Skill 宝藏清单｜写作·设计·论文·开发

图片解读

来源与图片元数据：来源 URL: https://www.xiaohongshu.com/explore/6aa7df66000000000d024693?xsec_token=YBB9CArnN4e0VilPMW-L_A-AbhEOMJg8glD9krWZWfc8k%3D；图片证据: 第1张图片；URL: 未提供（不完整）

图片中可读事实（逐字记录与界面元素）：

- 顶部小字（英文）："TOOLS / IDEAS / PRODUCTIVITY"

- 右上角中文："第1期"

- 主标题（中英混合）："Codex 必装 Skill 榜"

- 副标题（中文 + 英文）："TOP 9 · 从写作到开发的跨领域装配清单"

- 列表为九项，按序号 01 到 09，每项为一条卡片，卡片左侧有彩色编号标签，右侧有一个向右箭头（→）。每项显示英文主标签，右侧有单字或短语的中文分类。具体条目如下（按图中原文逐字记录）：

01. humanizer 右侧中文：去 AI 味 →

02. claude-design / sketch 右侧中文：设计 →

03. research-paper-writing 右侧中文：论文 →

04. jupyter-live-kernel 右侧中文：分析 →

05. writing-plans / plan 右侧中文：规划 →

06. powerpoint 右侧中文：汇报 →

07. popular-web-designs 右侧中文：审美 →

08. arxiv 右侧中文：文献 →

09. ideation 右侧中文：选题 →

- 每个条目下方有一个水平填充进度条（颜色随条目的左侧色块一致），长度各不相同。

- 页面左下角竖向英文："BETTER TOOLS BIGGER IDEAS"

- 视觉元素：每条卡片为圆角矩形、浅色底，整体有柔和阴影与高光，右上角有圆弧光泽装饰。整体色调偏温和明亮，使用渐变和投影。

图片中可见的“进度条”近似填充比例（基于视觉估计，保留为近似值）：

- 01 humanizer：约 85%–90% 填充（红色）

- 02 claude-design / sketch：约 70%–75% 填充（紫色）

- 03 research-paper-writing：约 60%–65% 填充（蓝色）

- 04 jupyter-live-kernel：约 50%–55% 填充（绿色）

- 05 writing-plans / plan：约 40%–45% 填充（黄色）

- 06 powerpoint：约 55%–60% 填充（浅蓝色）

- 07 popular-web-designs：约 30%–35% 填充（粉色）

- 08 arxiv：约 20%–25% 填充（棕色）

- 09 ideation：约 15%–20% 填充（灰色）

无法辨认或不确定的元素：

- 卡片上非常小的注释性英文或装饰性文字无法清晰读取，可能存在细小分隔符或极细字体注释但不可辨认。

- 未在图片或摘要中找到完整的图片 URL、发布者信息或时间戳等元数据；图片来源记录为不完整，需补充原始文件或页面以便核验。

SkillPI 作品解读

作品用途与摘要解读：

- 该图像与文本作为一份“Skill 推荐/榜单”性质的海报或笔记，意在列出对把 AI agent 能力从纯编码扩展到写作、设计、论文、数据分析、PPT 等多领域有帮助的 Skills。文本直接指出“模型像大脑，Skills 像技能包”，强调通过为 agent 装入不同技能可以把 agent 做成可组装的 AI 工作台。

图片证据要点：

- 图像同时给出九项 Skill 的英文标签与对应中文用途分类（如“去 AI 味”“设计”“论文”等），并用视觉化进度条表现每项的相对“程度”或“推荐强度”。这一视觉元素支持原文中“TOP 9”“从写作到开发的跨领域装配清单”的表述。

- 图片元数据不完整（缺失图片 URL/发布详情），因此无法通过图像单独核验发布时间与原始发布上下文。

关联 Skill 的使用步骤（基于常见实践的可执行步骤说明，并非对原图中每个 Skill 的功能做未经核实的断言）：

1) 明确需求：先确定要把 agent 用于哪些任务（如学术论文写作、数据分析实验、PPT 汇报、页面视觉参考等）。

2) 查找并启用对应 Skill：在 agent 所在平台中定位并启用相应的能力包或插件（需要平台支持 Skill 插件机制）。

3) 权限与环境准备：为需要外部运行环境的 Skill（例如 Jupyter 集成）配置访问权限、API token、内核或远程执行能力。确保 Jupyter 内核与 agent 的交互接口可用。

4) 任务拆解与编排：利用类似 writing-plans / plan 的技能先拆解复杂任务、生成步骤，再由其它技能按步骤执行或辅助（例如 research-paper-writing 协助起草、jupyter-live-kernel 进行数据实验、powerpoint 生成汇报幻灯）。

5) 多技能链路：把结果在各技能间传递（如把 jupyter 结果整理成摘要，再由 powerpoint 生成幻灯片），注意数据格式与上下文传递。

6) 人工校验与润色：使用 humanizer 等用于文字风格调整的技能或人工复审，校正“AI 味”、风格和学术规范。

复现前提（需满足的条件）：

- Agent 所在的平台必须支持第三方或内置的 Skill 插件机制，并能安装/启用这些 Skill。

- 有权限与凭据以访问外部资源（如 Jupyter 服务器、文献数据库、文件存储或模型 API）。

- 使用者需对任务目标、数据来源与合规要求（尤其学术引用与数据隐私）有清晰认知。

待核实项（不虚构，需进一步验证的信息）：

- 每项 Skill 的准确命名与来源（例如“humanizer”、“claude-design / sketch”等是否为官方 Skill 名称、在哪个平台可用）。

- 图片中进度条的具体含义（是否表示推荐强度、熟练度、使用频率或其它指标）。

- 原始图片或页面的完整 URL、发布时间、作者或出处信息（当前记录显示图片 URL 未提供或不完整）。

- 各 Skill 与具体 agent/模型的兼容性（不同 agent 平台与模型对 Skill 的支持差异）。

以事实、操作结果或核验事项结束：以上内容基于用户提供的摘要与图片可读证据整理，图片元数据不完整需要补充原始页面以完成进一步核验。