SienkLogic
from GitHub
数据与AI
确定性思维伙伴,挑战假设并应用心智模型来提高决策、解决问题和更清晰地思考。每当用户说“帮助我思考 X”、“挑战我的思维”、“我错过了什么”、“应用心智模型”、“唱反调”、“对这个想法进行压力测试”、“在我的计划中找出漏洞”、“帮助我在 X 和 Y 之间做出决定”、“二阶效应是什么”、“我陷入困境”、命名任何特定模型(SWOT、第一原理、倒置、事前剖析等)时,请使用此技能,或者要求对任何模棱两可、高风险或复杂的问题进行结构化推理。当用户似乎不确定、正在合理化或询问“我的想法正确吗?”时也会触发。即使是关于不平凡的话题的随意短语,例如“你觉得……怎么样”,也应该触发这项技能。 --- # Thinking Partner 确定性思维伙伴,挑战假设并应用心智模型来帮助用户更好、更清晰地思考。不是一场讲座——一场陪练。 ## 核心理念 良好的思考是一种主动的成就,而不是一种默认状态。目标不是告诉用户该思考什么,而是通过以下方式让他们“如何思考”: 1. **具有挑战性的假设** — 用户将其视为事实的表面隐藏信念 2. **应用心智模型** — 针对具体情况选择和部署正确的思维框架 3. **检测方向捕捉** — 注意思考何时服务于舒适而不是真相 4. **保持富有成效的紧张感** — 保持复杂性足够长的时间,以找到真正的洞察力 你不是一个唯唯诺诺的机器。你不是审讯者。你是一个有思想的伙伴:尊重、直接、真正好奇、愿意反驳。 ## 当这触发时 - “帮助我思考 X” - “挑战我的想法/假设” - “我错过了什么?” - “将[任何模型名称]应用于此” - “唱反调” - “对这个想法/计划进行压力测试” - “帮我在 X 和 Y 之间做出决定” - “二阶效应是什么?” - “我瘦吗?
labourer-Lucas
from GitHub
数据与AI
编写、审查、调试和解释 PLECS 仿真中自定义控制块的 PLECS C 脚本代码。每当用户询问 C 脚本、想要在 PLECS 中实现自定义块、需要 PLECS 宏(InputSignal、OutputSignal、ContState、DiscState、ZCSignal 等)帮助、询问采样时间配置、状态变量、过零检测、用户参数或需要将控制器 C 代码移植到 PLECS 仿真中时,请使用此技能。即使用户只是提到“PLECS block”、“custom block”、“C-Script”或“cscript”也会触发。 --- # PLECS C 脚本技能 您是 PLECS C 脚本自定义控制块方面的专家。当此技能处于活动状态时,生成正确的、结构良好的 C 脚本代码,并与 PLECS 求解器干净地集成。有关完整的宏参考,请参阅 [references/macros.md](references/macros.md)。 有关完整的示例,请参阅 [references/examples.md](references/examples.md)。如果用户正在编辑或生成 `.plecs` 文件,请加载 [references/plecs-file-format.md](references/plecs-file-format.md) 和 [references/cscript.plecs](references/cscript.plecs) 以获取完整的文件格式和工作参考模型。(注意:如果不需要或直接编辑,请勿生成 .plecs 文件) --- *始终阅读全部进行更改之前,本文档 SKILL.MD 的行数。* # C 脚本体系结构 ## 块设置参数 这些参数在编写任何代码之前在 C 脚本块对话框的 **设置** 选项卡中进行配置。 ### `输入数量` 定义输入端口的数量和宽度。 |价值|效果| |---|---| | `n`(标量整数)|接受标量信号的单输入端口 | | `[n1, n2, ...]`(向量)|多个输入端口;端口“i”接受宽度“ni”的信号| `-1` |动态调整大小:宽度由连接信号决定 | > **格式注意:** 在 PLECS 对话框中,接受逗号分隔 (`[2, 3]`) 和空格分隔 (`[2 3]`)。在 `.plecs` 文件内,使用空格分隔的形式(例如 `"[2 3]"`)。
stahura
from GitHub
数据与AI
垂直 App Studio 微演示,具有可选的数据集创建 (domo-data-generator)、ETL(magic-etl-cli 或 magic-etl),然后使用 Advanced-app-studio + domo-app-theme 进行多页面布局。从 References/*.md 中选择行业包。在构建需要真实数据管道和每个垂直主题页面的 App Studio 演练时使用。
NikolasMarkou
from GitHub
数据与AI
- 📁 agents/
- 📁 config/
- 📁 references/
- 📄 SKILL.md
使用科学方法对未知系统进行系统逆向工程。在以下情况下使用:(1) 黑盒分析,(2) 竞争情报,(3) 安全分析,(4) 取证,(5) 构建预测模型。具有 6 阶段协议、贝叶斯推理、成分合成和心理分析(PSYCH 层)。
Rise-AGI
from GitHub
数据与AI
- 📁 references/
- 📁 templates/
- 📄 meta.yaml
- 📄 SKILL.md
从 LaTeX 拉格朗日描述生成 FeynRules .fr 模型文件。当用户以 LaTeX 表示法提供拉格朗日并希望将其转换为 FeynRules 模型文件以进行粒子物理模拟时触发。
jumpserver
from GitHub
数据与AI
- 📁 agents/
- 📁 references/
- 📁 scripts/
- 📄 .env.example
- 📄 .gitignore
- 📄 README.en.md
JumpServer V4.10 查询与分析 skill。Use when users ask to query assets/accounts/users/organizations/permissions, inspect access or governance, audit logins/sessions/commands/file transfers, diagnose config or organization issues, or analyze JumpServer usage data for a specific day or time range such as 使用报告、日报、某天使用情况、某天登录/会话/命令/传输情况、usage report, daily usage report, usage analysis, or JumpServer usage overview.
Nevaberry
from GitHub
数据与AI
自训练截止以来,AlmaLinux 发生了变化(最新:10.1)——Btrfs 根支持、x86-64-v2 构建、通过 OpenSSL 3.5 进行后量子加密、重新启用 SPICE、默认启用 CRB 存储库。在使用 AlmaLinux 之前加载。
Shmayro
from GitHub
数据与AI
当需要构建新的可重用技能时使用,无论是通过差距分析检测、用户请求还是由 /singularity-create 触发
Certora
from GitHub
数据与AI
- 📄 run_roundabout.py
- 📄 SKILL.md
运行 RoundAbout 分析并为 Certora conf 文件生成 HTML 查看器
pomazanbohdan
from GitHub
数据与AI
Rust/MCP 项目的统一 RAG 管道技能。涵盖架构、通过 Candle ML 框架进行的本地嵌入、分块策略、检索模式、混合搜索、重新排名和评估 (NDCG/MRR)。使用场合:构建 RAG、向量搜索、语义搜索、文档检索、Rust 中的嵌入。
agent-team-foundation
from GitHub
数据与AI
- 📁 references/
- 📄 SKILL.md
- 📄 VERSION
阅读并更新上下文树——该组织中跨域决策、约束和所有权的真实来源。当任务涉及战略选择、跨域关系、工作区范围的上下文或上下文树入门时使用。
shiqkuangsan
from GitHub
数据与AI
AI 订阅报销统计。识别收据+发票,自动匹配最优发票组合,输出统计表和报销备注。触发词:报销统计、收据识别、统计报销、AI 订阅费用