markdown-token-optimizer
分析 Markdown 檔案以識別浪費 Token 的模式,並提供具體優化建議,以提高文件對 AI 的 Token 使用效率與清晰度。
探索可重用的代理技能,查看實作細節,快速找到適合你工作流程的技能。
共找到 259 個技能
分析 Markdown 檔案以識別浪費 Token 的模式,並提供具體優化建議,以提高文件對 AI 的 Token 使用效率與清晰度。
使用 LlamaExtract 實作從 PDF、DOCX 與 PPTX 等非結構化檔案中擷取結構化資料的解決方案,並透過 Pydantic 定義資料架構。
透過蘇格拉底式提問深入探討信念、挖掘隱藏假設、檢驗證據,並在不說教的情況下達成深層理解的思考框架。
全面的文獻引用管理工具:搜尋 Google Scholar 與 PubMed,從 DOI、PMID 或 arXiv 提取元數據,驗證引用準確性,並生成格式正確的 BibTeX 條目。
分析 AppWorld 任務失敗原因,提取具體的 API 模式並生成帶有實作程式碼範例的可執行劇本要點。
將多個研究智能體的發現綜合為連貫且附引用的研究報告,解析矛盾並提取核心共識。
透過 Pollinations 文字 API 結合 Gemini 與 Perplexity 等搜尋增強模型,取得即時且具備網路參照的精準研究答案。
同步並維護儲存庫中的 CLAUDE.md 與 README.md 文件層級,確保 AI 代理程式擁有即時且一致的上下文資訊。
設計與構建高品質 AI Agent Skills 的專家顧問。透過發現、架構與製作階段的結構化引導,確保您建立的技能具備高度一致性、可組合性與執行效能。
基於 Google A2A 協議的多代理協作框架。實現了基於 CLI 的 AI 工具間的訊息傳遞、任務委派與自動化協調。
為 Claude Code 使用者設計的決策輔助工具,根據專案需求選擇最佳的擴充機制(斜線指令、技能、子代理或鉤子)。
自動化檢索 PubMed 科學文獻並生成生物醫學研究的平實語言摘要。