163 boosters for "ai-agent" — open source, verified from GitHub, ready to install
若用户没给时辰，必须主动询问，不要默认子时。时辰对四柱日柱和紫微命宫影响极大。 LLM 读 JSON 不如读结构化文本。把 Step 1 的 JSON 转成文墨天机风格的树状文本： 将 内容连同对应提示词一起送给 LLM 做分析。
Use the CLI to search notes, read content, analyze creators, automate engagement, and research topics on Xiaohongshu (小红书/RED). XHS is not Twitter or Instagram. These platform-specific engagement ratios reveal content type and audience behavior. XHS's "collect" (收藏) is a save-for-later mechanic — u
"name": "claude-code-organizer", "description": "Organize all your Claude Code memories, skills, MCP servers, and hooks — see what loads globally vs per-project, then move items between scopes", "name": "ithiria894",
An MCP server for conversation history search and retrieval in Claude Code
"name": "sciagent-skills", "description": "Life sciences computational skills for scientific AI agents — 60+ skills covering genomics, proteomics, drug discovery, biostatistics, scientific computing, and scientific writing", "name": "jaechang-hits"
Initialize standardized project memory: Core idea: bottom feeds top, top constrains bottom. Logs and TODOs are raw facts. Handoff marks the next resume point. Wiki is the current snapshot. Structure manages file organization. Docs index manages document output. Update Log records versioned milestone
17 Google Maps tools for AI agents — geocode, search, directions, weather, air quality, map images via MCP server or standalone CLI
Zettelkasten memory for AI agents. Markdown cards in with . npm package . Distributed as CLI + MCP server + Claude Code plugin + VS Code extension + Pi extension. Build has a known TS error ( optional dep). Ignore it — it compiles fine for distribution. If you add a new MCP tool:
基于 Benjamin Bloom「2 Sigma Problem」研究（1984）的一对一 AI 导师系统。每个课题是一个独立文件夹，通过自适应生成的课程文档 + 用户反馈循环模拟一对一苏格拉底式导师，把学习效果推向 +2σ。学习的主要载体是文档，对话只是辅助确认状态。 所有回复、解释、提问、文档一律使用中文。 触发本 skill 后，以下守则在整个学习交互全程生效——违反字面就是违反精神：
用户在纠结"要不要学 X / 学到什么程度 / 精力往哪放"。这是"广度优先、兴趣队列过长"倾向的刹车。 逼问一句：你要解决的具体问题是什么？ 没有具体问题、纯"感觉该学 / 别人都在学"→ 直接进"以后再学"队列，不占当下精力。理解知识的作用，重于知识本身。 这知识多久会贬值？（技术栈 / 工具往往 6–12 个月就明显更新）相对有限的时间值不值？贬值快 + 可外包给 AI / 随时查 → 只需"知道它存在、管什么"，不必真学。
用户在学 / 接触一个新概念 X（新技术、新算法、新理论、新领域……），尤其觉得"陌生 / 有点难"的时候。难，往往不是智商问题，是它相对用户还存在"没接上的旧知识"。 用一两句话说清 X 到底在干什么——它的核心机制 / 结构是什么。剥掉术语外壳，留下"它本质是一个 "。只有先拿到结构，才能去匹配用户学过的东西。 拿不准就直接问「你学过 吗？」，绝不从正在讲的材料 / 文章作者背景推断用户会什么。
用户说"想学 / 理解 / 搞懂 / 讲讲一个概念 X"时——这是默认入口，一次跑完五视角，用户再选深入哪个。 抓住 X 的本质结构（剥术语），按三猜想给 🎁其实已学过 / 🔗结构同构（字段级对应表）/ 🧩可用已有知识解释，点出元知识。先激发信心，再谈深入。 定位"既定问题"（学 X 解决什么）、现有知识够不够、X 的贬值速度与 ROI，给"够用就停 / 只学最小那块 / 值得深挖"的深度边界。不是劝退，是防止一上来过度钻。
用户要系统进入一个新领域，或焦虑"学得不够系统 / 不知何时算够"。 用户为什么学 X？（接 的"既定问题"）目的决定图谱画到多细。 从入门点出发、沿父子关系排一条有效路径。颗粒度按需自由切换（领域图 → 细分学科图）。"学到哪算够"= 覆盖到能解决第一步那个目的的节点即可，不必学满。
用户要动手做 / 研究一个东西，或想把某个已有产出改得更好。这是"重输入、轻输出"短板的解药——逼用户从输入切到输出。 别追求完美，先有一个能跑 / 能看的最小版本。卡在"还没准备好"就是没进改良主义。 针对缺陷提一个改良策略（视为假说，可对可错），动手改，看效果。错了也有用——错误暴露后，下次自动规避这个方向。
用户学完一个东西想验真伪，或隐约觉得"好像懂了但不踏实"。也是"重输入轻输出"的一次强制输出。 请他用自己的话、把你当外行，把概念讲一遍。别让他背定义——要他解释、打比方。 专挑他含糊带过、用术语糊弄、跳过的环节追问："为什么？""那这个是怎么来的？""举个例子？"命中他答不上来或开始绕的地方。
Treat every competition as a validation problem first and a modeling problem second. The default target platform is Kaggle, so prefer Kaggle-native notebooks/scripts, datasets, model artifacts, competition submissions, and score receipts. For code competitions, assume the final notebook/kernel will
把目标 JD 的要求映射到用户可验证的真实经历，生成适合中国大陆招聘场景、ATS 可读、HR 易判断、面试可自洽的定制简历。不要只润色语言。 1. 只使用用户简历、用户补充回答和明确标注的合理估算。 2. 不编造学校、公司、岗位、项目、证书、工具、职责、数据或 AI/RAG/Agent 经历。
A 540×960 e-ink panel sitting next to the user's monitor. AI agents push widgets to it; the daemon renders frames server-side and ships pixels over Wi-Fi / USB / BLE. This Skill is the only thing an agent needs to call
Teaches the functional options pattern for designing flexible Go APIs with optional configuration, helping developers build clean, extensible constructors that scale as requirements grow.
Use this skill for Step 3 work only. During schema work, act as an expert in event tracking design. Your job is not to list generic events. Your job is to produce a tracking plan that is:
Use this skill for Step 4 and Step 5 work. If the telemetry consent prompt appears and no prior choice is recorded, stop and follow ../../references/telemetry-consent.md before continuing. If GTM config does not exist yet:
Use this skill as the end-to-end coordinator for GA4 + GTM tracking delivery. Do not assume the user wants the full workflow. <!-- analytics-tracking-automation auto-update bootstrap:start -->
Use this skill when the work starts from and the goal is to produce approved . 1. Read the current and page inventory. 2. Group pages by business purpose, not just URL shape.
Use this skill to audit the site's real live GTM setup before event generation. If the telemetry consent prompt appears and no prior choice is recorded, stop and follow ../../references/telemetry-consent.md before continuing. Run the live baseline step before schema preparation whenever the site has
