sn-search-finance
检索金融市场行情、上市公司基本面、K 线与披露文件等数据。
▸ 推荐理由为量化与投研场景聚合多源数据，便于快速调研与验证。
▸ 风险提示部分脚本需外部 API 或 cookie，存在失效或合规风险。
全部收录
相关性达标的全量 Skills（含未精选长尾）· 共 5518 个
sn-search-code
在 GitHub/StackOverflow/HackerNews/HuggingFace 等平台搜索代码与讨论。
▸ 推荐理由覆盖开发者核心平台，方便汇集实际代码示例与讨论证据。
▸ 风险提示部分搜索模式需要 API token，可能触发外部网络请求。
sn-search-academic
用于学术调研：搜论文/百科、阅读章节、追溯引用与被引。
▸ 推荐理由集成多入口脚本，便于系统性构建学术证据链。
▸ 风险提示需要配置 API key/cookie 并访问外部学术/网络服务。
sn-research-report
按读者认知任务与领域惯例生成或选择研究报告结构模板。
▸ 推荐理由聚焦读者任务驱动的结构选择，帮助提升报告可用性。
sn-report-format-discovery
通过锚点策略搜索并提取目标领域的报告格式与范例蓝图。
▸ 推荐理由提供方法论而非模板，适合需对齐外部标准的报告规划。
sn-prepare-citations
把 [^key] 脚注去重编号并追加参考文献到研究文稿。
▸ 推荐理由自动化整理引用与参考文献，适合科研写作后处理。
▸ 风险提示需要读取项目报告与 evidence.json，注意文件覆盖与敏感数据。
sn-ppt-standard
标准/快速 PPT 管线，分阶段调用 LLM/VLM/T2I 并执行脚本。
▸ 推荐理由分阶段可检查的生产流程，便于复现与审阅每步输出。
▸ 风险提示运行外部 CLI 脚本并调用模型 API，需注意凭证与远程请求。
sn-ppt-entry
PPT 生成入口，收集模式与内容参数并写入任务包。
▸ 推荐理由统一入口管理流程与参数，适合自动化幻灯片生成工作流。
▸ 风险提示会读取用户 .env 与上传文件，并触发外部生成服务。
sn-ppt-doctor
为 sn-ppt 套件执行环境与依赖检查并交互生成 .env。
▸ 推荐理由快速定位缺失 API/依赖，适合首次部署或排错。
▸ 风险提示需要读取/写入 .env 并访问外部 API，存在凭证泄露风险。
sn-ppt-creative
创意模式生成每页为整页 PNG 的 PPT 幻灯片，需通过入口 Skill 调用。
▸ 推荐理由适合制作视觉冲击力强的幻灯片，但必须从指定入口发起任务。
▸ 风险提示必须通过 /skill sn-ppt-entry 并会读写本地任务文件与外部生成服务。
sn-md-to-html-report
把长文档重构为具有编辑判断和视觉设计的单文件 HTML 专题页。
▸ 推荐理由保留事实与结论强度并做编辑重构，适合发布级报告与专题页制作。
▸ 风险提示会生成并写入本地 HTML 文件，可能嵌入或引用外部资源。
sn-infographic
自动分析内容并生成专业信息图，支持多轮生成与 VLM 审核。
▸ 推荐理由能把复杂报告转为可视化摘要，提升传播与理解效率。
▸ 风险提示生成/识别过程会调用第三方接口，可能上传敏感内容至外部服务。
sn-image-resume
将简历文本转成设计化的作品集式简历图片。
▸ 推荐理由快速生成视觉化简历，适合求职者与设计样本展示场景。
▸ 风险提示依赖外部图像生成服务，需配置 API 密钥并注意隐私。
sn-image-imitate
根据参考图风格并按用户意图重构内容生成图片（风格仿制）。
▸ 推荐理由三阶段管线能高保真保留风格细节，适合需要风格一致的创作任务。
▸ 风险提示可能涉及版权或肖像权问题，且依赖外部图像生成服务与密钥。
sn-image-doctor
检测并修复 sn-image-base 的依赖与配置，并管理 .env。
▸ 推荐理由部署前自检与快速定位依赖问题的实用工具，降低环境故障率。
▸ 风险提示会修改 .env 并提示写入配置，可能导致敏感密钥被写入本地。
sn-image-base
提供图像生成、视觉识别与文本优化的底层 API。
▸ 推荐理由作为上层场景的基础组件，便于复用和搭建图像处理流水线。
▸ 风险提示依赖外部模型/API，需配置并保管好密钥与网络访问权限。
sn-deep-research
调度多角色完成系统化深度研究、证据核验与报告产出。
▸ 推荐理由适合需跨来源取证与出具深度报告的场景，明确分工与流程控制。
sn-da-non-spreadsheet-analysis
解析 Word/PDF/PPT，提取表格、图表与文本并支持跨文档汇总分析。
▸ 推荐理由适合批量文档抽取与报告分析，节省人工提取时间。
▸ 风险提示处理用户文件可能含敏感信息；复杂格式解析可能不完美。
sn-da-large-file-analysis
针对万行以上 Excel 提供流式读取、Parquet 转换与分块分析的高性能引擎。
▸ 推荐理由有效避免 OOM，显著提升大型表格处理性能。
▸ 风险提示需安装相关 Python 库并有读写大文件权限。
sn-da-image-caption
将图片转为文本描述并解析为结构化表格，支持导出与可视化。
▸ 推荐理由便于从截图/图表/流程图中提取数据用于后续分析。
▸ 风险提示处理图片可能包含敏感信息；本地模型可能需 GPU 或额外依赖。
sn-da-excel-workflow
面向 Excel 的端到端数据分析与清洗多步编排，含大表优化与导出。
▸ 推荐理由覆盖读取到报告生成全流程，适合复杂表格分析任务。
▸ 风险提示需读取用户文件并安装 Python 依赖，注意敏感数据保护。
ai-writing-audit
检测并改写显AI写作痕迹，使文本更像人工撰写
▸ 推荐理由结合模式目录与可执行审计工具，适合编辑与合规团队
▸ 风险提示可能被用于掩盖 AI 来源或规避检测
implementation-discipline
规范编码代理的行为以避免自信但错误的实现
▸ 推荐理由强制列出假设、减少误实现，适合自动化编码
design-direction-lock
将收敛的设计方向固化成规范文档并在相关 issue 中标注锁定版本。
▸ 推荐理由防止实现过程中的隐式重设计，保持产品视觉与交互一致性。
▸ 风险提示固化规则可能阻碍必要的小范围调整，需设定变更流程。
agent-tiered-planning
按能力层级为多种代理分配任务并制定升级与操作手册。
▸ 推荐理由适合混能团队，避免按工时误分配导致的质量问题与返工。
▸ 风险提示依赖组织流程与权限设定，不当分配可能造成任务误交付。
adversarial-review
用不同模型对 PR 进行对抗式审查并将结果作为 PR 评论记录。
▸ 推荐理由在合并前引入独立模型视角，能捕捉作者盲点并提高审查质量。
▸ 风险提示自动在 PR 留言并可能产生不准建议，需控制写权限与审查频率。
wiki-onboarding
为无 Wiki 的目录生成初始合成知识骨架与 Schema 页面。
▸ 推荐理由快速启动知识层并与现有文件结构对齐，便于后续维护。
▸ 风险提示需扫描目录并写入新页，部署前注意仓库访问与所有权。
wiki-maintenance
维护文件夹的合成知识 Wiki，自动摄取并周期性校对更新。
▸ 推荐理由把查询成本从扫描原文档转为查阅合成页面，显著提速检索流程。
▸ 风险提示会自动修改或生成 Wiki 页面，需审阅变更以防信息偏差。
user-onboarding
为个人建立第二大脑式的用户 Vault 并接入合成维护任务。
▸ 推荐理由快速为新成员生成跨项目的合成视图，方便协作与查阅。
▸ 风险提示需访问个人与项目文档权限，涉及隐私与数据访问控制。
project-onboarding
为文件夹建立并配置自维护的知识 Wiki 与定期维护任务。
▸ 推荐理由自动化生成 wiki 骨架并配置维护作业，适合新项目归档。
▸ 风险提示需读取/写入仓库或文件权限，部署前请审查权限。
vet-idea
以证伪为导向评估创意可行性、竞争态势、许可与合规风险并命名定位。
▸ 推荐理由把想法科学化评分，适合创业者与产品经理快速决策取舍。
instance-onboarding
通过访谈为组织搭建私有实例配置与首批代理能力建议。
▸ 推荐理由适合企业级部署前的需求梳理与初期能力设计与优先级决策。
▸ 风险提示需接入组织内部信息与架构，存在数据敏感与权限风险。
github-repo-publish
一键将本地文件夹创建为新 GitHub 仓库并推送全部内容。
▸ 推荐理由简化从本地到 GitHub 的常见发布流程，节省重复操作时间。
▸ 风险提示需提供 GitHub 凭证，注意令牌权限与秘密信息不被提交。
build-mcp-server
指导构建或修复 MCP（Model Context Protocol）服务器以接入新能力。
▸ 推荐理由直接解决代理接入工具时常见的接口与上下文问题，实用性强。
▸ 风险提示涉及网络服务与认证配置，部署不当可能暴露接口或凭证。
build-with-tinybase
为 TinyBase 本地优先的 JS/TS 应用生成、扩展并验证架构与持久化配置（文档路径重复）。
▸ 推荐理由文档在仓库中有重复路径，功能等同主技能，保留为备用文档入口。
build-with-tinybase
为 TinyBase 本地优先的 JS/TS 应用生成、扩展并验证架构与持久化配置。
▸ 推荐理由针对 TinyBase 提供从脚手架到验证的全流程指导，便于构建实时本地状态应用。
cg-md
使用 MARTINI 3 CG 流程评估跨膜螺旋自发侧向组装与寡聚化的可行性与速率。
▸ 推荐理由面向 MD 研究者的完整建库与避坑指南，能显著减少无效计算成本。
▸ 风险提示需依赖外部模拟软件与大量计算资源，可能产生高额算力消耗。
md-structure-check
跑 MD 之前对蛋白质结构做体检,按"MD 修得好 / 修不好"分级报告问题。当用户准备用 CHARMM-GUI、tleap、pdb2gmx 等工具建库,或提到同源模型、PDB 上传报错、单点能量异常巨大、D 型氨基酸、手性、顺式肽键、原子重叠、缺失原子、膜蛋白拓扑朝向时使用。也用于横向比较多个待模拟体系是否一致。
genomic-coordinates
在不同坐标约定和文件格式间转换、标准化并比较基因组区间与变体表示。
▸ 推荐理由防止因组装或命名不匹配破坏下游分析，适合生物信息流水线。
▸ 风险提示处理基因组数据涉及敏感遗传信息，使用时需合规与脱敏。
geniml
针对 BED/基因组区间数据的机器学习工具，支持嵌入与聚类分析。
▸ 推荐理由对基因组数据的下游 ML 与相似性搜索有直接帮助。
▸ 风险提示处理基因组数据存在隐私与合规风险，请注意数据治理。