「pth」の検索結果

AIGC 创作工作流 (AIGC 创作工作流 / AIGC Creative Workflow — 以「生成式 AI 视觉创作（图像 + 视频）的工程化创作流水线」为对象的认知操作系统：从「需求/概念（要做什么画面/镜头/风格）→ 模型与工具选型（Midjourney / Stable Diffusion·SDXL·Flux / ComfyUI / 可灵 Kling / 即梦 Jimeng / Runway / Vidu / Sora）→ Prompt 与参数设计（提示词工程、风格描述、负向、种子、CFG/步数/采样器、参考图）→ 可控生成（ControlNet / LoRA / IPAdapter / inpainting / 图生图 / 局部重绘 / 区域控制）→ 批量出图与筛选 → 精修与合成（放大/超分、修手修脸、PS/AE 后期、抠图合成）→ 图生视频/文生视频（首尾帧、运镜、时长、一致性、对口型）→ 商业交付与迭代复现（参数留存、工作流文件复用、版权与可商用判断）」的完整创作-工程-交付决策链。覆盖 (a) 第一性张力 — **可控性/工程化复现（ControlNet/LoRA/ComfyUI 节点工作流/固定种子与参数/可复现可迭代）⇄ 随机性/抽卡玄学（出图随机、prompt 玄学、抽卡刷图、靠运气）**；**审美/创意/艺术指导主导（人的审美判断、概念设计、构图、镜头语言、艺术总监能力——'模型是地板，审美是天花板'）⇄ 工具/模型/参数主导（堆模型能力、堆参数、堆 LoRA、以为换个大模型就行）**；**开源生态/本地可控（Stable Diffusion / ComfyUI / Flux / civitai / liblib 本地部署可定制可控可商用、显卡门槛）⇄ 闭源商业/易用黑盒（Midjourney / 可灵 / 即梦 / Runway 开箱即用但不可精控、按量付费、黑盒）**；**图像生成（T2I/I2I：Midjourney / SDXL / Flux）⇄ 视频生成（T2V/I2V：可灵 / Runway Gen-3 / Vidu / 即梦 / Sora，2024-2025 前沿从图迁移到视频）**；**生产力/商业量产（替代或增强传统设计/插画/电商/广告/影视分镜流程、降本提效、批量）⇄ 纯艺术创作/作者表达（个人风格、实验性、作品集）**；**效率/批量（一次出几十张筛选、商单走量、自动化 pipeline）⇄ 质量/精控（单张精修、商业可用级细节、修手修脸修穿帮）**。(b) 核心工作流 / pipeline（最标准、最易蒸高质量 + CLI 化）— 单图创作链：概念/参考收集（moodboard/风格定位/竞品）→ 模型工具选型（按可控性/风格/成本/可商用判断 MJ vs SD/Flux vs 国产）→ Prompt 与参数设计（主体/风格/光影/镜头/负向词/CFG/采样器/分辨率/种子）→ 首轮出图与方向筛选 → 可控迭代（ControlNet 控构图/姿态/线稿、LoRA 控风格/角色一致性、图生图重绘、inpainting 局部修）→ 放大超分与精修（高清放大/修手修脸/后期调色合成）→ 交付与参数留存（工作流文件/种子/参数复现）。视频创作链：分镜/脚本→首帧出图（图像链产出关键帧）→图生视频（运镜/时长/首尾帧/动态强度）→多镜头一致性（角色/场景/风格统一）→对口型/配音/配乐→剪辑合成→交付。ComfyUI 工程链：节点工作流搭建（加载器/采样/ControlNet/放大/面部修复节点）→ 参数化与复用→批量队列→工作流分享（civitai/openart workflow json）。(c) 工具栈 — 闭源图像（Midjourney v6/v7、DALL·E 3、Adobe Firefly、Ideogram、Recraft）、开源图像与底座（Stable Diffusion 1.5/SDXL/SD3、Flux.1 dev/schnell（Black Forest Labs）、ComfyUI（节点式）、Automatic1111/Forge WebUI、Fooocus）、可控生成插件（ControlNet、LoRA、IPAdapter、AnimateDiff、inpainting/outpainting、ReActor 换脸、面部修复 CodeFormer/GFPGAN、放大 ESRGAN/SUPIR/Topaz）、模型/资源社区（Hugging Face、Civitai、liblib 哩布、吐司 Tusi、openart）、视频生成（可灵 Kling、即梦 Dreamina/Jimeng、Runway Gen-3/Gen-4、Luma Dream Machine、Pika、Vidu、海螺 Hailuo、Sora、Wan 通义万相、MiniMax）、辅助（Magnific 放大、Krea、Photoshop/After Effects 后期、ChatGPT/Claude 写 prompt、reverse prompt 反推）。(d) 知识正典 — AIGC 创作 canon 横跨论文/工程/社区教程：奠基论文（DDPM、Latent Diffusion/Stable Diffusion（Rombach et al）、DiT、ControlNet（Zhang et al）、LoRA、DreamBooth、Textual Inversion、SDEdit、IP-Adapter、视频扩散 SVD/Sora 技术报告）、官方文档与模型卡（Stability AI、Black Forest Labs Flux、ComfyUI 文档、Midjourney docs、可灵/即梦官方教程、Hugging Face diffusers）、社区教程与工作流（ComfyUI 官方示例、civitai 文章、B站/YouTube 创作者长教程、openart workflow）、prompt 工程资源（Midjourney 风格库、提示词指南）。(e) figures/流派 — 模型/工具创造者（Midjourney David Holz、Stability AI Emad/Robin Rombach、Black Forest Labs（Flux，原 SD 团队）、ComfyUI comfyanonymous、ControlNet 张吕敏 Lvmin Zhang、AUTOMATIC1111、可灵/即梦/快手字节团队）、创作者 KOL 与教育者（Midjourney/SD 头部创作者、ComfyUI 工作流大神、AI 视频创作者、国内 B站/抖音 AIGC 教程作者、独立 AI 艺术家）、行业分析与评测（AI 工具评测、生成式 AI 创作生态观察者）。流派分歧：开源可控派（SD/ComfyUI/Flux 本地精控）vs 闭源易用派（MJ/可灵开箱即用）、工程化派（节点工作流/可复现/参数化）vs 玄学抽卡派（prompt 玄学/堆词/抽卡）、审美主导派（'模型是地板审美是天花板'）vs 工具主导派（堆模型堆参数）、图像派 vs 视频派、艺术创作派 vs 商业生产力派、国产工具派（可灵/即梦/liblib）vs 海外工具派（MJ/Flux/Runway）。(f) 行业话术/黑话 — 出图 / 抽卡 / 刷图 / 炼丹（训练 LoRA）/ 喂图 / 垫图（参考图/图生图）/ 控图 / 锁种子 seed / CFG / 采样器 sampler / 步数 steps / 重绘幅度 denoise / 提示词 prompt / 咒语 / 负向 negative / 权重 / tag / 大模型 checkpoint / 底模 / LoRA / ControlNet / 控线稿/openpose/depth / IPAdapter / inpainting 局部重绘 / outpainting 扩图 / 高清放大 / 超分 / 修手 / 崩手 / AI 味 / 风格 / 角色一致性 / 工作流 workflow / 节点 / 跑图 / 队列 / 文生图 T2I / 图生图 I2I / 文生视频 T2V / 图生视频 I2V / 首帧/尾帧 / 运镜 / 动态强度 / 时长 / 对口型 / 一致性 / 可商用 / 训练集 / 过拟合 / 翻车 / 穿帮。(g) 争议/批判 — 「版权与训练数据」（模型训练用未授权作品、生成图版权归属、可商用风险、洗图/伪原创）、「AI 替代创作者就业」（替代画师/插画师/设计师/摄影、行业冲击与转型）、「AI 味与审美趋同」（生成图同质化、套模板、缺乏原创审美）、「玄学 prompt 神话与割韭菜」（'咒语'神秘化、'7天 AIGC 变现/月入过万'付费课割韭菜、抽卡当能力）、「工具快速迭代与淘汰焦虑」（模型月月换、工作流频繁失效、追新疲劳）、「开源 vs 闭源之争」（可控可商用 vs 易用黑盒）、「质量天花板」（修手修脸穿帮、长视频一致性、可控性仍有限）。(h) 大量隐性创作手艺 + 审美 + 工程 + 沟通软技能（prompt 的描述功底与审美词汇、参数与采样的手感、ControlNet/LoRA 的组合控制经验、节点工作流的搭建与调试、批量筛选的审美眼力、修图合成的后期功底、镜头语言与运镜设计、角色/风格一致性的控制、商业需求的翻译与交付、版权与可商用的判断）是高 tacit、靠大量实操跑图 + 审美积累 + 工程调试经验的核心。水分极高（大量'咒语速成/一键变现/AI 绘画割韭菜'营销

日本語の概要は準備中です。原文の説明を表示しています。

摄影 (摄影 (Photography) — 以静态影像为产出的视觉创作 + 服务行业：从看见 → 用光 → 构图 → 拍摄 → 后期 → 交付的认知操作系统，覆盖商业摄影 (commercial: 产品/广告/电商/美食)、人像摄影 (portrait: 影楼/写真/婚礼/时尚/环境人像)、纪实与街头摄影 (documentary/photojournalism/street)，以及与之贯通的风光、新闻、艺术摄影。面向职业摄影师 / 助理 / 修图师 / 想转职业的资深爱好者 / 服务这行的人 (器材厂商、图库、后期外包、影楼运营)。覆盖: (a) 第一性张力 — **光 (light is the craft — 看光、控光、塑光：硬光/柔光、方向、色温、光比、布光是摄影第一性) ⇄ 器材 (gear — 相机/镜头/灯具迷信, 'GAS' gear-acquisition-syndrome, 'the best camera is the one you have with you' — 器材不是摄影)**; **决定性瞬间/抓取 (decisive moment, Cartier-Bresson, 等待与预判, 纪实/街头不可重来) ⇄ 构建/导演 (constructed/directed, 商业与人像是布光摆姿造光的'制造'而非'捕获')**; **前期/拍对 (get it right in camera, 曝光/白平衡/构图当场拍对) ⇄ 后期/暗房 (post/darkroom, Ansel Adams 'negative is the score, print is the performance' — RAW 冲洗/调色/修图是创作一半)**; **作者性/艺术表达 (vision, personal voice, 'photograph what you feel not what you see') ⇄ 服务性/商业交付 (client brief, 影楼标准化出片, 'shoot the brief not your ego', 摄影是生意)**; **真实/未操纵 (truth, photojournalism ethics, 不过度 PS, 新闻摄影伦理) ⇄ 修饰/理想化 (retouch, 商业人像液化磨皮, 广告的'谎言')**; **决定性技术参数 (曝光三角 aperture/shutter/ISO, 景深, 互易律) ⇄ 看见/眼力 (seeing, 'photography is about seeing not cameras', 构图/光感是 tacit 眼力)**; **胶片/慢/不可见 (film, 慢工, 不可即时回看, 暗房) ⇄ 数码/即时/海量 (digital, chimping, 连拍, 后期无限)**; AI 对摄影的冲击 ('是不是摄影'、生成式填充/换天/AI 修图、真实性危机); (b) 核心工作流 / pipeline (最标准、最易蒸高质量+CLI 化) — 通用链: 看光选光 → 曝光三角决策 (光圈定景深/快门定动静/ISO 兜底) → 测光与曝光 (评价/点测光, 向右曝光 ETTR, 直方图, 区域系统) → 构图 (三分法/引导线/框架/负空间/前景) → 对焦 → 拍摄 → 选片 culling → RAW 后期 (Lightroom/Capture One: 曝光/白平衡/色调曲线/HSL/局部) → 精修 retouch (Photoshop: 频率分离/液化/D&B) → 调色 grading → 输出交付 (色彩管理/sRGB/打印/图库上传); 子流派 SOP: 影棚商业布光 (主光/辅光/轮廓光/背景光, 三点布光, 光质修饰器 softbox/beauty-dish/grid)、婚礼/纪实一天流程、街头扫街、产品/电商台面、人像引导摆姿 posing & direction; (c) 工具栈 — 相机系统 (无反主导: Sony A 系 / Canon R / Nikon Z / 富士 X&GFX / 徕卡 M; 中画幅 Phase One/Hasselblad/GFX 商业; 残幅 vs 全幅 vs 中幅)、镜头 (大三元, 定焦 vs 变焦, 35/50/85 人像三剑客, 微距, 移轴)、灯具 (机顶闪 Godox/Profoto, 影室灯, 常亮 LED, 持续光 vs 闪光)、修饰器 (柔光箱/反光伞/束光筒/雷达罩/旗板)、测光/附件 (测光表, 灰卡, 三脚架, 滤镜 ND/CPL/渐变)、后期软件 (Adobe Lightroom Classic/CC 主导, Capture One 商业/影室, Photoshop 精修, DxO PhotoLab/PureRAW 降噪, Capture One vs Lightroom 之争, 国产: 醒图/泼辣 Polarr/Snapseed 移动端, RawTherapee/Darktable 开源, AI: Lightroom 生成式/Photoshop Generative Fill/Topaz Photo AI/Gigapixel/Luminar Neo)、色彩管理 (X-Rite/Calibrite 校色仪, ICC, 显示器)、图库/交付 (Pixieset/图虫/500px/视觉中国/Getty/Adobe Stock, 客片在线选片); (d) 知识正典 — Ansel Adams 'The Camera / The Negative / The Print' 三部曲 + 区域系统 (Zone System)、Henri Cartier-Bresson 'The Decisive Moment'、Michael Freeman 'The Photographer's Eye' (构图) 'The Photographer's Mind'、Bryan Peterson 'Understanding Exposure' (曝光入门圣经)、Scott Kelby 'Digital Photography Book' 系列 + Lightroom/Photoshop 书、Joe McNally 'The Hot Shoe Diaries / Sketching Light' (闪光灯)、Light Science & Magic (布光科学经典教材)、Roland Barthes 'Camera Lucida' (摄影哲学)、Susan Sontag 'On Photography'、John Szarkowski 'The Photographer's Eye'、National Geographic 摄影指南、Robert Capa / Sebastião Salgado / Steve McCurry (纪实)、Annie Leibovitz / Richard Avedon / Peter Lindbergh (人像/时尚)、Galen Rowell / Ansel Adams (风光); (e) figures/流派 — 风光/系统派 (Ansel Adams 区域系统奠基、Galen Rowell 探险风光、Marc Adamus); 决定性瞬间/纪实街头派 (Henri Cartier-Bresson 奠基、Robert Capa 战地、Sebastião Salgado 社会纪实、Steve McCurry、Vivian Maier、Daido Moriyama、森山大道/荒木经惟 日本派、Vivian Maier); 人像/时尚派 (Richard Avedon、Annie Leibovitz、Peter Lindbergh、Platon、Joey L、Lindsay Adler 时尚布光); 布光/教育派 (Joe McNally、Zack Arias 'one light'、Profoto/strobist David Hobby 'Strobist' 闪光灯启蒙博客、Karl Taylor 商业布光教学); 商业/广告派 (Chase Jarvis 'CreativeLive'创办+'best camera'、Joel Grimes、Tim Wallace 汽车); 后期/修图派 (Pratik Naik、Aaron Nace 'Phlearn'); 街头当代派 (Eric Kim 街头博客、Joel Meyerowitz、Saul Leiter 色彩街头); 中文圈 (李涛 'photoshop教学'、宁思潇潇 器材评测、thomas 'Thomas看看世界' 风光后期、阿刘 风光、668 人像); 哲学/批评 (Susan Sontag、Roland Barthes、John Szarkowski MoMA); (f) 行业话术/黑话 — 曝光三角 exposure triangle / 光圈 aperture f-stop / 快门 shutter speed / 感光度 ISO / 景深 DoF depth of field / 焦段 focal length / 等效 / 全画幅 full-frame vs 残幅 crop / 大三元 / 定焦 prime / 互易律 reciprocity / 向右曝光 ETTR / 直方图 histogram / 高光溢出 clipping / 动态范围 dynamic range / 宽容度 / 白平衡 WB

日本語の概要は準備中です。原文の説明を表示しています。

DevOps 与站点可靠性工程 (SRE) — 平台 / 基础设施 / 可靠性工程师的认知操作系统, 覆盖软件交付 + 运维全生命周期 (CI/CD 与发布工程 trunk-based + 渐进式发布 canary/blue-green/feature flag + GitOps Argo CD/Flux / 基础设施即代码 Terraform/OpenTofu/Pulumi/Ansible + policy-as-code OPA / 容器与编排 Docker/Kubernetes + Helm/Kustomize + service mesh Istio/Linkerd / 可观测性 Prometheus + Loki + OpenTelemetry + Honeycomb + eBPF + RED/USE / SLO-SLI-error budget 与可靠性工程 Google SRE 学科 + 容量规划 + 优雅降级 / 事件管理与 on-call 事件指挥 + PagerDuty + runbook + 无指责复盘 + MTTR / 云平台与 FinOps AWS/GCP/Azure + 成本优化 + 弹性伸缩 / 平台工程与开发者体验 IDP + Backstage + golden path + Team Topologies / DevSecOps 与供应链安全 shift-left + SBOM + SLSA + sigstore + Vault / 韧性与混沌工程 fault injection + game day + 安全科学 / DORA 指标与工程效能 部署频率 + 变更前置时间 + 变更失败率 + Accelerate 研究 / 数据库与有状态运维 schema 迁移 + 备份容灾) — 不含 通用应用开发 / 纯云销售认证速成 / 'DevOps = 跑 Jenkins 的岗位' 窄化误解 / ITIL 工单文化传统运维 (旧范式仅做边界) / 把手工运维 ClickOps 当稳态 (是 toil, 本 skill 核心反模式) (DevOps & Site Reliability Engineering — the cognitive operating system of platform / infrastructure / reliability practitioners who own the full software delivery + operational lifecycle, covering (a) CI/CD & release engineering (build pipelines, trunk-based development, progressive delivery — canary / blue-green / feature flags, GitOps with Argo CD / Flux), (b) Infrastructure as Code (Terraform / OpenTofu, Pulumi, CloudFormation, Ansible, Crossplane — module design, state management, drift, policy-as-code OPA / Sentinel / Checkov), (c) containers & orchestration (Docker / OCI, Kubernetes — scheduling, networking CNI, storage CSI, operators / CRDs, Helm / Kustomize, service mesh Istio / Linkerd), (d) observability (the three pillars + beyond — metrics Prometheus / VictoriaMetrics, logs Loki / ELK, traces OpenTelemetry / Jaeger / Tempo, high-cardinality observability Honeycomb, eBPF, RED / USE methods, SLO-based alerting), (e) SLO / SLI / error budgets & reliability engineering (Google SRE discipline — service level objectives, error budget policy, toil budgets, capacity planning, load shedding, graceful degradation), (f) incident management & on-call (incident command, PagerDuty / Opsgenie, runbooks, blameless postmortems, MTTR / MTTD, error budget burn), (g) cloud platforms & FinOps (AWS / GCP / Azure well-architected, multi-region, cost optimization, autoscaling), (h) platform engineering & developer experience (internal developer platforms, Backstage, golden paths, self-service, Team Topologies), (i) DevSecOps & supply-chain security (shift-left, SAST / DAST, SBOM, SLSA, sigstore / cosign, secrets management Vault), (j) resilience & chaos engineering (chaos experiments, fault injection, game days, resilience engineering / safety science), (k) DORA metrics & engineering effectiveness (deployment frequency, lead time, change failure rate, MTTR, the Accelerate research), (l) databases & stateful operations (schema migrations, backups / DR, replication); NOT generic software development / app feature coding (是 平行学科, DevOps/SRE 关注 delivery + operability 不是 product feature), NOT pure cloud sales / certification cram without operational depth, NOT 'DevOps = a job title that runs Jenkins' 的窄化误解 (DevOps 是 文化 + 实践, SRE 是 Google 对 reliability 的工程化具体实现), NOT ITIL-heavy 传统运维 工单文化 (是 被 DevOps 取代的旧范式, 仅做边界标注), NOT manual ops / ClickOps as a steady state (是 toil, 本 skill 的核心反模式).) Master OS — automated mastery of DevOps & Site Reliability Engineering — the cognitive operating system of platform / infrastructure / reliability practitioners who own the full software delivery + operational lifecycle, covering (a) CI/CD & release engineering (build pipelines, trunk-based development, progressive delivery — canary / blue-green / feature flags, GitOps with Argo CD / Flux), (b) Infrastructure as Code (Terraform / OpenTofu, Pulumi, CloudFormation, Ansible, Crossplane — module design, state management, drift, policy-as-code OPA / Sentinel / Checkov), (c) containers & orchestration (Docker / OCI, Kubernetes — scheduling, networking CNI, storage CSI, operators / CRDs, He

日本語の概要は準備中です。原文の説明を表示しています。

Puts oaustegard/muninn-utilities on the container Python path — runs scripts/boot.sh, which shallow-clones the repo (codeload tarball as fallback) and writes the .pth. The boot payload itself comes from the Muninn MCP connector: call its `boot` tool after this script. Trigger on the first message of any new Muninn conversation, or when the user says "boot up" / "boot" — unless the message contains "skip boot". Idempotent: a warm container exits in ~0s via a sentinel.

日本語の概要は準備中です。原文の説明を表示しています。

Applies the computational biology and AI-driven reasoning of Aviv Regev (computational biologist, Genentech, single-cell genomics). Use this skill whenever the user is dealing with experimental design, high-dimensional data analysis, integrating AI into scientific workflows, scaling biological research, or navigating noisy, complex systems. Trigger this for topics like single-cell genomics, drug discovery, biological atlases, interdisciplinary research strategy, or when deciding between depth vs. breadth in data collection.

日本語の概要は準備中です。原文の説明を表示しています。

Applies the reasoning style of Kaiming He, computer vision pioneer and creator of ResNet. Use this skill whenever you are designing deep learning architectures, debugging neural network optimization, formulating generative AI problems, or bridging AI with other scientific domains. Trigger this skill for discussions on network depth, weight initialization, residual learning, flow matching, or when reframing discriminative tasks as conditional generation. It emphasizes simplicity in complex visual problems, end-to-end optimization, and viewing AI as a universal language for science.

日本語の概要は準備中です。原文の説明を表示しています。

Research with scoped depth and counterevidence.

日本語の概要は準備中です。原文の説明を表示しています。

Suede-affiliated lead-magnet strategy for choosing a downloadable format, defining useful depth, setting honest gating, planning delivery, and measuring qualified capture. Use when the user needs an ebook, checklist, template, content upgrade, or resource exchanged for contact details. NOT FOR: interactive free tools (use suede-free-tools), lifecycle sequences after capture (use suede-emails), or production copy (use suede-copy).

日本語の概要は準備中です。原文の説明を表示しています。

用户在分析管理层决策、公司治理问题，或发现自己/组织在做"因为别人都这样做"的决策时。 语言信号:"为什么CEO做这么蠢的决定"/"同行都在这样做"/"董事会怎么不管"/"大公司为什么收购失败" 不适用于:不涉及组织决策的纯个人选择。

日本語の概要は準備中です。原文の説明を表示しています。

Classify request as small/medium/large. Adjust workflow depth accordingly.

日本語の概要は準備中です。原文の説明を表示しています。

Designing GitHub Actions workflows in depth: trigger strategy, security hardening, performance optimization, PR automation, and Reusable Workflow design.

日本語の概要は準備中です。原文の説明を表示しています。

Validate and repair source-locked Blender models using named landmarks such as leaf tips, shell corners, eyes, smile, rim thickness, aura center/radius, and view-specific depth markers. Use when bbox/IoU is insufficient and the model must align to templates at designed feature points.

日本語の概要は準備中です。原文の説明を表示しています。

Register front, side, back, and top orthographic reference views into a shared Blender coordinate contract. Use when a 3D model must match multi-view wireframes/templates, when side/back/top silhouettes are off, or before adding depth to a front-locked contour model.

日本語の概要は準備中です。原文の説明を表示しています。

Build Blender mesh surfaces directly from extracted 2D contours/masks instead of approximate primitives. Use for 1:1 mascot/logo reconstruction, exact leaf/petal silhouettes, filled wireframe shapes, shallow bas-relief forms, or when the model outline must match a front template before adding depth.

日本語の概要は準備中です。原文の説明を表示しています。

Determine whether front/side/back/top reference templates can be satisfied by one rigid 3D Blender model, choose a canonical source policy, and emit constraints before rebuilding. Use when multiview bboxes, silhouettes, part counts, or depth ratios contradict each other.

日本語の概要は準備中です。原文の説明を表示しています。

Run a self-refinement loop when a Blender result is subpar, user expectations are not met, validation fails, or repeated issues reveal missing skill depth. The loop diagnoses the gap, decides whether to repair the artifact or acquire/refine a generic skill, sanitizes lessons for reusable publication, updates docs/versioning, validates, and prepares stage/commit/push when explicitly requested.

日本語の概要は準備中です。原文の説明を表示しています。

Review the week using accumulated session evidence — retrieval rates, hint depths, calibration accuracy, transfer and unassisted results. The learner identifies patterns and sets a strategy goal. Use weekly or after a multi-session period.

日本語の概要は準備中です。原文の説明を表示しています。

LinkedIn-native long-form article and newsletter writing workflow for LinkedIn and Google-to-LinkedIn topic discovery, business-depth research, professional thought leadership, evidence-led drafting, final humanization, discussion design, SEO settings, auditing, and publish-ready packaging. Use when creating, outlining, researching, enriching, rewriting, humanizing, auditing, or packaging LinkedIn Articles, LinkedIn newsletters, LinkedIn long-form posts, LinkedIn thought leadership, LinkedIn B2B articles, LinkedIn 长文, LinkedIn 专栏, LinkedIn 话题调研, LinkedIn 商务内容, 去 AI 化编辑, or LinkedIn 发布包.

日本語の概要は準備中です。原文の説明を表示しています。

Survey existing cloud architecture for lock-in depth and portability gaps. Use when asked to "survey our cloud lock-in", "find portability gaps", or "how cloud-agnostic are we".

日本語の概要は準備中です。原文の説明を表示しています。

Hacker News post crafter — given a product, feature, or story produces a ready-to-post HN submission (title ≤80 chars, no marketing), honest body text with technical depth, no outbound links, predicted reception analysis, and comment-response templates for likely pushback. Use when asked to "write an HN post", "craft a Show HN", "prepare our Hacker News launch", or "help me post on HN".

日本語の概要は準備中です。原文の説明を表示しています。

Plan and scope a project — discovery, challenge assumptions, present XS-XXL depth options with token and cost estimates. Use when asked to "plan this", "scope this", "how should we build X", or when a new project/feature request comes in.

日本語の概要は準備中です。原文の説明を表示しています。

Shadows and layering that lift elements above the surface. Use when designing cards, dropdowns, modals, tooltips or any floating element.

日本語の概要は準備中です。原文の説明を表示しています。

Reads and analyzes academic papers (arXiv preprints, conference / journal PDFs, Zotero items) at three configurable depths: quick skim (2 min), standard read (10 min), or deep analysis (30 min). Produces structured digests covering problem, method, key innovation, results, limitations, reproducibility, hidden assumptions, and connections to the user's other work. Use when the user shares an arXiv link, PDF, or paper title and asks to read / summarize / digest / TL;DR / analyze / review / critique / explain / break down a paper, asks about a paper's contributions / methods / results / equations / figures, wants to compare two papers side by side, or needs a reading note for their records.

日本語の概要は準備中です。原文の説明を表示しています。

Vocabulary learning strategies and retention science for any language -- frequency-based word selection, spaced repetition systems (Ebbinghaus forgetting curve, Leitner system, SM-2 algorithm), cognate exploitation, word family networks, context-based learning, collocations, depth of word knowledge (form, meaning, use), reading progression from controlled to authentic texts, and productive vs. receptive vocabulary thresholds. Use when building vocabulary plans, optimizing review schedules, selecting learning materials, or diagnosing vocabulary gaps.

日本語の概要は準備中です。原文の説明を表示しています。