-
markdown-to-html：给 AI Agent 装一个 Markdown 翻译官
你大概攒了不少 .md 文件。文档、笔记、README、博客草稿，几乎所有文字产物最后都得变成 HTML 才能被人真正看到。问题来了：让 AI Agent 帮你做这件事时，它真的知道怎么转吗，还是当场给你编一套错漏百出的正则？ Smithery 上的 github/markdown-to-html 这个 skill 就是专门解决这件事的。它不教你怎么写 Markdown，而是把"怎么把 …- 1.4k
- 0
-
image-manipulation-image-magick ：把命令行老炮塞进 Agent 的工具箱
你大概率用过那些花哨的 AI 修图工具，一键换脸、智能扩图、风格迁移，演示视频看得人热血沸腾。可惜真到干活的时候，需求往往是另一副面孔。把 500 张截图统一压成 427x240 的缩略图，或者从一整个文件夹里读出每张图的宽高，又或者把一批 PNG 转成 WebP。 这类活儿要的不是创造力，是确定性。你希望输入 A 永远得到输出 B，不希望模型临场发挥。顺带说一句，现在那些扩散模型做图，同样一张提…- 1.3k
- 0
-
meeting-minutes ：把会议纪要从“聊天记录”变成“可执行工单”
你开完会，录音转成文字，丢给 AI，出来一段流畅的总结。然后呢？没人看，没人跟进，下周又开同样的会重复同样的讨论。会议纪要最大的痛点从来不是写不出来，而是写出来之后就死在文档里。 Smithery 上的 github/meeting-minutes 这个 Skill，瞄准的正是这个断层。它不把自己定位成“会议总结生成器”，而是“可执行的会议纪要在内部短会中的标准化生产流程”。这个定位差别，决定了它…- 1.3k
- 0
-
doc-coauthoring：把 Claude 变成你的文档共写搭档
写文档是工程师最容易被偷走时间的地方。想法在脑子里清清楚楚，落到纸上就糊成一团，别人读完还是抓不住你要干什么。你以为写完了，其实只是把混乱从脑袋搬到了文件里，下次自己回看也得重新脑补一遍上下文。 这类工作流技能我见过不少，大多本质是一份提示词模板，换层皮就敢叫写作助手。doc-coauthoring 不一样，它把写文档重新定义成一场有引导的协作，而不是丢给模型一句帮我写个 PRD 就完事。那些模板…- 1.1k
- 0
-
Turborepo ：一个专治 monorepo 配置瞎编的 AI 技能
Monorepo 玩到后面，最磨人的从来不是代码怎么拆，而是命令怎么跑。你改了一个按钮，CI 却把整个仓库的 build、lint、test 全跑一遍，二十分钟过去什么都没交付。问题不在你，在于没人能随时背出 Turborepo 那几十个配置键和它们的坑。 vercel/turborepo 这个 Smithery 技能就是冲着这件事去的。它本质是把 Turborepo 官方文档压成一份 AI 能直…- 1k
- 0
-
OpenAI 官方 imagegen：把图像生成变成一条可控、可复现的流水线
让 AI 生成一张图，这个需求几乎每个做产品的人都有过。OpenAI 官方在 openai/skills 仓库里维护了一个叫 imagegen 的技能，同时发布在 Smithery 平台，目前累计 7,309 次浏览和 29 次安装。它做的事情一句话能说清：通过 OpenAI Image API 生成或编辑图像，默认模型是 gpt-image-1.5。 安装量不算高，但这个技能值得拆，因为它代表了…- 1.4k
- 0
-
Figma：同一个 openai，两个 Figma 技能，两种完全不同的设计哲学
给 Agent 接上 Figma，最常见的幻想是“贴个链接就出代码”。openai 在 Smithery 上发布的两个 Figma 技能，恰恰是对这个幻想最冷静的回应。figma 是其中更不起眼的一个：7,309 次浏览，26 次安装，SKILL.md 全文不到一千字。但把它读完会发现，这份短文档的价值不在教你干活，而在教你“别乱干活”。 它的定位很特别。开篇第一句就写明用 Figma MCP s…- 1k
- 0
-
figma-implement-design : 把”翻译”变成一条可验证的流水线
给 AI 一个 Figma 链接，让它直接把节点翻译成能上线的代码，这个画面很多人幻想过。figma-implement-design 就是把这个幻想落地的一个技能，由 openai 发布在 Smithery 平台，目前累计 7,309 次浏览和 30 次安装。安装量算不上亮眼，但它的价值从来不在于下载数字，而在于把"设计稿到代码"这条最容易被吐槽的链路，拆成了一条兼具验证、边…- 1.2k
- 0
-
Add-uint-support ：给 PyTorch 算子补 uint 支持，是一个被低估的精细活
大部分写 PyTorch 的人一辈子不会碰“给算子加类型支持”这种事。你用 tensor.float()、tensor.int()，内核里那些 AT_DISPATCH 宏替你扛下了所有类型分支，你甚至感觉不到它们存在。直到某天你要跑一个 uint16 的张量。 然后你会撞上一堵墙。PyTorch 的 uint8（对应 kByte）支持得很完整，但 uint16、uint32、uint64 这三个所…- 1.1k
- 0
-
Final-release-review ：发布前最后一刀，OpenAI 选择交给一个 Skill
跟大多数开发者一样，我做 release 的方式一直很"野生"。改完代码，跑一遍 CI，看一眼 diff，标签一打就推上去了。如果手滑改了 public API，那只能等用户报 bug 才知道。 这套流程放在个人项目还行，放到 openai-agents-python 这种 SDK 上就是玩火。任何一个签名变更、任何一个依赖版本跳动，都可能炸掉下游几百个项目。 所以当我看到 O…- 1.2k
- 0
-
Agent-identifier：用一套 Prompt 模板把 Agent 创建变成工程问题
在 Claude Code 里创建 Agent 这件事，看起来门槛很低。建一个 markdown 文件，写一段 system prompt，放到 agents 目录，完事。但真跑起来你会发现，Agent 不触发、触发了行为跑偏、或者 prompt 太长 Claude 直接忽略关键约束，这些问题出现的频率远比想象中高。 agent-identifier 是 Anthropic 在 Smithery.…- 1k
- 0
-
Configured-agent ：Claude Code 插件的“记忆系统”
给 Claude Code 写插件的人迟早会撞上一堵墙：插件需要记住用户的选择，但你不能写数据库，不能装 Redis，连环境变量都不好使。Claude Code 的插件运行在 hooks、commands 和 agents 里，每次启动都是全新的 shell 进程。 多数人第一反应是写个 JSON 配置文件丢在项目根目录。然后你会发现在 bash 里解析 JSON 有多痛。即使你用 jq 绕过去，…- 1.2k
- 0
-
PyTorch PR Review：一个只报问题不夸人的代码审查员
给 PyTorch 提 PR 是什么体验？你花了两周写完一个算子优化，通过了所有 CI 检查，Lint 全绿，测试全过，然后等了两周没人 review。好不容易有人看了，留了一条评论：“LGTM”。 这不是段子，是 PyTorch 贡献者每天都在经历的现实。PyTorch 仓库有超过四千个贡献者，每天几十个 PR 涌入，而核心维护者的带宽是固定的。结果就是大量 PR 要么被粗放式 review 放…- 1.2k
- 0
-
Anthropic Audit Support：把 SOX 合规从噩梦变成可控流程
做财务的朋友一提到 SOX 404，表情基本上只有一种：痛苦。这个 2002 年塞进法律里的条款，要求管理层对财务报告内部控制的有效性做出评估并签字负责。听起来合理，但落到实操层面就是几百页的工作底稿、令人窒息的控制测试矩阵、以及永远对不齐的样本量和风险评估。 Audit Support 这个 Skill 试图解决的，恰好是这个痛点最锋利的那一端。它不替你签字、不替你出审计意见，但它把 SOX 4…- 1k
- 0
-
Anthropic Compliance Skill：让法务团队拥有隐私合规的”第二大脑”
隐私合规这件事，法务团队的人最有发言权。GDPR 的 99 条条文、CCPA 的修正案、各国层出不穷的新法规，光是把这些文本通读一遍就要花掉一个初级法务整整两周。更麻烦的是，法规不是读一次就够的，监管指引在变，执法案例在积累，跨境数据传输的规则几乎每季度都有更新。 Anthropic 在 Smithery 上发布的 compliance skill，直接瞄准了这个痛点。它不是一个泛泛的法律问答机器…- 1.2k
- 0
-
Sentry Skill：让查错像聊天一样简单
生产环境报错这件事，经历过的人都懂。凌晨三点告警响了，你爬起来打开 Sentry，在密密麻麻的 issue 列表里翻找，点开 stack trace，试图从几千行日志里定位根因。这一套流程下来，问题可能还没找到，天已经亮了。 Sentry 的仪表盘功能确实全，但问题也出在这里：太全了。查一个简单的问题也要在十几个页面之间跳转。openai/sentry 这个 Smithery Skill 做的事很…- 1k
- 0
-
Nda-triage ：从 GREEN 到 RED，一份 NDA 的 30 秒体检
销售同事甩过来一份 12 页的 NDA，法务邮箱里还有二十份排队的。这个场景在每家公司都反复上演，而绝大多数 NDA 内容其实是模板化的，真正需要律师逐字看的比例并不高。问题在于，没人愿意冒"没看仔细"的风险去省这个时间。 Anthropic 最近在 Smithery 上释出的 nda-triage 解决的就是这个矛盾。它把 NDA 预审做成一个标准化的三色分类流程：GREEN…- 1.2k
- 0
-
OpenAI Security Threat Model：从 STRIDE 到代码纪律，威胁建模的实操化转身
让 AI 给一个仓库做威胁建模，大多数模型会还给你什么？一份看起来非常专业的报告，结构大概是这样： 一份组件清单，覆盖常见的网关、缓存、数据库 一段攻击面描述，套用 OWASP 的分类法 几条 OWASP 引用，证明自己懂行 一堆"建议验证输入"式的缓解措施 每条都对，但没有一条能对到你的代码上。你拿着它去评审，说不出哪里错，也说不清该改哪里。 OpenAI 显然被这个问题折磨…- 1k
- 0
-
secops-triage: Google 把 SOC 一线分析师塞进了一个 Skill
SOC（安全运营中心）的一线分析师每天都在做同一件事： 看告警 判真假 决定要不要升级 听起来简单，但实际跑起来，这句轻描淡写的话背后是大量重复劳动： 同一个 IP 查十遍 同一个告警类型翻来覆去写同样的结论 在三个系统之间切来切去地找上下文 这就是 Google 的 secops-triage Skill 想解决的问题。它不搞花里胡哨的 AI 自动狩猎，也不承诺"一键搞定所有安全事件&…- 1.1k
- 0
-
Security Ownership Map ：把 Git 历史变成安全地图
你们团队负责认证模块的那个人如果明天离职，你知道哪些文件会变成孤儿吗？大多数团队的回答是"不太确定"。CODEOWNERS 文件写了名义归属，但 git log 讲的才是真话。OpenAI 内部安全团队最近释出的 Security Ownership Map，干的事情就是把这两者之间的差距量化出来。 它的思路不复杂：扫一遍 git 历史，提取每个人碰了哪些文件。然后做两件传统安…- 1k
- 0
-
Security Best Practices ：这个 Skill把安全左移做到了 Prompt 层
安全工具这个品类有个通病：它们都在代码写完之后才介入。SonarQube 扫一遍，Snyk 扫一遍，GitHub CodeQL 再扫一遍，每个工具都在你写完代码之后告诉你哪里有问题。问题是，等你看到报告的时候，那行有漏洞的代码已经在仓库里躺了好几天了。 OpenAI 的 Security Best Practices Skill 走了另一条路。它不扫代码，它扫你的 Prompt。准确地说，它把自己…- 1.1k
- 0
-
Code Review Skill: 让 AI 替你把关每一次提交
Code Review 这件事，嘴上都说重要，实际做起来能拖就拖。PR 挂了两天没人看，reviewer 扫一眼点了 approve，合进去才发现漏了个空指针。这不是哪个团队的问题，是所有团队的通病。 Zapier 的 Code Review 这个 Skill 试图解决的就是这件事。它不替代人类 reviewer，不要求你改 workflow，也不在代码仓库里加一堆 bot 配置。它的定位很明确：…- 944
- 0
-
Zapier 把代码审查做成了一个 Skill，而且比你想象的要聪明
代码审查是个反人性的活。它需要你在别人的逻辑里游泳，同时保持清醒到能发现一个越界索引或一个缺失的空值检查。更糟的是，大部分时候你是在赶进度和认真看代码之间做选择。两件事天然冲突。 AI 代码审查工具不是新鲜事。GitHub Copilot Code Review、CodeRabbit、Amazon CodeGuru 都在这个赛道上。问题也很明显：要么绑在特定平台，要么生成的评论读起来像一本教科书在…- 991
- 0
-
Executive-briefing ：Anthropic 这个 Skill 把“向上管理”做成了一行代码都不写的事
你有没有过这种经历：花了两天做调研，数据堆了一堆，结论其实很清晰，但要把这些写成一份领导愿意看的简报，反而卡住了。不是内容不够，是不知道怎么砍。 说实话，这个问题比“没东西写”更折磨人。你知道答案在哪，但每次打开文档，第一行就是改不出来的。你改了三版，最后领导扫了十秒钟，问了一句“所以核心结论是什么？”，那一瞬间你就知道，这稿白写了。 executive-briefing 这个 Skill 干的恰…- 997
- 0