织管理、竞争策略、问题诊断等场景。不涉及具体政治立场的评判。 素材来源:《毛泽东选集》一至五卷、公开演讲与书信、诗词作品。
skill-router
此技能适用于用户提出模糊或跨域请求,例如“我应该使用哪个技能”、“有这个技能吗”、“找到合适的技能”或“将其路由到最佳技能”——它会将意图与整个技能库进行匹配,并推荐最合适的技能。
handoff
当用户要求“撰写交接文档”、“交接这项工作”、“为他人打包这项工作”、“总结当前进展以便其他人/代理可以继续”或“在切换任务前创建背景文档”时,应使用此技能。
deep-research
Universal deep research agent team. 13-agent pipeline for rigorous academic research on any topic. 8 modes: full research, quick brief, paper review, lit-review, fact-check, three-way literature scan, Socratic guided research dialogue, and systematic review with optional meta-analysis. Covers research question formulation, Socratic mentoring, methodology design, systematic literature search, source verification, cross-source synthesis, risk of bias assessment, meta-analysis, APA 7.0 report compilation, editorial review, devil's advocate challenges, ethics review, and post-research literature monitoring. Triggers on: research, deep research, literature review, systematic review, meta-analysis, PRISMA, evidence synthesis, fact-check, WHY HOW WHAT papers, 3W literature scan, guide my research, help me think through, 研究, 深度研究, 文獻回顧, 文獻探討, 系統性回顧, 後設分析, 事實查核, 三段式文獻掃描, 引導我的研究, 幫我釐清, 幫我想想, 我不確定要研究什麼, 研究方向, 研究主題.
academic-pipeline
面向完整学术研究流程的编排器:研究 -> 写作 -> 完整性检查 -> 评审 -> 修订 -> 再评审 -> 再修订 -> 最终完整性检查 -> 定稿。将 deep-research、academic-paper 和 academic-paper-reviewer 协调成一个无缝的10阶段工作流,包含强制完整性验证、两阶段同行评审以及可重复的质量关卡。触发条件:学术流程、从研究到论文、完整论文工作流、论文流程、端到端论文、从研究到发表、完整的论文工作流。
academic-paper
12-agent academic paper writing pipeline. 11 modes (full/plan/outline/revision/revision-coach/abstract/lit-review/format-convert/citation-check/disclosure/rebuttal-audit). 6 paper types, 5 citation formats, bilingual abstracts, LaTeX/DOCX-via-Pandoc/PDF output. Style Calibration + Writing Quality Check + Anti-Patterns with IRON RULE markers. Triggers: write paper, academic paper, guide my paper, parse reviews, audit my rebuttal, check my response draft, AI disclosure, 寫論文, 學術論文, 引導我寫論文, 審查意見, 評估回覆.
academic-paper-reviewer
多视角学术论文评审,配备动态审稿人角色。模拟5位独立审稿人(主编 + 3位同行审稿人 + 魔鬼代言人),具备领域特定专业知识。支持完整审阅、再次审阅(验证)、快速评估、方法论聚焦、苏格拉底式引导及校准模式。触发关键词:review paper、peer review、manuscript review、referee report、review my paper、critique paper、simulate review、editorial review、calibrate reviewer、reviewer calibration、measure reviewer accuracy。
zarr-python
分块N维数组用于云存储(Zarr-Python 3)。压缩数组、并行I/O、通过fsspec支持S3/GCS,与NumPy/Dask/Xarray兼容,适用于大规模科学计算流程。