check-citations
比对 CrossRef/Semantic Scholar/OpenAlex 以查核并揭示虚假引用。
▸ 推荐理由能有效发现 AI 捏造或拼接的参考文献，投稿前必备工具。
▸ 风险提示需要联网调用外部文献 API，可能需配置 API key 或网络权限
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 417 个
slr-prisma
指导并生成符合 PRISMA 2020 的系统性文献综述与 DOCX 输出。
▸ 推荐理由把 PRISMA 报告流程自动化，显著节省撰写与格式工作量。
chinese-de-aigc
面向中文学术稿件系统性降低 AIGC 检测率的闭环改写工具。
▸ 推荐理由专为知网/万方等中文检测机制设计，策略细致分章处理。
▸ 风险提示明确用于规避学术检测，存在显著学术不端风险
humanizer_academic
针对医学学术稿件检测并消除 AI 写作痕迹，使其更自然专业。
▸ 推荐理由面向医学期刊的定制化润色，适合投稿前把关。
▸ 风险提示可能被用于掩盖 AI 生成痕迹，存在学术道德风险
marginaleffects
marginaleffects 包的手册与方法指南，解释模型到含义的转换。
▸ 推荐理由详尽的工具与示例，帮助将统计模型输出解读为实际边际效应。
python-econ-computing
提供 DSGE/HANK 等宏观模型与数值计算的 Python 最佳实践与示例。
▸ 推荐理由针对宏观数值计算优化的实用建议，适合研究者与建模工程师。
stata-accounting-research
基于 JAR 论文的 STATA 代码模式库，提供常见实证流程语法。
▸ 推荐理由为会计类实证研究复现与快速开发提供经测试的 STATA 模式与片段。
causal-inference-mixtape
提供多种因果识别策略的可运行代码模板（Python、R、Stata）。
▸ 推荐理由覆盖主流识别方法的实践代码，能快速搭建因果推断分析管线。
▸ 风险提示仅为代码模板，误用可能导致错误因果结论；需谨慎判断识别假设。
Full-empirical-analysis-skill-R
基于 R tidyverse 与计量包的标准经验分析与论文级工作流。
▸ 推荐理由适合使用 R 与 tidyverse 进行数据准备与计量分析的研究者。
▸ 风险提示需安装大量 R 包并准备运行环境。
Full-empirical-analysis-skill-Stata
基于 Stata 的端到端经验分析流水线，集成常用社区命令。
▸ 推荐理由适合以 Stata 为主的计量经济学工作流与论文复现。
▸ 风险提示需本地安装 Stata 并具备相应许可。
Full-empirical-analysis-skill
基于传统 Python 生态的端到端经济学实证分析流水线。
▸ 推荐理由灵活调用常用库，适合经典 Python 工具链的研究者。
▸ 风险提示依赖多种 Python 包，需预装相应环境。
StatsPAI_skill
一站式 Python 因果推断与计量经济学工具包，含大量估计器与导出功能。
▸ 推荐理由适合需要自动化、可复现经济实证分析的研究者与流水线。
▸ 风险提示需安装大量第三方包并在可执行环境中运行代码。
auto-empirical-research-skills
作为 AERS 仓库的路由器，按任务选择并加载合适的研究技能包。
▸ 推荐理由便于在单一安装中选择并调用细化的经验研究技能。
search-special-issues
检索主流出版社和期刊的特刊、征稿与投稿通知信息。
▸ 推荐理由为研究人员快速发现合适特刊和CFP，节省人工查找时间。
▸ 风险提示可能涉及联网抓取出版社网站，存在版权或反爬风险
biomolecular-md-workflow
为蛋白-配体对接与分子动力学提供可辩护的全过程工作流指导。
▸ 推荐理由强调以问题驱动、证据为准的建模决策流程，适合研究与验证场景。
▸ 风险提示可能需安装外部生物信息学软件并使用大量计算资源
bedrock
通过 AWS Bedrock 调用基础模型、生成文本/嵌入与构建 RAG 工作流的技能文档。
▸ 推荐理由便于将 Bedrock 模型纳入 Agent 流程，适合构建生成式应用与检索增强生成。
▸ 风险提示需 Bedrock 访问权限与 AWS 凭据，调用模型会产生计费。
review
对薄弱或过时话题做间隔复习并记录复习暴露情况。
▸ 推荐理由帮助定期巩固关键知识，适合长期学习者。
quiz
对用户进行主题测验、按深度评分并记录 AI 置信度与凭证。
▸ 推荐理由适合内嵌记忆/学习型代理，用于检测知识边界。
recall-bench
在本地运行 RECALL 基准（含评判变体），并由调用代理担任评审汇总结果。
▸ 推荐理由为 RECALL 项目提供端到端可复现的基准与评判流程。
agentfolio
基于 AgentFolio 目录发现与调研自主 AI agent 与工具。
▸ 推荐理由适合做竞品调研与快速找到现成 agent。
▸ 风险提示包含外部目录链接，可能访问第三方网站。
agent-evaluation
为 LLM 代理提供行为测试、能力评估与生产监控的基准工具。
▸ 推荐理由帮助量化代理性能与回归监控，便于持续改进与部署决策。
advanced-evaluation
提供构建生产级 LLM 输出评估与判定的策略、模板与实践。
▸ 推荐理由系统化解决评估偏差与自动化评分，适合模型研发与 QA 团队。
ab-testing
帮助规划、设计与实施A/B测试，给出实验方案与分析建议。
▸ 推荐理由适合产品/增长团队快速制定可执行的实验与指标方案。
ab-test-setup
提供严格的 A/B 测试设定流程、假设与执行准备检查清单。
▸ 推荐理由能防止常见实验设计错误并保证统计有效性。
▸ 风险提示统计假设或参数估计错误会导致误导性结论。
00-andruia-consultant
为项目提供西班牙语的架构诊断与技术路线规划。
▸ 推荐理由适合项目初期做可行性与路线选择。
unknowns
对计划/规范做盲点与高风险场景扫描，列出假设与对策。
▸ 推荐理由适合项目评审与决策，能显著减少遗漏风险。
grill-to-brief
把研究文档浓缩成每屏驱动的 Screen Brief，确保每屏有真实用户问题支撑
▸ 推荐理由帮助团队从研究到可执行屏幕需求的桥接
judgment-harness-grill
通过一问一答式判断回路，引导并记录方案/设计的系统化决策过程。
▸ 推荐理由强制分支化决策并优先查真源，适合复杂方案评审与记录。
linx-isa-manual
导航与编辑 LinxISA v0.56 手册，并提供指令与寄存器规范
▸ 推荐理由把手册作为权威来源，便于查阅与一致性维护
▸ 风险提示可能引用生成器并运行本地文档构建脚本
havelock-api
调用 Havelock API 对文本进行口语化评分并返回解释性元数据（0-100）。
▸ 推荐理由快速给外向受众文本打口语化分，适合文案与可读性评估。
▸ 风险提示调用第三方 demo 服务（hf.space），会向外部域名发送内容。
km:third-party-oss-security-review
在引入第三方 npm/pip/扩展等开源组件前做一次性信息驱动的安全评估。
▸ 推荐理由适合准入决策的快速安全把关，强调证据与不确定性说明。
▸ 风险提示会访问 GitHub/包管理器等外部信息源以收集证据，存在外部请求行为。
storm-research
用 STORM 四阶段方法从多专家视角生成并合成有排序的研究报告并同行评审。
▸ 推荐理由系统化地将多角度分析合成为经审校的研究结论，适合深度调研任务。
scan-nanomedicine-literature
检索、筛选并综合纳米医药与RNA/LNP等领域的最新文献与专利。
▸ 推荐理由结合多源数据库与证据层级，为领域扫描与决策提供高质量摘要。
▸ 风险提示可能依赖未同行评审的预印本或外部数据库结果，引用时需核验
run-pi-operations
支持PI日常行政与团队管理任务，包括面谈、推荐信与会议筹备。
▸ 推荐理由覆盖常见PI运营场景，能快速产出模板化的运营文稿与流程建议。
▸ 风险提示可能处理人事或候选人敏感信息，应注意隐私合规
revise-manuscripts
为科研论文及提交材料进行润色、证据核对与投稿包准备。
▸ 推荐理由强调声明-证据映射与保留科学意义，适合投稿前质检与改写。
▸ 风险提示注意避免生成未验证的数据或篡改原始研究结论
manage-research-portfolio
构建并维护PI级别的研究进展、截止与风险总览视图。
▸ 推荐理由适合用于周报、优先级决策与deadline雷达，减少手工汇总工作。
▸ 风险提示可能需读取日历、邮件或含敏感信息的跟踪表
draft-research-grants
起草并润色与基金和奖学金申请相关的各章节与附件。
▸ 推荐理由面向实验室PI的模板化资助写作助手，能对齐资助方要求并复用既有材料。
▸ 风险提示可能需要访问和处理本地敏感研究文件与个人信息
lit-scout
为 mRNA/LNP 等领域检索、筛选并合成文献与证据摘要。
▸ 推荐理由整合多源数据库与工具，高效生成领域线索与证据包。
wiki-research
自动多轮网络检索并将综合结果结构化写入 Obsidian 维基。
▸ 推荐理由把外部调研成果系统化存入知识库，适合需持续跟踪主题的用户。
▸ 风险提示会访问互联网并写入 Vault，需注意数据来源和写入权限。
wiki-query
基于已编译的 Obsidian 维基检索并回答问题，带引用来源。
▸ 推荐理由在本地知识库上提供可引用的合成答案，适合快速查询与决策。
▸ 风险提示需要读取本地 Vault 内容以构建答案，可能暴露敏感信息。