deepxiv
通过 DeepXiv 提供递进式、章节级的开放获取论文检索与阅读体验。
▸ 推荐理由适合需要分层、逐节深入阅读论文的研究者，加快把握核心与细节。
▸ 风险提示依赖 DeepXiv SDK/服务，需外部 API 访问与网络权限。
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 417 个
comm-lit-review
面向通信领域的专业文献综述与基于知识库的检索阅读技能。
▸ 推荐理由为无线、网络与协议研究者提供领域定制的检索与结构化综述模板。
▸ 风险提示领域专业性强，若检索源不足或模型知识过时可能产生遗漏或错误结论。
citation-audit
对文章中的每条参考文献进行真实性、归属与上下文支持性的逐条核查。
▸ 推荐理由能捕捉伪造引用与错误上下文，用于提交前的严格文献把关。
▸ 风险提示依赖外部检索与原文访问，可能受数据源覆盖限制并出现误判。
auto-review-loop
通用的多轮自动审查循环：评审、实现修复并反复复审直到通过或达到上限。
▸ 推荐理由通用性强且面向长期改进的工作流，适合科研与文稿质量提升场景。
▸ 风险提示会持续调用外部评审后端，需注意 API 权限与变更对结果的影响。
auto-review-loop-minimax
基于 MiniMax API 的多轮自动审查-修复-复审循环技能。
▸ 推荐理由适合已采用 MiniMax 生态的团队，便于无缝接入该专有后端进行自动评审。
▸ 风险提示依赖 MiniMax 专有 API，需外部网络与凭证；可能产生费用和数据暴露。
auto-review-loop-llm
使用任意 OpenAI 兼容 LLM 自动循环审查、修复并复审研究或文本产出。
▸ 推荐理由适合需要自动化改进输出的研究或文档工作流，支持配置多种 LLM 后端。
▸ 风险提示需调用外部 LLM API 并使用密钥，存在外部数据泄露与费用风险。
auto-paper-improvement-loop
通过多轮 LLM 审稿→修正→重编译循环自动改进论文两轮
▸ 推荐理由能自动化审稿—修正—重编译流程，适合快速打磨论文草稿
▸ 风险提示可能调用高成本闭源模型并持续循环，存在费用和数据泄露风险
arxiv
在 arXiv 上搜索、下载并总结学术论文，保存到本地库
▸ 推荐理由方便构建本地论文库并快速获取论文摘要与 PDF
▸ 风险提示会从 arXiv 下载文件并写入本地，涉及网络与存储权限
alphaxiv
通过 AlphaXiv 快速检索与摘要单篇论文并回退到原始来源
▸ 推荐理由适合需要快速理解单篇论文的研究者与学生
▸ 风险提示依赖外部 AlphaXiv 服务与网络请求，可能泄露查询内容
ablation-planner
系统化设计可回答审稿人问题的消融研究方案
▸ 推荐理由针对论文投稿阶段，快速生成可验证的消融实验计划
web-research-assistant
利用 BrowserAct 自动搜索并补充受限环境的网络信息。
▸ 推荐理由在主要网络访问受限时能自动补信息源，适合研究类任务。
▸ 风险提示依赖外部浏览器自动化，可能抓取不可靠或受限内容。
google-news-api-skill
自动从 Google News 提取结构化新闻条目与元信息。
▸ 推荐理由适用于趋势追踪、媒体监测与舆情分析。
▸ 风险提示可能受地区/接口限流与新闻版权限制。
wiki-research-loop
基于可插拔抓取器自动扩展 wiki，迭代生成或更新页面。
▸ 推荐理由自动化扩展知识库，支持多源抓取与去重
▸ 风险提示会从外部网站/代码仓库抓取数据，需注意版权与网络安全
survey-generator
从公开锚点资源汇编结构化文献综述并输出维基式 Markdown 页面。
▸ 推荐理由自动整理文献、生成结构化综述，节省大量调研与组织时间。
▸ 风险提示可能抓取外部资源并依赖 LLM 生成，引用或摘要可能不完全准确。
replay-learnings
在开始任务前检索并回放历史教训与相关纠错记录。
▸ 推荐理由把过去的失败转成可复用知识，降低重复错误概率。
plan-interrogate
通过逐节点质询决策树，提前揭示与解决计划中的未决问题。
▸ 推荐理由在落地前压缩风险，适合设计评审与关键决策前使用。
llm-council
基于多模型独立回应、匿名排名与主席合成的跨模型审议流程。
▸ 推荐理由适合高风险或冲突意见场景，用多模型投票提升决策鲁棒性。
▸ 风险提示可能向多家模型服务发送相同数据，增加数据泄露面。
infrastructure-audit
提供全面的基础设施安全审计框架，覆盖 IaC、容器与云配置。
▸ 推荐理由系统化审计模板和检查点，适合做完整的基础设施安全评估。
▸ 风险提示执行审计可能需要高权限云/集群凭据，存在越权风险。
product-data-audit
对产品/业务进行数据与系统审计并生成交互式 HTML 可视化
▸ 推荐理由输出结构化审计报告与交互式可视化，便于深度诊断
▸ 风险提示可能需要访问敏感的业务或用户数据
vibe-research
帮助对创意进行深入研究与市场/可行性验证。
▸ 推荐理由系统化验证想法与市场假设
github-trending
发现并分析 GitHub 热门项目与技术趋势，产出洞察报告。
▸ 推荐理由结构化过滤与深度角度，适合日报与选题研究。
pestel-delta-monitor
对既有PESTEL分析做周期性重扫，仅报告实质性宏观因子变化。
▸ 推荐理由把PESTEL从一次性输出变为定期雷达，便于战略监控。
market-landscape-scan
绘制市场分段、玩家与替代品并给出证据支持的空白机会。
▸ 推荐理由入市或定位前的必备地图式输出，直指下游决策需求。
intelligence-collection-disciplines
按情报学科组织八种收集渠道并说明信号到推断的链路。
▸ 推荐理由把情报界的方法论搬到产品研究，提升结论可信度。
intel-discipline-advisor
把情报或市场问题分配到合适的收集学科、节奏和执行技能。
▸ 推荐理由帮助选择正确研究渠道与节奏，适合不确定问题时使用。
competitive-research-snapshot
生成带引用与影响分析的竞争态势快照以支持决策。
▸ 推荐理由为产品决策提供可引用、标注事实/推断的简洁快照。
competitive-intel-watch
定期监测竞争对手变化，只报告有实质影响的变动并提供证据。
▸ 推荐理由把情报研究变成可节奏化的产出，适合持续监控场景。
competitive-analysis-process
按六步法协调完整竞争分析并产出可操作工件。
▸ 推荐理由把多种分析框架整合为可复用流程，适合产品决策。
ansoff-matrix
基于证据将增长选项映射到安索夫矩阵并给出风险序列。
▸ 推荐理由帮助产品/运营团队结构化评估增长机会与优先级。
company-research
生成含高管引言、产品策略与组织背景的公司研究简报，便于准备与决策。
▸ 推荐理由适合面试准备、竞争情报或市场入场策略支持。
▸ 风险提示依赖公开来源抓取，可能涉及外部请求
company-intel
用七个视角对公司/行业/竞争对手做结构化研究并产出可复用情报。
▸ 推荐理由产出稳定可复用的情报格式，便于后续自动化处理与交付。
▸ 风险提示依赖网络搜索，可能涉及外部 API 或抓取请求
autoresearch-agent
作为自治研究代理，自动检索、整理并生成研究/调研报告。
▸ 推荐理由能加速信息收集与初步分析，适合要求高吞吐的研究任务。
▸ 风险提示可能会抓取外部网页或调用第三方 API，注意数据来源与隐私。
semanticscholar-skill
通过 Semantic Scholar API 结构化检索论文、作者与引用并汇总结果。
▸ 推荐理由为学术检索提供自动化工作流，含速率与批量控制，适合研究人员。
▸ 风险提示会访问外部 Semantic Scholar API，受网络与速率限制影响。
paper-fetch
根据 DOI/标题等优先级检索并获取论文 PDF 的流程说明。
▸ 推荐理由自动定位开放获取论文并返回 PDF，节省手工检索时间。
▸ 风险提示会调用外部 API/网络资源，且可能涉及版权或付费通道。
asta-skill
为调用 Ai2 Asta MCP 学术工具提供意图路由与工作流建议。
▸ 推荐理由对需要构造学术检索与引用遍历流程的代理非常有价值。
▸ 风险提示依赖外部 MCP API 与认证，需网络和凭据访问。
resemble-detect
使用 Resemble AI 分析音频、图像、视频和文本以检测合成痕迹。
▸ 推荐理由面向媒体安全与取证的多模态检测工具，适合审查场景。
▸ 风险提示依赖外部 Resemble AI API，需提供密钥并可能上报媒体数据。
notion-research-documentation
跨 Notion 页面搜索并合成信息，生成带引用的研究文档并保存。
▸ 推荐理由把分散信息整合成可复用的研究报告，适合团队知识沉淀。
▸ 风险提示需要 Notion 访问权限并处理可能的敏感内容，注意授权管理。
experiment-readout
把 A/B 或产品实验结果转为结论与下一步建议的复盘模板。
▸ 推荐理由聚焦决策导向，要求把假设与度量改写成可验证的输出，便于落地。
competitive-teardown
把竞品资料结构化为可执行的产品决策报告，含定位、功能矩阵与价格对比。
▸ 推荐理由为 PM/策略团队提供清晰对比与机会窗口，便于决策快速落地。
gra
基于 GPS 方法的家谱研究助手，进行证据评估与来源引用。
▸ 推荐理由强调不捏造证据，适合严谨的家谱研究与论证。
▸ 风险提示处理与引用个人历史记录存在隐私与版权风险，请注意合规。