Agent Skills Hub

literature-review

通过 PubMed、arXiv 和 Semantic Scholar 进行系统性文献回顾，包含人工智能驱动的综述、核实引用以及强制性的科学图表生成。

paper-notes

为核心研究集中的论文生成结构化、机器可读的笔记，以实现可靠的文献综述与证据导向的写作。

reflect-appworld-failure

分析 AppWorld 任务失败原因，提取具体的 API 模式并生成带有实现代码示例的可执行剧本要点。

deepscan-monitor

管理长时间运行的 PapersFlow DeepScan 研究流程，提供异步监控、实时进度追踪与自动化报告生成功能。

scientific-critical-thinking

评估科学宣称与研究方法的严谨度、偏误及有效性。运用 GRADE 与 Cochrane 等实证架构来分析实验设计、研究方案及研究结论。

literature-engineer

证据优先的文献收集工具，专为自动化研究管线设计。将论文池扩充至 1200 篇以上，具备元数据规范化、来源追溯及多路径导入功能。

sherlock-review

基于证据的代码审查，运用福尔摩斯式演绎推理来验证开发声明、调查错误并进行根本原因分析。

react-expert

使用权威源代码、测试和存储库历史记录来研究 React API、模式和概念。

paper-plan

根据研究叙述、实验数据与审稿结论，自动生成结构化的学术论文大纲。

synthesizer

将多个研究智能体的发现综合为连贯且附引用的研究报告，解析矛盾并提取核心共识。

evidence-first-debugging

强制执行严格的实证调试工作流程，利用结构化观察、假设检验和因果验证，消除技术调查中的推测。

cohort-analysis

执行用户参与数据的同期群分析。识别留存趋势、功能采用率、流失模式，并透过定量数据分析生成可执行的研究建议。