「gpt」の検索結果

Search 2500+ curated ChatGPT and LLM open-source repositories. Use when the user asks to find tools, libraries, or repos related to ChatGPT, LLMs, RAG, agents, langchain, NLP, AI development, or any open-source AI tooling.

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。

Train GPT-2 scale models (~124M parameters) efficiently on a single GPU. Covers GPT-124M architecture, tokenized dataset loading (e.g., HuggingFace Hub shards), modern optimizers (Muon, AdamW), mixed precision training, and training loop implementation.

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。

Render pixel-accurate ChatGPT mobile (iOS) screen mockups in light mode from a thread JSON. Supports user text bubbles, user image attachments, assistant markdown prose, citation chips, the OpenAI spiral logo, the Apps-SDK GPT chip in the composer, and three header styles (model-tag, plain title, "Get Plus"). Fixed 9:16 viewport. Outputs HTML + PNG.

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。

Generate or edit an image via any FAL image model (nano-banana edit, gpt-image, flux, ...), ROUTED THROUGH THE fal-proxy so it bills the Ads agent. image_urls must be public URLs; --image puts a local file on the fal CDN first. The recipe names the model + prompt. Use for keyframes, flat-cover transforms, product hero edits. (For the OpenAI gpt-image family specifically, create-image-gpt-image-fal also exists.)

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。

Use when creating a ChatGPT pet or Codex pet with Scenario: hatching an animated companion from a text idea, a character, mascot or brand cue, or reference photos and art; making the 1536x2288 v2 pet sprite sheet with nine animation states and sixteen look directions, the 1536x1872 v1 sheet ChatGPT web uploads, a pixel-perfect pixel-art pet, an animated GIF of the pet, or a Codex pet.json package.

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, write and measure ads inside AI assistants and AI search (ChatGPT Ads, Google AI Overviews and AI Mode, Microsoft Copilot). Use when testing ChatGPT ads, answer-adjacent copy, or incrementality for AI placements.

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。

Find which ChatGPT search queries mention a given brand. Tests long-tail queries against ChatGPT's web-search-enabled model and reports which ones surface the brand. Use when the user asks to "find queries for [brand]", "check GEO visibility", "which queries mention [brand]", "geo query finder", "find AI mentions", or "test ChatGPT queries for [brand]".

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 ChatGPT apps with MCP servers on Cloudflare Workers. Extend ChatGPT with custom tools and interactive widgets (HTML/JS UI). Use when: developing ChatGPT extensions, implementing MCP servers, or troubleshooting CORS, widget 404s, MIME types, ASSETS binding errors, Next.js integration issues, or edge platform limitations.

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。

Answer a hard question by fanning it out to a PANEL of models running in parallel — each answering independently with web search and bash, none seeing the others' work — then having Opus 4.8 judge every response into a structured analysis (consensus, contradictions, partial coverage, unique insights, blind spots) and write a final answer grounded in it. The panel is two independent Opus 4.8 runs (slug opus4.8-4.8), Opus 4.8 + GPT-5.5 via codex (opus4.8-gpt5.5), Opus 4.8 + Gemini 3.1 Pro via agy (opus4.8-gemini3.1pro), or all three (opus4.8-gpt5.5-gemini3.1pro). Opus always judges and writes the final answer — the pipeline can't be reversed. Runs on local CLI subscriptions (no metered API), and saves a timestamped provenance .md per run. Use this whenever the user asks to "run it through Fusion", says /fusion, wants a multi-model / panel / ensemble answer, wants a question cross-checked across models, or wants a higher-confidence answer with consensus and blind spots surfaced — even if they don't say "fusion". General-purpose: any topic (research, law, strategy, technical, personal). Best for high-stakes research, design calls, and debugging where being confidently wrong is expensive.

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。

Consult ChatGPT Pro via ChatGPT browser automation for problems that resist standard approaches. Use when stuck on a very hard problem, when standard approaches have failed, when multiple debugging attempts haven't worked, or when the user says "ask the oracle", "consult oracle", "consult chatgpt", "I'm completely stuck", "I've tried everything", or "nothing is working".

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。

Use this skill when stuck in circular debugging, when solutions aren't working despite multiple attempts, or when the user expresses frustration with lack of progress. Bring in GPT-5 as a third-party consultant to provide fresh perspective on complex technical problems, architectural decisions, or multi-system debugging issues. Ideal when you've tried multiple approaches without success, when the problem involves obscure edge cases or novel challenges, or when a second expert opinion would help break through an impasse. Gather all context from the conversation so far and present it comprehensively to GPT-5.

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。

Backend-neutral image generation: create new raster images and looping GIF/WebP animations through the local one-file image-use CLI (formerly chatgpt-imagegen), using the user's ChatGPT subscription by default, the Codex backend as fallback, or an optional Gemini subscription — no API key or daemon. Triggers: image generation, generate an image, draw a picture, 画图, 画一张, 生成图片, 生图, 配图. Use for photos, illustrations, icons, hero banners, mockups, sprites, concept art, animation loops, and figures for documents, proposals, blog posts, or READMEs; save outputs in the workspace. Auto mode uses the logged-in ChatGPT browser via chrome-use. Gemini users can pass --backend gemini or agy. Proactively propose useful figures while authoring long-form content. Do not use for editing existing images, SVG/vector work, code-native graphics, established icon systems, explicit high-quality or transparent API output, or end-user image-generation services.

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。

Generate or edit images when the user names OpenAI, GPT Image, or a gpt-image model. Use the default image skill when no provider is named.

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。

Use when the user wants a research-paper figure Skill Factory: build, patch, package, or use reusable specialized paper-figure-making skills from lawful literature/corpus evidence. Generated skills must use a specialized-skill-first workflow, full-feasible local PDF coverage where available, startup-plan-only first replies, target-paper candidate/final image isolation, mandatory image-embedded visual-structure explanation, mandatory non-target concept/modeling example display for abstract visual decisions, saved subtype/style illustration atlases, ChatGPT web Create image / ChatGPT Images 2.0 rendering, Codex $imagegen-first rendering, sample-image transfer rules, all-step/current-position state footers, and a mandatory first-round diverse candidate board followed by P6b/P6c paper-local best-practice optimization before final prompt construction.

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。

Audit how AI search engines (ChatGPT, Perplexity, Google AI Overviews, Claude) describe and recommend your product, then propose fixes. Triggers on requests to audit AI search visibility, improve AEO/GEO, check ChatGPT/Perplexity coverage, or when user asks "do we show up in AI search?", "AEO audit", "generative engine optimization", "AI discoverability", "how does ChatGPT describe us?", "Perplexity ranking". Outputs GTM-AEO-* entries and a Coverage Matrix.

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。

推特中文圈 AI 自媒体博主 (推特(X) 中文圈 AI 自媒体博主 (从业者视角) — 在 X/推特 用中文做 AI 内容的自媒体博主，重点是**怎么写推文/thread、怎么制作内容**。覆盖: (a) 选题 — AI 模型发布解读 / prompt 技巧 / AI 工具实测 / AI 出海与独立开发(build in public) / 英文一手编译翻译 / 信息差 / AI 资讯快讯 / 深度长推; (b) 文案与内容结构(核心) — 单条推(开头钩子/信息密度/短句断行/配图截图/数据图)、长推与 thread(首条钩子/编号/逻辑链/结尾关注 CTA)、引用锐评(quote tweet)、排版可读性、配图(ray.so/carbon 代码图/产品截图/对比图); (c) 内容制作工作流 — 找信息源(英文一手/arXiv/官方/Reddit/HN)→选题→编译总结加洞察→写推/thread→配图→发布→互动维护; (d) AI 工具用于内容生产 — 英文一手编译总结(GPT/Claude/Kimi)、配图(ray.so/carbon/截图美化)、thread 工具(Typefully/Hypefury)、翻译、排程分析; (e) 平台机制与涨粉 — X 算法时间线(转评赞/互动权重/外链降权)、蹭热点借势、互动与回复、build in public 涨粉、英文区搬运到中文区的信息差红利; (f) 变现(次要) — 广告 / 知识星球 / 社群 / 付费课程 / 咨询 / 导流。学派分歧: 编译搬运(英文一手翻译) vs 原创洞察、快讯资讯 vs 深度长推、锐评玩梗 vs 严肃干货、build in public vs 纯内容、全 AI 自动发 vs 人工精选。代表生态(宝玉/歸藏/向阳乔木/AI 进化论/小互/Gorden Sun 等)。不含: 英文 AI Twitter 圈(聚焦中文圈)、通用 X 增长营销、其他平台、AI 工具技术原理。) Master OS — automated mastery of 推特(X) 中文圈 AI 自媒体博主 (从业者视角) — 在 X/推特 用中文做 AI 内容的自媒体博主，重点是**怎么写推文/thread、怎么制作内容**。覆盖: (a) 选题 — AI 模型发布解读 / prompt 技巧 / AI 工具实测 / AI 出海与独立开发(build in public) / 英文一手编译翻译 / 信息差 / AI 资讯快讯 / 深度长推; (b) 文案与内容结构(核心) — 单条推(开头钩子/信息密度/短句断行/配图截图/数据图)、长推与 thread(首条钩子/编号/逻辑链/结尾关注 CTA)、引用锐评(quote tweet)、排版可读性、配图(ray.so/carbon 代码图/产品截图/对比图); (c) 内容制作工作流 — 找信息源(英文一手/arXiv/官方/Reddit/HN)→选题→编译总结加洞察→写推/thread→配图→发布→互动维护; (d) AI 工具用于内容生产 — 英文一手编译总结(GPT/Claude/Kimi)、配图(ray.so/carbon/截图美化)、thread 工具(Typefully/Hypefury)、翻译、排程分析; (e) 平台机制与涨粉 — X 算法时间线(转评赞/互动权重/外链降权)、蹭热点借势、互动与回复、build in public 涨粉、英文区搬运到中文区的信息差红利; (f) 变现(次要) — 广告 / 知识星球 / 社群 / 付费课程 / 咨询 / 导流。学派分歧: 编译搬运(英文一手翻译) vs 原创洞察、快讯资讯 vs 深度长推、锐评玩梗 vs 严肃干货、build in public vs 纯内容、全 AI 自动发 vs 人工精选。代表生态(宝玉/歸藏/向阳乔木/AI 进化论/小互/Gorden Sun 等)。不含: 英文 AI Twitter 圈(聚焦中文圈)、通用 X 增长营销、其他平台、AI 工具技术原理。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 推特(X) 中文圈 AI 自媒体博主 (从业者视角) — 在 X/推特 用中文做 AI 内容的自媒体博主，重点是**怎么写推文/thread、怎么制作内容**。覆盖: (a) 选题 — AI 模型发布解读 / prompt 技巧 / AI 工具实测 / AI 出海与独立开发(build in public) / 英文一手编译翻译 / 信息差 / AI 资讯快讯 / 深度长推; (b) 文案与内容结构(核心) — 单条推(开头钩子/信息密度/短句断行/配图截图/数据图)、长推与 thread(首条钩子/编号/逻辑链/结尾关注 CTA)、引用锐评(quote tweet)、排版可读性、配图(ray.so/carbon 代码图/产品截图/对比图); (c) 内容制作工作流 — 找信息源(英文一手/arXiv/官方/Reddit/HN)→选题→编译总结加洞察→写推/thread→配图→发布→互动维护; (d) AI 工具用于内容生产 — 英文一手编译总结(GPT/Claude/Kimi)、配图(ray.so/carbon/截图美化)、thread 工具(Typefully/Hypefury)、翻译、排程分析; (e) 平台机制与涨粉 — X 算法时间线(转评赞/互动权重/外链降权)、蹭热点借势、互动与回复、build in public 涨粉、英文区搬运到中文区的信息差红利; (f) 变现(次要) — 广告 / 知识星球 / 社群 / 付费课程 / 咨询 / 导流。学派分歧: 编译搬运(英文一手翻译) vs 原创洞察、快讯资讯 vs 深度长推、锐评玩梗 vs 严肃干货、build in public vs 纯内容、全 AI 自动发 vs 人工精选。代表生态(宝玉/歸藏/向阳乔木/AI 进化论/小互/Gorden Sun 等)。不含: 英文 AI Twitter 圈(聚焦中文圈)、通用 X 增长营销、其他平台、AI 工具技术原理。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「推特 ai 博主」「推特中文 ai」「x ai 自媒体」「推特 thread」「推特爆款推文」

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。

语音转文字 (ASR) (语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。) Master OS — automated mastery of 语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 语音转文字 (ASR / 语音识别 / Speech-to-Text) 应用工程 (从业者视角) — 选型、集成、优化语音转文字能力，尤其面向移动端、低成本、快速识别的场景。覆盖: (a) 引擎/API 地图 — 云端 API(OpenAI gpt-4o-transcribe / Whisper API、Deepgram、AssemblyAI、Google / Azure / AWS Transcribe、讯飞、字节火山、阿里、腾讯、百度) vs 开源模型(Whisper / faster-whisper / whisper.cpp / distil-whisper、NVIDIA NeMo Parakeet / Canary、阿里 FunASR / Paraformer / SenseVoice、Moonshine、Vosk、Kaldi / k2 / icefall) vs 端侧·移动 SDK(whisper.cpp + CoreML / Metal、iOS Speech framework、Android SpeechRecognizer、Picovoice、SenseVoice 端侧); (b) 准确率(WER / CER) × 延迟(RTF / 流式) × 成本 三角权衡与选型决策树; (c) 成本优化 playbook — 端侧免费 / 批量折扣 / VAD 裁静音 / 量化(int8 / ggml) / 蒸馏 / 自托管 break-even; (d) 移动端集成 — 端侧 vs 云、流式 vs 批量、断点检测(endpointing)、隐私 / 离线; (e) 后处理 — 标点 / 数字规整(ITN) / 说话人分离(diarization) / 时间戳。学派分歧: 云 API vs 端侧自托管、通用大模型(Whisper) vs 专用流式(RNN-T / Conformer)、闭源 API vs 开源、准确率派 vs 成本派、英文优先 vs 中文 ASR(FunASR / SenseVoice / 讯飞)。不含: 文字转语音(TTS / 语音合成，方向相反)、声纹识别 / 说话人验证为主业、语音 agent / 对话式 AI、ASR 模型训练科研深水区。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「语音转文字」「语音识别」「asr」「speech to text」「stt」

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。

小红书 AI 自媒体博主 (小红书 AI 自媒体博主 (从业者视角) — 在小红书做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具测评 / AI 绘画 / AI 教程与 prompt / AI 副业变现 / AI 资讯解读 / AI 效率，按小红书用户(偏年轻女性 + 泛知识)重构选题; (b) 文案与内容结构(核心) — 封面(第一眼/大字报/对比图)、标题(数字/痛点/好奇缺口/关键词前置)、正文(钩子开头/分点/口语化/emoji/利他价值)、标签与 SEO 关键词、CTA 与互动引导、人设 voice; (c) 内容制作工作流 — 选题(对标爆款/找选题)→标题封面→脚本或正文→制作(图文/口播/录屏/数字人)→标签发布→数据复盘迭代; (d) AI 工具用于内容生产 — 文案(豆包/Kimi/DeepSeek/GPT)、生图(即梦/MJ/可图)、口播数字人、剪辑(剪映)、封面(Canva/创可贴)、选题与 SEO(新红/千瓜/灰豚); (e) 平台机制与起号 — 推荐算法(收藏率/互动率/完播/搜索)、薯条投放、违禁词/限流/避坑、起号与涨粉、垂直度; (f) 变现(次要) — 蒲公英广告 / 知识付费 / 引流私域 / AI 工具带货。学派分歧: 图文 vs 短视频、干货教程 vs 测评种草 vs 资讯搬运、真人出镜 vs 数字人/无人起号、原创 vs 搬运洗稿、AI 全自动批量 vs AI 辅助精做。不含: 通用小红书运营(已有 xiaohongshu-ops skill, 本 skill 聚焦 AI 赛道 + 文案/内容生产)、电商带货全流程、其他平台、AI 工具本身的技术原理。) Master OS — automated mastery of 小红书 AI 自媒体博主 (从业者视角) — 在小红书做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具测评 / AI 绘画 / AI 教程与 prompt / AI 副业变现 / AI 资讯解读 / AI 效率，按小红书用户(偏年轻女性 + 泛知识)重构选题; (b) 文案与内容结构(核心) — 封面(第一眼/大字报/对比图)、标题(数字/痛点/好奇缺口/关键词前置)、正文(钩子开头/分点/口语化/emoji/利他价值)、标签与 SEO 关键词、CTA 与互动引导、人设 voice; (c) 内容制作工作流 — 选题(对标爆款/找选题)→标题封面→脚本或正文→制作(图文/口播/录屏/数字人)→标签发布→数据复盘迭代; (d) AI 工具用于内容生产 — 文案(豆包/Kimi/DeepSeek/GPT)、生图(即梦/MJ/可图)、口播数字人、剪辑(剪映)、封面(Canva/创可贴)、选题与 SEO(新红/千瓜/灰豚); (e) 平台机制与起号 — 推荐算法(收藏率/互动率/完播/搜索)、薯条投放、违禁词/限流/避坑、起号与涨粉、垂直度; (f) 变现(次要) — 蒲公英广告 / 知识付费 / 引流私域 / AI 工具带货。学派分歧: 图文 vs 短视频、干货教程 vs 测评种草 vs 资讯搬运、真人出镜 vs 数字人/无人起号、原创 vs 搬运洗稿、AI 全自动批量 vs AI 辅助精做。不含: 通用小红书运营(已有 xiaohongshu-ops skill, 本 skill 聚焦 AI 赛道 + 文案/内容生产)、电商带货全流程、其他平台、AI 工具本身的技术原理。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 小红书 AI 自媒体博主 (从业者视角) — 在小红书做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具测评 / AI 绘画 / AI 教程与 prompt / AI 副业变现 / AI 资讯解读 / AI 效率，按小红书用户(偏年轻女性 + 泛知识)重构选题; (b) 文案与内容结构(核心) — 封面(第一眼/大字报/对比图)、标题(数字/痛点/好奇缺口/关键词前置)、正文(钩子开头/分点/口语化/emoji/利他价值)、标签与 SEO 关键词、CTA 与互动引导、人设 voice; (c) 内容制作工作流 — 选题(对标爆款/找选题)→标题封面→脚本或正文→制作(图文/口播/录屏/数字人)→标签发布→数据复盘迭代; (d) AI 工具用于内容生产 — 文案(豆包/Kimi/DeepSeek/GPT)、生图(即梦/MJ/可图)、口播数字人、剪辑(剪映)、封面(Canva/创可贴)、选题与 SEO(新红/千瓜/灰豚); (e) 平台机制与起号 — 推荐算法(收藏率/互动率/完播/搜索)、薯条投放、违禁词/限流/避坑、起号与涨粉、垂直度; (f) 变现(次要) — 蒲公英广告 / 知识付费 / 引流私域 / AI 工具带货。学派分歧: 图文 vs 短视频、干货教程 vs 测评种草 vs 资讯搬运、真人出镜 vs 数字人/无人起号、原创 vs 搬运洗稿、AI 全自动批量 vs AI 辅助精做。不含: 通用小红书运营(已有 xiaohongshu-ops skill, 本 skill 聚焦 AI 赛道 + 文案/内容生产)、电商带货全流程、其他平台、AI 工具本身的技术原理。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「小红书 ai 博主」「小红书 ai 自媒体」「小红书 ai 赛道」「小红书爆款文案」「小红书 ai 教程」

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。

知乎 AI 自媒体博主 (知乎 AI 自媒体博主 (从业者视角) — 在知乎做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具实测 / 大模型解读 / prompt 工程 / AI 副业与变现 / AI 编程 / AI 行业分析 / AI 资讯解读，按知乎用户(偏高学历、理性、求深度、爱较真)重构选题; (b) 文案与内容结构(核心) — 知乎体回答/文章(开头钩子『先说结论/抛反常识/讲故事』、逻辑论证、数据与案例、分点小标题、配图与代码块、结尾升华或金句)、标题(问题型/数字型/反差型/痛点型)、专业感与『讲人话』的平衡、人设 voice、引用与举证(知乎读者吃『有理有据』); (c) 内容制作工作流 — 找问题/选题(热榜/搜索流量词/对标高赞)→搭框架(论点+论据+案例)→写初稿→配图配数据→排版→发布→盐选/付费咨询/带货沉淀; (d) AI 工具用于内容生产 — 找选题与资料(GPT/Claude/Kimi/秘塔)、写作辅助与改写、配图(即梦/MJ)、代码与图表、英文一手编译; (e) 平台机制与涨粉 — 知乎推荐算法(赞同/收藏/想法/盐值/专业徽章/搜索长尾)、热榜与问题流量、好物推荐/知乎带货、盐选专栏、创作者激励、垂直度与权重、避坑(折叠/限流/广告判定); (f) 变现(次要) — 盐选专栏 / 好物推荐带货 / 付费咨询 / 知乎知学堂引流 / 私域 / 商业合作。学派分歧: 长答案深度干货 vs 短平快蹭热榜、专业严肃 vs 故事化通俗、原创 vs 编译搬运洗稿、真人专业人设 vs AI 批量生产、回答优先 vs 文章优先、纯涨粉 vs 直奔盐选变现。不含: 通用知乎运营、电商带货全流程、其他平台(小红书/推特另有 sister skill)、AI 工具本身技术原理。) Master OS — automated mastery of 知乎 AI 自媒体博主 (从业者视角) — 在知乎做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具实测 / 大模型解读 / prompt 工程 / AI 副业与变现 / AI 编程 / AI 行业分析 / AI 资讯解读，按知乎用户(偏高学历、理性、求深度、爱较真)重构选题; (b) 文案与内容结构(核心) — 知乎体回答/文章(开头钩子『先说结论/抛反常识/讲故事』、逻辑论证、数据与案例、分点小标题、配图与代码块、结尾升华或金句)、标题(问题型/数字型/反差型/痛点型)、专业感与『讲人话』的平衡、人设 voice、引用与举证(知乎读者吃『有理有据』); (c) 内容制作工作流 — 找问题/选题(热榜/搜索流量词/对标高赞)→搭框架(论点+论据+案例)→写初稿→配图配数据→排版→发布→盐选/付费咨询/带货沉淀; (d) AI 工具用于内容生产 — 找选题与资料(GPT/Claude/Kimi/秘塔)、写作辅助与改写、配图(即梦/MJ)、代码与图表、英文一手编译; (e) 平台机制与涨粉 — 知乎推荐算法(赞同/收藏/想法/盐值/专业徽章/搜索长尾)、热榜与问题流量、好物推荐/知乎带货、盐选专栏、创作者激励、垂直度与权重、避坑(折叠/限流/广告判定); (f) 变现(次要) — 盐选专栏 / 好物推荐带货 / 付费咨询 / 知乎知学堂引流 / 私域 / 商业合作。学派分歧: 长答案深度干货 vs 短平快蹭热榜、专业严肃 vs 故事化通俗、原创 vs 编译搬运洗稿、真人专业人设 vs AI 批量生产、回答优先 vs 文章优先、纯涨粉 vs 直奔盐选变现。不含: 通用知乎运营、电商带货全流程、其他平台(小红书/推特另有 sister skill)、AI 工具本身技术原理。: top builders' mental models, tool stack, current workflows, jargon, and where to keep up. Trigger this skill when the user works on 知乎 AI 自媒体博主 (从业者视角) — 在知乎做『AI 赛道』内容的自媒体博主，重点是**怎么写文案、怎么制作内容**。覆盖: (a) AI 赛道选题 — AI 工具实测 / 大模型解读 / prompt 工程 / AI 副业与变现 / AI 编程 / AI 行业分析 / AI 资讯解读，按知乎用户(偏高学历、理性、求深度、爱较真)重构选题; (b) 文案与内容结构(核心) — 知乎体回答/文章(开头钩子『先说结论/抛反常识/讲故事』、逻辑论证、数据与案例、分点小标题、配图与代码块、结尾升华或金句)、标题(问题型/数字型/反差型/痛点型)、专业感与『讲人话』的平衡、人设 voice、引用与举证(知乎读者吃『有理有据』); (c) 内容制作工作流 — 找问题/选题(热榜/搜索流量词/对标高赞)→搭框架(论点+论据+案例)→写初稿→配图配数据→排版→发布→盐选/付费咨询/带货沉淀; (d) AI 工具用于内容生产 — 找选题与资料(GPT/Claude/Kimi/秘塔)、写作辅助与改写、配图(即梦/MJ)、代码与图表、英文一手编译; (e) 平台机制与涨粉 — 知乎推荐算法(赞同/收藏/想法/盐值/专业徽章/搜索长尾)、热榜与问题流量、好物推荐/知乎带货、盐选专栏、创作者激励、垂直度与权重、避坑(折叠/限流/广告判定); (f) 变现(次要) — 盐选专栏 / 好物推荐带货 / 付费咨询 / 知乎知学堂引流 / 私域 / 商业合作。学派分歧: 长答案深度干货 vs 短平快蹭热榜、专业严肃 vs 故事化通俗、原创 vs 编译搬运洗稿、真人专业人设 vs AI 批量生产、回答优先 vs 文章优先、纯涨粉 vs 直奔盐选变现。不含: 通用知乎运营、电商带货全流程、其他平台(小红书/推特另有 sister skill)、AI 工具本身技术原理。 problems and wants industry-grade thinking, tool selection, or workflow guidance. 触发词：「知乎 ai 博主」「知乎 ai 自媒体」「知乎 ai 赛道」「知乎高赞回答」「知乎 ai 文章」

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。

AI citation readiness audit ONLY (does not touch Google rankings, use blog-rewrite for combined Google+AI work). Use whenever the user wants their content to rank in ChatGPT, Perplexity, Claude, Gemini, or Google AI Overviews. AI citation optimization audit scoring blog posts for ChatGPT, Perplexity, and Google AI Overview citability. Evaluates passage-level citability, Q&A formatting, entity clarity, structured data, and AI crawler accessibility. Generates citation capsules and a 0-100 AI Citation Readiness score. Use when user says "geo", "ai citation", "ai optimization", "citation audit", "aeo", "perplexity optimization", "chatgpt citation".

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。

驱动 IDA 配合 WPeGPT 插件对二进制可执行文件（PE/ELF）进行自动化逆向分析，输出包含程序用途、网络 IoC、可疑函数及漏洞评估的结构化报告。

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。

Use when converting an agentic repository into a ChatGPT/Codex Plugin or when building, repairing, validating, packaging, submitting, publishing, or auditing an existing Plugin.

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。

根据用户描述生成高质量绘图 prompt，并按通用、roadmap、schematic 模式通过 BenszAPI 直接完成 gpt-image-2.5-flare、gpt-image-2.5-sunburst、gpt-image-2 或 Nano Banana/Gemini 出图、编辑和多轮迭代；这是自包含的图片生成工作流，选中后不得调用或依赖 imagegen，除非用户明确要求同时使用 imagegen。

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。

Use when the user wants a research-paper figure Skill Factory: build, patch, package, or use reusable specialized paper-figure-making skills from lawful literature/corpus evidence. Generated skills must use a specialized-skill-first workflow, full-feasible local PDF coverage where available, startup-plan-only first replies, target-paper candidate/final image isolation, mandatory image-embedded visual-structure explanation, mandatory non-target concept/modeling example display for abstract visual decisions, saved subtype/style illustration atlases, ChatGPT web Create image / ChatGPT Images 2.0 rendering, Codex $imagegen-first rendering, sample-image transfer rules, all-step/current-position state footers, and a mandatory first-round diverse candidate board followed by P6b/P6c paper-local best-practice optimization before final prompt construction.

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。