搜索结果
全部能力
找到 4423 个相关结果 / 提示词与 LLM
通用助手 / 编排推荐
飞书事件
lark-event
Lark/Feishu 实时事件监听/订阅/消费:通过 `lark-cli event consume <EventKey>` 以 NDJSON 格式流式传输事件(涵盖接收 IM 消息,…
通用助手 / 编排推荐
飞书通讯录
lark-contact
飞书 / Lark 通讯录,用于按姓名 / 邮箱将员工解析为 open_id,以及按 open_id 反查员工的姓名 / 部门 / 邮箱 / 联系方式。当用户说出某人姓名而下一步需要发消息 / 加群 / 排日程时,先用本 skill 将姓名转换为 ID;当输出中出现 open_id…
通用助手 / 编排推荐
飞书工作流-会议纪要
lark-workflow-meeting-summary
会议纪要整理工作流:汇总指定时间范围内的会议纪要并生成结构化报告。当用户需要整理会议纪要、生成会议周报、回顾一段时间内的会议内容时使用。
通用助手 / 编排推荐
飞书技能制作工具
lark-skill-maker
创建 lark-cli 的自定义 Skill。当用户需要将飞书 API 操作封装为可复用的 Skill(封装原子 API 或编排多步流程)时使用。
通用助手 / 编排推荐
lark-openapi-explorer
lark-openapi-explorer
飞书/Lark 原生 OpenAPI 探索:从官方文档库中挖掘未经 CLI 封装的原生 OpenAPI 接口。当用户的需求无法被现有 lark-* skill 或 lark-cli 已注册命令满足,需要查找并调用原生飞书 OpenAPI 时使用。
通用助手 / 编排推荐
改进代码库架构
improve-codebase-architecture
在代码库中寻找深化重构的机会,结合 CONTEXT.md 中的领域语言和 docs/adr/ 中的架构决策。当用户想要改进……时使用。
通用助手 / 编排推荐
SEO审计
seo-audit
当用户希望对其网站的 SEO 问题进行审计、审查或诊断时使用。当用户提到“SEO audit”、“technical SEO”、“为什么我没有…”时也可使用。
通用助手 / 编排推荐
最小化运行与审计
minimal-run-and-audit
用于“README优先”AI仓库复现的可信通道执行与报告技能。当任务专门用于捕获或规范化来自……的证据时使用。
通用助手 / 编排推荐
环境与资源引导
env-and-assets-bootstrap
用于“README优先”AI仓库复现的环境与资产子技能。当任务明确要求准备保守的“conda优先”环境时使用,……
通用助手 / 编排推荐
lark-approval
lark-approval
飞书审批 API:审批实例、审批任务管理。
通用助手 / 编排推荐
pptx
pptx
只要 .pptx 文件以任何方式参与(无论是作为输入、输出或两者兼有),就使用此技能。这包括:创建幻灯片、推介演示文稿或演示文稿;…
通用助手 / 编排推荐
文案撰写
copywriting
当用户需要撰写、重写或改进任何页面的营销文案时——包括首页、落地页、定价页、功能页、关于页面等……
通用助手 / 编排推荐
使用超能力
using-superpowers
在任何对话开始时使用 - 确立如何查找和使用技能,要求在做出任何响应(包括澄清问题)之前调用 Skill 工具
通用助手 / 编排推荐
生成-PRD
to-prd
将当前对话上下文转化为PRD并发布到项目Issue追踪器中。当用户希望基于当前上下文创建PRD时使用。
通用助手 / 编排推荐
编写技能
write-a-skill
创建具有规范结构、渐进式披露和打包资源的新代理技能。当用户希望创建、编写或构建新技能时使用。
通用助手 / 编排推荐
请求代码审查
requesting-code-review
在完成任务、实现主要功能或合并前使用,以验证工作是否符合需求。
通用助手 / 编排推荐
lark-attendance
lark-attendance
飞书考勤打卡:查询自己的考勤打卡记录
通用助手 / 编排推荐
缩小
zoom-out
让 Agent 缩小范围,提供更广泛的上下文或更高层次的视角。当你对某段代码不熟悉或需要了解……时使用。
通用助手 / 编排推荐
设置 Matt Pocock 技能
setup-matt-pocock-skills
在 AGENTS.md/CLAUDE.md 和 `docs/agents/` 中设置 `## Agent skills` 块,以便工程技能了解此仓库的 Issue 跟踪系统(GitHub 或本地…
通用助手 / 编排推荐
原始人
caveman
超压缩通信模式。通过省略填充词、冠词和客套话,同时保持完整的技术准确性,减少约75%的Token消耗。当用户说“caveman mode”、“talk like caveman”、“use caveman”、“less tokens”、“be brief”或调用 /caveman 时使用。