black-yt
User徐望瀚日常工作中使用和维护的可复用 agent skills。
Categories
Indexed Skills (24)
ai-conference-paper-writing
当需要撰写、重构或打磨 AI conference paper 时使用；覆盖 research story、章节结构、图表实验布局、引用、case study、术语体系和可复现评测，重点把工作包装成清晰的问题、能力缺口和论证闭环。
lab-cluster-1
当需要在 lab cluster 1 / PJLAB 上使用开发机、rlaunch worker 或 rjob 任务时使用；覆盖交互 SSH、安全边界、路径规范、代理、CPU/GPU 分区、训练/部署、服务访问和排错，并要求使用原始 rlaunch/rjob 命令。
github-readme-writing
当需要为 GitHub 项目创建、重构或审阅高质量 README.md 时使用；参考 ResearchClawBench 风格，覆盖居中标题、徽章、导航、teaser、highlights、news、Mermaid、GitHub 公式渲染、quick start、citation 和 star history。
llm-deploy-training
当需要部署或训练 LLM/VLM 时使用；覆盖 vLLM OpenAI-compatible 服务、多模态输入限制、Qwen3.5 工具调用、thinking/reasoning 控制、CUDA Graph 策略，以及 ms-swift SFT/DPO/GRPO full training、数据校验、显存排错和训练检查。
markdown-to-docx
Use when converting Markdown documents into Microsoft Word .docx deliverables, including articles, reports, announcements, release notes, project documentation, image-rich explainers, meeting materials, and public-facing drafts that need embedded local images, captions, readable headings, Chinese/English typography, visible word counts, and a deterministic Python conversion workflow.
researchharness
Use when installing, configuring, running, embedding, deploying, or debugging InternScience ResearchHarness as a lightweight tool-using LLM agent runtime, including CLI runs, local frontend UI, OpenAI-compatible API server, Python API, tool selection, workspaces, traces, compaction, tests, and read-only source inspection.
wave-mosaic-web-theme
当需要为网页复刻 black-yt 风格的高级前端主题时使用；覆盖 canvas wave-mosaic 动态方块背景、Pure White/Warm Yellow/Cool Blue/Dark 四种背景颜色切换、Space Grotesk 字体、CSS 变量、floating background dots、卡片/表格/按钮主题化和性能细节。
agents-md-maintenance
当需要创建、整理、拆分或维护仓库中的 AGENTS.md、CLAUDE.md 或同类默认加载 agent 操作指南时使用；覆盖常驻上下文边界、*.local/ 按需拆分、公开/私有跟踪策略、同步校验和安全编辑。
codex-history-sync
当需要把一个 CODEX_HOME/.codex 中的 Codex 会话记录、history.jsonl、sessions 和 thread title 元数据单向同步到另一个用户或目录下的 .codex 时使用；强调 dry-run、敏感配置排除、filter、force 边界和同步后验证。
context-overlay
Use when configuring or debugging the context-overlay OpenAI-compatible proxy for deterministic prompt/context injection, prompt patching, rule matching, request routing, rejection rules, skill_dir retrieval, streaming forwarding, and local or tunneled proxy validation.
feishu-bot
当需要创建、配置、调用或排查飞书/Lark 机器人时使用；覆盖自定义机器人 webhook 单向群通知、签名校验、消息格式、错误码，以及应用机器人收发消息、tenant_access_token、权限、事件订阅、卡片交互和资源上传。
lab-cluster-1-web-portal
当需要访问、登录、自动化查询或排查 lab-cluster-1 的 h.pjlab.org.cn 集群管理网站时使用；覆盖浏览器/OIDC 登录、h.pjlab.org.cn/kapi/auth endpoint、凭据和 token 安全、会话刷新、Prometheus/DCGM 监控查询、pod/rjob 映射和报告数据分层。
wsl-bash-windows
当在 Windows + WSL 项目中运行 shell 命令、排查 bash/沙箱启动失败、处理 /mnt/c 或 /mnt/d 路径、执行 curl/git/npm/python 等 Linux 命令、排查 GitHub/Hugging Face push、DNS、代理或 token 环境差异、避免误切到 PowerShell/cmd/Windows Node/browser fetch 时使用。
huggingface-dataset-publishing
当需要创建、上传、验证和维护 Hugging Face Dataset 时使用，尤其是包含图片、多图字段、文本步骤、答案、JSON/metadata 字段的数据集；包括 datasets Features/Image/Sequence 的规范用法、push_to_hub、上传后 load_dataset 回读验证、Dataset Viewer 图片浏览检查、clone dataset repo 后用 git 维护 README/dataset card，以及 token 安全。
ms-swift-training
当需要用 ms-swift 进行 LLM 训练或编写/审阅训练脚本时使用，覆盖 SFT、DPO、GRPO，尤其是 9B 级 full training 的 bf16、DeepSpeed zero3、save_only_model、数据 JSONL 校验、max length 过滤、显存排错、训练前 dry-run、训练后 checkpoint 检查、rjob GPU 资源脚本和避免破坏共享 conda 环境。
pdf-parsing
当需要用 structai.read_pdf 将 PDF 文档解析成本地 Markdown、抽取图片资源，并处理 MinerU 解析缓存或代理重试问题时使用。
llm-image-generation
当需要通过 OpenAI-compatible LLM 网关生成图片时使用，尤其是使用 LLM_API_KEY 和 LLM_BASE_URL 调用 gpt-image-2、gpt-image-1、dall-e-3 等图像模型；覆盖环境变量检查、缺失配置提示、模型选择、/images/generations 请求、长等待时间处理、base64/URL 返回保存和排错。
markdown-to-pdf
当需要用 Python 将 Markdown 转为 PDF，并保留表格、代码块、图片路径和基础 CSS 样式时使用。
pdf-to-images
当需要用系统级 Ghostscript 或 Poppler pdftoppm 将 PDF 页面导出为 PNG/JPEG 图片，支持单页、页码范围、整篇导出和论文排版可视化检查时使用。
browser-render-visualization
当需要用 Playwright 渲染网页前端、GitHub Pages、本地静态页面、Canvas 或 Three.js 页面并保存桌面/移动端截图、检查空白渲染、布局溢出和浏览器报错时使用。
frontend-markdown-rendering
当需要在前端把最终 assistant 文本渲染为 Markdown，同时保留工具过程为纯文本/JSON，并支持表格、代码块、图片、KaTeX 公式、Mermaid 图和 workspace 本地图片安全访问时使用。
structai
Use when building, testing, or debugging LLM applications with the StructAI Python toolkit, including LLMAgent calls, structured outputs, LLM judging, batch concurrency, file/PDF utilities, text parsing, private-IP no_proxy handling, and timeout wrappers.
docx-splitting
当需要在 Windows + Microsoft Word 环境中按页拆分 .docx 文件并尽量保留原始格式、图片、表格和分页效果时使用。
latex-compiling
当需要用系统级 latexmk 和 pdflatex 编译 LaTeX，并把 PDF、中间文件、TeX 缓存与源码目录隔离时使用。
Bio shown is the top-scored skill's repo description as a fallback — real GitHub bios land in a future update.