cli-hub-matrix-knowledge-research(知识研究矩阵)
SkillSkillsMP
io.github.HKUDS/CLI-Anything/knowledge-research
面向研究、笔记、文档撰写与发布的按能力组合的多工具矩阵。agent 按能力组合各类 provider(CLI-Anything harness、公开 CLI、Python 库、原生二进制、云 API)。
source
“Job Search” 共 855 个结果
io.github.HKUDS/CLI-Anything/knowledge-research
面向研究、笔记、文档撰写与发布的按能力组合的多工具矩阵。agent 按能力组合各类 provider(CLI-Anything harness、公开 CLI、Python 库、原生二进制、云 API)。
io.github.binrogithub/1-3-Cloud-Adoption-Skills/CSS-Code-Search-MCP
在华为云 ECS 上从零部署 CSS/OpenSearch 代码搜索 MCP 服务器，让 Claude Code（claude-glm）能把 GitHub 仓库的代码与文档搜索当作原生 MCP 工具使用。当任务包括开通新的华为云 CSS 集群与 ECS、将代码仓库索引进 CSS，并作为可搜索 MCP 工具暴露给 AI 编码 agent 时使用。
io.github.affaan-m/ECC/deep-research
使用 firecrawl 与 exa MCP 进行多源深度研究。检索网页、综合发现，并交付带有来源归属的引用报告。在用户需要对任意主题做有证据、有引用的彻底研究时使用。
io.github.code-yeongyu/oh-my-openagent/security-research
Team Mode 的安全研究 skill。编排 3 名漏洞猎手与 2 名 PoC 工程师并行审计代码库，验证可利用性、归类根因，并按真实可利用性校准严重级别。用于安全评审、漏洞研究、可利用性审计、发布前安全检查、威胁模型验证以及 /security-research。触发词：security-research、security research、security review、vulnerability audit、exploitability audit、보안 리뷰、취약점 감사。
io.github.thedaviddias/Front-End-Checklist/search-input
审查与“让搜索输入框可访问”相关的模板、渲染 HTML 或共享组件时使用。校验最终面向浏览器的标记，而不只是框架侧的源码抽象。
io.github.nexu-io/open-design/research-decision-room
把杂乱的用研笔记、访谈、客服工单、问卷与产品语境整理为证据支撑的决策室：单一 HTML 制品，含证据台账、主题地图、置信度热力图、机会矩阵、决策备忘录与实验队列。当团队需要从定性信号推进到产品或设计决策、且不臆造确定性时使用。
io.github.wshobson/agents/similarity-search-patterns
基于向量数据库实现高效的相似度搜索。在构建语义搜索、执行最近邻查询或优化检索性能时使用。
io.github.wshobson/agents/python-background-jobs
Python 后台作业模式，包括任务队列、工作进程与事件驱动架构。在实现异步任务处理、作业队列、长时间运行操作，或将工作与请求/响应周期解耦时使用。
io.github.affaan-m/ECC/exa-search
通过 Exa MCP 进行神经检索，用于网页、代码和企业研究。当用户需要网页搜索、代码示例、公司情报、人物查找，或用 Exa 的神经搜索引擎做 AI 驱动的深度研究时使用。
io.github.binrogithub/1-3-Cloud-Adoption-Skills/CSS-Code-Search-MCP
在华为云 ECS 上从零部署 CSS/OpenSearch 代码搜索 MCP 服务器，让 Claude Code（claude-glm）能把 GitHub 仓库的代码与文档搜索当作原生 MCP 工具使用。当任务包括开通新的华为云 CSS 集群与 ECS、将代码仓库索引进 CSS，并作为可搜索 MCP 工具暴露给 AI 编码 agent 时使用。
io.github.affaan-m/ECC/search-first
先检索再编码的工作流。在编写自定义代码之前，先搜索已有的工具、库和模式。把“先找现成方案再动手实现”这一做法系统化。在开始新功能或添加能力时使用。
io.github.midudev/autoskills/python-background-jobs
Python 后台任务模式，包括任务队列、worker 与事件驱动架构。在实现异步任务处理、作业队列、长时运行操作，或将工作与请求/响应周期解耦时使用。
vnext
io.github.webiny/webiny-js/opensearch
api/opensearch — 4 个抽象。
io.github.sickn33/antigravity-awesome-skills/apify-market-research
分析 Google Maps、Facebook、Instagram、Booking.com 与 TripAdvisor 上的市场状况、地域机会、定价、消费行为与产品验证。
io.github.bytedance/deer-flow/github-deep-research
对任意 GitHub 仓库开展多轮深度调研。当用户要求全面分析、时间线重建、竞品分析或对 GitHub 项目的深入调查时使用。产出结构化 markdown 报告，含执行摘要、时间线、指标分析与 Mermaid 图。触发于 GitHub 仓库 URL 或开源项目。
io.github.affaan-m/ECC/deep-research
使用firecrawl和exa MCPs进行多源深度研究。搜索网络、综合发现并交付带有来源引用的报告。适用于用户希望对任何主题进行有证据和引用的彻底研究时。
io.github.affaan-m/ECC/exa-search
通过Exa MCP进行神经搜索，适用于网络、代码和公司研究。当用户需要网络搜索、代码示例、公司情报、人员查找，或使用Exa神经搜索引擎进行AI驱动的深度研究时使用。
io.github.ruvnet/ruflo/agent-researcher
研究的 Agent 技能,使用 $agent-researcher 调用。
io.github.Dicklesworthstone/pi_agent_rust/mcp-exa-search
使用 Exa AI 进行网页搜索、公司调研和代码上下文查找。在执行网页搜索、公司调研或查找编程文档时使用。触发词：搜索网页、在线查找、公司调研、[某库] 的代码上下文、Exa 搜索。
io.github.RefoundAI/lenny-skills/writing-job-descriptions
帮助用户撰写高效的职位描述（JD）。当有人要创建招聘公告、定义新岗位、准备招聘或为空缺职位吸引合适的候选人时使用。
io.github.patchy631/ai-engineering-hub/hugging-face-jobs
当用户想在 Hugging Face Jobs 基础设施上运行任意工作负载时使用。涵盖 UV 脚本、基于 Docker 的任务、硬件选型、成本估算、令牌认证、secrets 管理、超时配置与结果持久化。面向通用计算工作负载，包括数据处理、推理、实验、批处理及任意 Python 任务。当任务涉及云端计算、GPU 工作负载，或用户提到在 Hugging Face 基础设施上运行任务且无需本地环境时调用。
io.github.ruvnet/RuView/agentdb-vector-search
基于 AgentDB 实现语义向量检索，用于智能文档取回、相似度匹配与上下文感知查询。在构建 RAG 系统、语义搜索引擎或智能知识库时使用。
io.github.nspady/google-calendar-mcp/mcp-research
面向 Model Context Protocol 实现的专家级研究工具。在审查 MCP 服务器代码、规划新的 MCP 工具/资源/提示词、调查协议合规问题或验证架构时主动使用。专长于协议合规（JSON-RPC 2.0）、安全模式、传输层和生产环境最佳实践。当前规范版本：2025-06-18。
io.github.tidyverse/dbplyr/sql-research
调研各数据库后端 SQL 语法与行为的指南。在 dbplyr 中实现某个 SQL 函数、命令或特性前，需要先弄清它在特定数据库中的工作方式时使用。