keyword-cluster-architect
将大量关键词按搜索意图聚类并生成内容路线图与优先级。
▸ 推荐理由适合专题化布局的SEO团队，明确写作顺序与覆盖策略。
▸ 风险提示通常需要导入关键词工具数据或访问第三方关键词接口
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 417 个
content-moat-calculator
估算建立话题权威所需的总内容量与投资可行性。
▸ 推荐理由帮助在投产前做去留决策，避免盲目投入写作资源。
▸ 风险提示结果依赖外部竞争内容数据，可能涉及网页抓取
ab-test-generator
为联盟内容生成可执行的 A/B 测试变体和测试计划
▸ 推荐理由快速产出对照变体并附假设，适合内容优化
review-paper
对稿件进行多模式全面审稿，支持敌对式修订循环和期刊化模拟审稿流程。
▸ 推荐理由可同时做常规审读、攻防式改进和目标期刊的模拟审稿，适合投稿优化。
respond-to-referees
根据审稿意见和修订稿生成结构化的reply-to-referees文档并标注对应修改。
▸ 推荐理由快速映射每条评审意见到具体修订，适合R&R提交前自查与润色。
respond-to-eval
把学生课程评教（文本+数值）聚类成主题、量化权重并生成具体的教学改进清单与修订建议。
▸ 推荐理由把评教反馈转为可执行的教学改进计划。
▸ 风险提示会处理学生评价数据，应注意匿名化与隐私保护。
research-ideation
根据主题或数据描述生成结构化研究问题、可检验假设与候选实证策略，含可行性评估。
▸ 推荐理由快速生成可执行的研究问题与备选策略。
replication-package
生成符合 AEA/DCAS 与 openICPSR 要求的复制包目录、数据清单与合规检查表，便于投稿或存档。
▸ 推荐理由将研究产出整理成期刊/仓库可接受的标准复制包。
▸ 风险提示可能会整理或处理包含敏感/需匿名化的数据，需用户自行审查。
preregister
从研究描述生成注册登记用的规范化 preregistration Markdown，含假设、设计与分析计划并标注 MUST/SHOULD/MAY。
▸ 推荐理由快速把想法转成注册草案，适合实证研究者投稿前准备。
power-analysis
计算统计功效、所需样本量与最小可检测效应，并输出预注册用的功效段落
▸ 推荐理由支持簇层、非等分配与模拟选项，适合严谨的实验设计与注册
lit-review
对指定主题进行结构化文献检索、聚类综述并提取引用与研究空白
▸ 推荐理由高效产出主题聚类与差距分析，适合写综述和准备研究背景
▸ 风险提示可能调用外部学术搜索或数据库，需网络与第三方访问权限
interview-me
通过对话式访谈将半成品研究想法规格化为明确的问题、假设与数据策略
▸ 推荐理由适合将模糊点子打磨成可执行研究计划的研究者
grant-proposal
根据已有研究说明与子模块自动生成符合资助机构格式的 grant proposal 草稿。
▸ 推荐理由把访谈、DMP、设施声明等模块组合成一份可投递的提案草稿，适合科研人员节省构思时间。
did-event-study
按 Sant'Anna 等标准化流程运行分期/多期 DiD 与事件研究并输出诊断与稳健性检验。
▸ 推荐理由调用权威软件包并强制诊断套件，便于产出规范可重复的实证结果。
▸ 风险提示依赖 R/Stata 及特定包，需在安装相应统计环境下使用。
data-management-plan
生成符合资助机构要求（NSF/NIH/ERC 等）的数据管理计划草稿。
▸ 推荐理由节省写 DMP 的模板化工作，并内嵌合规与保密规则。
▸ 风险提示会使用机密披露规则，生成前请确认不泄露敏感信息。
coauthor-brief
生成面向合作者的项目交接简报，包含变动、状态与运行说明。
▸ 推荐理由把复杂项目简要化，适合多作者和跨机器协作场景。
▸ 风险提示需要访问 git 历史与文件，可能暴露未公开信息。
checkpoint
保存当前任务计划、文件指针与下一步行动的结构化快照。
▸ 推荐理由便于任务中断交接与历史回溯，提升协作连续性。
▸ 风险提示可能记录未脱敏的上下文或敏感路径信息。
capture-environment
检测分析堆栈并生成 lockfile 与环境报告以支持复现。
▸ 推荐理由一键生成多语言锁文件，显著提升可复现性。
▸ 风险提示会读取系统与包版本信息，可能泄露环境细节。
audit-reproducibility
核对论文数值声明与分析产出的一致性并给出通过/未通过结论。
▸ 推荐理由在投稿或发布前快速发现与修正数值不一致问题。
▸ 风险提示需要访问原始数据和分析代码，可能涉及敏感数据。
wiki-query
基于 Obsidian Vault 检索并合成带引用的答案，支持快、中、深三种模式。
▸ 推荐理由把知识库当作长期记忆，快速产出带证据的检索式回答并可回写。
▸ 风险提示需要读取本地索引并可能写回页面，需 Vault 访问权限
autoresearch
按配置自动执行迭代式检索、抓取与合成为结构化维基页面。
▸ 推荐理由把复杂的检索-合成流程自动化并产出可存档的页面。
▸ 风险提示会进行外部网络检索并把内容写入本地知识库，注意数据来源与写权限。
ml-paper-writing
提供从结构到模板的论文写作指导与投稿与审稿准备支持。
▸ 推荐理由集合顶级研究者写作策略与实用模板，适合投稿准备
evaluating-llms-harness
在60+学术基准上系统评估并比较语言模型性能的基准工具。
▸ 推荐理由行业标准基准套件，便于复现与横向比较
▸ 风险提示会下载/加载大型模型并消耗大量带宽与算力
creative-thinking-for-research
用认知科学框架为 AI/CS 研究生成新颖的研究方向与点子。
▸ 推荐理由系统化替代即兴头脑风暴，助力产出新颖研究点子
brainstorming-research-ideas
提供十种结构化的 ideation 框架，帮助生成高影响力的研究方向。
▸ 推荐理由适合早期探索与团队头脑风暴，能把模糊想法转为可执行问题。
academic-plotting
为 ML 论文生成架构图与数据驱动的出版级图表（matplotlib / Gemini）。
▸ 推荐理由同时支持系统图与数据图，一键产出可用于论文的高质量图表。
▸ 风险提示可能调用外部图像生成服务或需安装可视化依赖。
autoresearch
采用双环架构自动化编排整个 AI 研究项目，含实验迭代与成果合成。
▸ 推荐理由适合科研团队或代理人做长期探索与快速实验迭代的总体治理。
▸ 风险提示可能自动执行实验代码并消耗大量计算资源与权限。
nanoresearch-writing
汇总前期产出，自动生成完整 LaTeX 论文草稿并编译成 PDF。
▸ 推荐理由将研究成果直接产出为投稿级文稿，节省排版与整合时间。
▸ 风险提示可能调用外部编译工具或生成的参考文献需人工核验。
nanoresearch-planning
从选定假设生成详细实验蓝图，指定数据集、基线与评估指标。
▸ 推荐理由把高层假设转为可执行的实验计划，便于团队复现与实施。
nanoresearch-ideation
检索 arXiv 与 Semantic Scholar，做差距分析并生成研究假设。
▸ 推荐理由加速发现研究空白并产出可验证的假设，适合立项与选题阶段。
▸ 风险提示依赖外部学术检索接口，可能需要 API key 或外部请求。
nanoresearch-experiment
根据实验蓝图生成可运行的 Python 实验代码骨架，含训练/评估/消融配置。
▸ 推荐理由快速把研究想法落地为可跑代码，节省大量样板工程时间。
▸ 风险提示生成代码未经审计，直接执行存在安全和错误风险。
fine-tuning-expert
指导 LLM 微调、LoRA/QLoRA 配置与训练数据处理流程。
▸ 推荐理由覆盖参数高效微调与数据验证，适合需要定制化模型的团队。
▸ 风险提示可能涉及下载大模型与高算力资源，存在成本与合规风险。
research
基于主题生成初步调研框架与 items 列表，并支持 web-search 补充与时间范围设置。
▸ 推荐理由便于快速确定调研范围与优先级，适合科研与技术选型起步阶段。
▸ 风险提示依赖模型内部知识并可选触发网络检索，存在外部访问风险。
research-report
扫描调研结果 JSON，提取关键字段并生成结构化的 Markdown 汇总报告与目录。
▸ 推荐理由把分散结果快速转为带目录和关键指标的报告，便于展示与对比。
▸ 风险提示需要读取工作目录内结果文件，如启用外部检索或自动填充则会访问网络。
research-deep
按 outline 为每项启动独立 agent 深度调研，支持分批与断点续传（禁用任务输出）。
▸ 推荐理由适合需要长期、分批处理的系统化调研任务与团队协作。
▸ 风险提示会读取/写入本地输出目录，并可能在后台发起网络检索请求。
research-add-items
向现有 outline 追加调研 items，支持人工与并行 Web 搜索扩展并去重。
▸ 推荐理由便于扩展调研对象列表，适合需要大规模收集的场景。
▸ 风险提示会修改 outline.yaml 并可能发起外部搜索请求，需注意文件权限与网络访问。
research-add-fields
为现有调研 outline 补充字段定义，支持人工输入或 Web 搜索建议。
▸ 推荐理由方便完善字段规范，支持交互式确认与保存到 fields.yaml。
▸ 风险提示会读取并修改工作目录下的 fields.yaml，且可选启动网络搜索。
research
对指定主题做初步调研并生成可确认的调研 outline 和 items 列表。
▸ 推荐理由快速搭建调研框架，适合学术、benchmark 和技术选型场景。
▸ 风险提示主要基于模型内知识生成；如启用外部检索则会访问网络资源。
research-report
将深度调研输出的 JSON 结果汇总为完整的 Markdown 报告并跳过不确定值。
▸ 推荐理由自动化整合多项调研结果为可读报告，节省人工整理时间。
▸ 风险提示会读取本地结果文件并整合输出，如启用网络搜索则会访问外部资源。
research-deep
从 outline 为每个 item 启动独立 agent 并行执行深度调研，禁用任务输出。
▸ 推荐理由适合批量、可恢复的调研流水线，方便分工与并行采集。
▸ 风险提示会读写工作目录文件并可能启动网络搜索请求，存在外部数据访问风险。