AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年11月20日
面向资料研究与结构化报告写作的可复用 Agent Skill
仓库简介强调自动研究与 RLVR,但已采集的两个 Skill 资料只说明其用于资料研究、事实整理和结构化报告写作,未给出具体流程、输入输出或步骤。两者风险等级均标注为 high,能力边界需以源文件为准。
包含 Skill
2
可以单独安装
GitHub Star
39
仓库累计 Star
代码更新
2026年4月10日
最近一次推送
核心亮点
1定位清晰
围绕资料研究与事实整理,减少信息归拢的重复劳动。
2输出导向
面向结构化报告写作,便于把素材组织成可读文本。
3可复用
以 Skill 形式提供,可在支持的 Agent 环境中重复调用。
能做什么
- 整理研究资料并归拢事实要点
- 辅助生成结构化的报告文本
- 支持资料研究与写作类任务流程
- 以 Skill 文件形式在 Agent 中复用
适用场景
把多篇资料要点整理成一份结构化摘要
围绕一个主题梳理事实并形成报告初稿
将零散笔记归拢为条理清晰的说明文本
用之前和用之后
- 资料分散在多个来源,需要手工摘录和归类。由 Skill 辅助归拢事实要点,再整理成结构化文本。
- 写报告时先花时间搭框架、理顺序。借助结构化输出思路,更快进入正文撰写。
它是怎么工作的
第 1 步
收集资料
第 2 步
整理事实
第 3 步
输出报告
快速上手
安装与复制命令见“安装方式”。
- 1
打开仓库并定位两个 Skill 目录
- 2
阅读对应 SKILL.md 了解用法
- 3
按源文件说明在 Agent 中加载
- 4
先用小任务验证输出效果
适合谁
- 需要做资料调研的内容工作者
- 要写结构化报告的分析人员
- 在 Agent 中复用工作流的开发者
局限
- 来源未提供具体步骤、输入与输出说明
- 两个 Skill 均标注为高风险等级
- 仓库简介的宣传表述不能单独证明能力
- 实际效果需自行在目标环境中验证
使用前注意
- · 两个 Skill 风险等级均为 high,使用前应核验其行为与权限范围。
- · 来源缺少步骤与输入输出说明,需先阅读源文件再决定是否使用。
- · 涉及外部资料研究时,应自行核对事实准确性。
包含的 Skills · 2
- Autostar Web工作流Generalised autonomous optimisation loop — soft RLVR for any artifact a user can measure. Web runtime package: uses memory in this order: connector-backed, project-pack, none. Never assumes subprocess access or unrestricted local files. Useautostar-claude-ai-skill/SKILL.md
- Autostar工作流Generalised autonomous optimisation loop — soft RLVR for any artifact a user can measure. Use this skill whenever a user wants to iteratively improve an artifact — code, prompts, documents, configs, designs, content — by running structured autostar-skill/SKILL.md
公开来源
相关 Skills
查看更多last30days-skill
1 Skills热点研究技能 · mvanhorn
用于围绕主题开展资料研究、整理事实并撰写结构化报告,适合需要汇总多类信息来源的研究任务。
scientific-agent-skills
177 Skills科学研究技能集 · K-Dense-AI
覆盖生物、化学、医学等科研场景,可用于数据分析、论文检索、资料整理及部分专业工具工作流。
nature-skills
24 Skills科研写作绘图技能集 · Yuan1z0825
覆盖文献检索与引文核对、论文精读、科研绘图、实验记录和论文资料处理等场景,帮助整理研究证据、生成结构化内容并完成特定科研工作流。
Supervisor-Skills
12 Skills科研导师技能集 · HKUSTDial
支持资料研究、论文段落与稿件起草、审稿意见回应等科研场景,可用于整理研究材料并辅助推进论文写作。
