analyze-feature-requests
按主题、对齐度、影响与成本分析并优先排序功能请求。
▸ 推荐理由帮助产品团队科学化归类与决策，减少人工评估成本。
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 417 个
north-star-metric
定义北极星指标并给出3-5个支撑性输入指标与验证准则。
▸ 推荐理由帮助明确增长方向并构建可衡量的指标框架。
user-segmentation
基于行为与需求从反馈中识别至少3个有意义的用户群体。
▸ 推荐理由帮助发掘非人口学的真实用户群，支持精准策略制定。
user-personas
从调研数据生成3个具体可行动的用户画像与JTBD描述。
▸ 推荐理由将研究转为可用的用户模型，便于产品决策与定位。
sentiment-analysis
对大量用户反馈做情感打分并生成细分与改进洞察。
▸ 推荐理由把定性反馈量化并输出可执行的产品改进方向。
market-sizing
用上下而下与自下而上方法估算TAM、SAM、SOM并列出假设。
▸ 推荐理由适合融资或市场评估，兼顾两种主流估算方法。
market-segments
为产品识别并分析3-5个客户细分，包含JTBD与匹配度分析。
▸ 推荐理由适合探索目标受众与优先级决策，结构化产出清晰。
crypto-analysis
用于 TLS/PKI、RSA/ECC、对称加密和密钥恢复的分析方法论。
▸ 推荐理由既适用于配置审计也可用于密钥弱点与实现错误的挖掘，适合密码分析人员。
▸ 风险提示可能涉及密钥恢复与伪造技术，具有明显的双用途与滥用风险。
ai-security
面向模型和 ML 系统的安全测试与攻防技术集合。
▸ 推荐理由覆盖从 prompt 注入到模型窃取与供应链攻击的全链路审计要点。
▸ 风险提示包含可被用于攻击模型和检索管线的技术，存在双用途风险。
ai-agent-redteam
用于对具备工具与记忆的代理化 LLM 做红队测试与攻击演练。
▸ 推荐理由聚焦代理链路的攻击面，涵盖无点击注入与持久记忆投毒等实战载具。
▸ 风险提示含针对代理/工具链的攻击方法，具备被滥用的风险，需受控使用。
web-search
使用 Tavily API 在网络上检索最新新闻、文章与网页内容。
▸ 推荐理由适合需要实时证据与新闻验证的查询场景。
▸ 风险提示依赖第三方 Tavily API，需密钥并会发出外部请求。
paper-search
通过 Serper API 在 Google Scholar 上搜索学术论文与引用信息。
▸ 推荐理由快速进行学术文献初筛与引用查找，适合研究起点。
▸ 风险提示依赖第三方 Serper/Google Scholar API，需密钥且可能受限。
research
分解主题、收集事实并产出结构化研究摘要与开放问题。
▸ 推荐理由适合需要系统调研并生成可行动结论的场景。
narco-check
对代理记忆执行完整性审计，检测幻觉、循环确认与状态污染。
▸ 推荐理由自动化发现记忆与状态问题，适合需要高可靠性的长期会话系统。
▸ 风险提示依赖外部闭源模型（如 Claude Opus 4.6），可能产生高调用成本与数据外泄风险。
nw-authoritative-sources
按领域维护权威来源数据库、检索策略与新鲜度规则供引用判定。
▸ 推荐理由帮助代理选择领域内更可信的引用来源，提升回答可靠性。
constitutional-ai
通过“宪章”让模型自我批评与用 AI 反馈训练以降低有害输出。
▸ 推荐理由无需大量人工标注即可改进安全性，适合对齐研究与工程落地。
▸ 风险提示自动化反馈可能放大偏差，仍需人工审查与监控。
verl-rl-training
verl 提供面向大规模 LLM 的高效 RL 训练与混合流框架实现。
▸ 推荐理由针对生产级 RLHF 与大规模训练优化，适合有集群需求的研发团队。
▸ 风险提示常需企业级后端与大规模算力，部署复杂且依赖私有基础设施。
fine-tuning-with-trl
用 TRL 对语言模型进行 SFT/DPO/PPO 等后训练调优与奖励模型训练。
▸ 推荐理由面向 RLHF 的全流程工具链，适合需要偏好对齐与奖励优化的团队。
▸ 风险提示需要大量 GPU 资源并可能涉及 HuggingFace 权限与模型权重下载。
slime-rl-training
连接Megatron-LM与SGLang的RL后训练框架，适配GLM系列模型的高吞吐生成。
▸ 推荐理由适合依赖Megatron生态做高吞吐rollout与RL扩展的研究团队。
▸ 风险提示依赖特定开源组件与复杂并行配置，复现门槛高。
simpo-training
无参考模型的偏好优化方法，作为DPO的高效替代用于对齐训练。
▸ 推荐理由训练流程更简单且更高效，适合想快速做偏好对齐的团队。
▸ 风险提示需训练数据与GPU，性能提升声明需在自己数据上验证。
openrlhf-training
基于Ray和vLLM的高性能分布式RLHF训练框架，支持PPO/GRPO/DPO等。
▸ 推荐理由适合大模型的分布式RLHF训练与GPU资源共享场景。
▸ 风险提示通常需Docker、NVIDIA GPU与复杂集群配置才可运行。
miles-rl-training
面向大规模MoE模型与低精度训练（FP8/INT4）的企业级RL训练指南。
▸ 推荐理由对追求高吞吐与训练-推理一致性的工程团队更有价值。
▸ 风险提示依赖特定硬件与私有分支，部署与复现较为复杂。
grpo-rl-training
使用TRL实现GRPO策略优化的实战级训练与调参指南。
▸ 推荐理由为自定义奖励与高质量策略优化提供实用示例与经验。
▸ 风险提示需大量GPU与实验性代码，复现成本和调参负担较高。
transformer-lens-interpretability
使用 TransformerLens 检查并操作 Transformer 内部激活与注意力以做可解释性研究。
▸ 推荐理由社区事实标准，接口清晰，适合深入机制逆向与实验复现。
sparse-autoencoder-training
使用 SAELens 训练与分析稀疏自编码器以发现可解释神经特征。
▸ 推荐理由适合研究超位置现象与单语义表示的可解释性工作。
pyvene-interventions
用 pyvene 的声明式框架对 PyTorch 模型执行因果干预与激活补丁实验。
▸ 推荐理由方便做可复现的因果追踪与干预实验，适合研究者共享流程。
nnsight-remote-interpretability
用 nnsight 在本地或通过 NDIF 远程运行对 PyTorch 模型做可解释性分析。
▸ 推荐理由支持同一套代码在本地与远程大模型上复现实验，便于规模扩展。
▸ 风险提示远程执行会传输模型与数据，存在隐私与凭据泄露风险。
autoresearch
以两环（实验-综合）架构自动编排完整的 AI 研究生命周期。
▸ 推荐理由适合需要端到端研究编排与实验迭代的团队与代理，强调结果驱动的闭环优化。
▸ 风险提示可能会执行外部代码或访问网络，需注意权限与环境隔离。
twitter-reader
通过 opencli 只读访问 Twitter/X，用于抓取推文、搜索与舆情分析。
▸ 推荐理由便于把 Twitter 流量作为只读市场情报来源嵌入分析流程。
▸ 风险提示依赖浏览器会话重用或登录 Cookie，涉及隐私与会话凭证管理。
telegram-reader
使用 tdl 读取 Telegram 频道/群组的金融新闻与消息导出（只读）。
▸ 推荐理由适合做金融舆情与频道历史抓取的只读数据源。
▸ 风险提示运行依赖第三方 tdl 并需登录 Telegram，会使用外部网络与账号凭证。
opencli-reader
opencli 的通用只读适配器，覆盖 90+ 站点的数据抓取
▸ 推荐理由无专用阅读器时可作为快速通用抓取方案
▸ 风险提示需要浏览器会话并访问外部站点，可能涉及隐私或服务限制
linkedin-reader
用 opencli 只读抓取 LinkedIn 内容供金融与职业研究
▸ 推荐理由适合搜集专业观点与招聘信息，注意隐私合规
▸ 风险提示需要浏览器会话与外部登录，可能暴露账户或私人数据
discord-reader
使用 opencli 只读方式抓取 Discord 频道与消息用于研究
▸ 推荐理由便于监测社区讨论与市场情绪，但需合规使用
▸ 风险提示需要浏览器会话与外部登录，可能暴露账户或私人数据
options-payoff
生成交互式期权到期/理论价格收益曲线并可调整参数实时查看。
▸ 推荐理由能直观展示复杂期权策略的盈亏特性，交易决策利器。
etf-premium
计算 ETF 市场价与 NAV 的溢价/折价并分解单日差异成因。
▸ 推荐理由对交易者或 ETF 研究员解释价格偏离来源有很高价值。
estimate-analysis
深入分析分析师 EPS/营收预测及修订趋势并量化分布与动量。
▸ 推荐理由帮助投资者把握预期变化信号与街头情绪转折点。
earnings-recap
使用 Yahoo Finance 数据生成财报后的结果分析、惊喜与股价反应总结。
▸ 推荐理由方便快速复盘公司业绩与市场反应，节省手动对比数据时间。
earnings-preview
基于 Yahoo Finance 数据生成股票财报前的简报，包含预期、历史表现与分析要点。
▸ 推荐理由快速整理做会议或电话前需知的关键估计与背景信息。
company-valuation
使用 DCF、相对估值与分部估值三法估算上市公司内在价值并给出目标价。
▸ 推荐理由为投资/研究提供结构化、多方法的估值视角，适合分析师。
content-research-brief
研究主题并收集来源文章，输出结构化研究简报供写作使用。
▸ 推荐理由基于真实来源构建研究驱动的选题与写作提纲。