Agent Useful Skills

模块化 AI 科研/工程技能集合（Claude Code / DeepSeek Harness 通用）。 把「读论文 → 画图 → 写文档 → 安全审计」这些重复任务，沉淀成可复用的 skill + 脚本，每个模块自带验证环。

一句话：LLM 写中间产物 → 脚本固化格式 → 跨模型验证环兜底。

全貌索引（模块→skill→脚本→验证方式）：见 skeleton.md。

设计原则（为什么这么设计）

原则	含义
验证环	AI 生成的图/内容，用独立的跨模型检查兜底——vision 渲染复核、review 对抗评审。不盲信单次输出
场景判定 + 自进化日志	每个 skill 先判「给谁看、什么深度」，每次实战把教训写回 skill，越用越强
工具不堆积	新工具先问「有没有真正新增的能力」，有才吸收，重复轮子不装
配置走 env	脚本优先读环境变量，兜底 Claude Code 本地设置。仓库不硬编码任何供应商端点或密钥

设计灵感：科研骨架的设计哲学（跨模型评审循环、对抗验证）受 ARIS（arXiv:2605.03042）启发，未直接使用其代码。详见 THIRD-PARTY-NOTICES.md。

仓库结构（monorepo）

▼
text
复制代码
agent-useful-skills/
├── index.mjs / package.json / cordis.patch.yml  # DSH 插件外壳（dsh.bundle，把全部技能注册进 ctx.skills）
├── plugins/     # 可独立安装的 Claude 插件（有 .claude-plugin）
│   ├── code-security-skills/
│   └── superpowers/
├── skills/      # 独立 skill（单 SKILL.md，非插件）
│   └── storage-analyzer/
├── bin/         # 共享辅助脚本
└── latex-templates/

包含的模块

插件（`plugins/`）

插件	版本	说明
Code Security Skills	v1.4.0	系统化安全审计：场景分流 → 并行探索 → 深度验证（跨模型对抗）→ 报告 → 增量重审计 + 状态追踪工具
Superpowers（本地改版）	6.2.0-local	superpowers fork + 科研骨架自定义 skill

自定义 Skills（`plugins/superpowers/skills/`）

Skill	用途
figure-drawing	论文制图：概念图 / 精确数据图 / 技术架构图场景分流，vision 渲染验证
paper-reading	论文阅读：搜索入库 / 防撞车 / 快速读 / 精读（六节模板 + 置信度分级）
office-tools	Office 写作：md→docx/pptx（公式转原生方程）、Excel 处理、提图
paper-writing	论文写作一条龙：venue 选模板 → 模块化写作 → 编译页数检查

独立 Skill（`skills/`）

Skill	用途
storage-analyzer	只读磁盘存储分析：三色分级清理决策 + 交互式 HTML 报告（第三方改编，MIT）

Helper 脚本（`bin/`）

脚本	用途	依赖
vision.py	识图（Qwen3-VL-32B，OpenAI 兼容）	`LLM_API_URL` + key（env）
review.py	跨模型对抗评审（kill-argument 结构化 JSON，Qwen3.5-397B）	`LLM_API_URL` + key（env）
gen-image-mcp.js	通用生图 MCP server（OpenAI 兼容）	`GEN_IMAGE_URL` / `GEN_IMAGE_PROVIDERS`（env）
office_tools.py	Office 处理（Excel / pandoc md→docx/pptx / 提图）	openpyxl + pandoc
latex_build.py	LaTeX 模板库管理（new/build/pages）	latexmk + xelatex
data_plot.py	期刊级数据图（样式 / 数据耦合保存）	matplotlib/pandas/numpy
security-audit-tools.py	安全审计报告状态管理	标准库
fig2drawio.py	论文图 → draw.io 复刻	`LLM_API_URL` + key（env）
consistency_check.py	矢量图一致性检查	`LLM_API_URL` + key（env）
check_skills.py	校验全部 SKILL.md 是否符合 DSH/AgentSkills 规则（name/description/单层发现/运行时耦合）	标准库
redeploy-skills.ps1	DSH 技能链接部署/自愈/校验（Windows junction / POSIX symlink，`-Check` 只读模式）	pwsh 7

快速开始

▼
bash
复制代码
# 识图（环境变量配好 LLM_API_URL + key）
python bin/vision.py <image_path> "描述这张图"

# markdown → Word（公式转 OMML 原生方程）
python bin/office_tools.py md2docx 笔记.md 报告.docx --toc

# 期刊级数据图（自动双出 pdf+png+csv）
python bin/data_plot.py demo

# 安全审计
#   触发 code-security-audit skill，或直接用 /audit

安装

插件

▼
bash
复制代码
claude plugins install https://github.com/<your-org>/agent-useful-skills --path code-security-skills

Skills

superpowers/skills/ 下的 skill 复制或符号链接到 ~/.claude/skills/：

▼
bash
复制代码
# macOS / Linux
ln -s "$(pwd)/superpowers/skills/paper-reading" ~/.claude/skills/paper-reading
# Windows（junction）
New-Item -ItemType Junction -Path "$env:USERPROFILE\.claude\skills\paper-reading" -Target "$pwd\superpowers\skills\paper-reading"

Helper 脚本

bin/ 下的脚本可直接 python bin/<script>.py 调用，也支持 pip install -e . 一键安装为 console 命令（推荐，不依赖 junction）：

▼
bash
复制代码
pip install -e .
review file.md           # 跨模型对抗评审（结构化 JSON）
vision img.png "描述"    # 识图
office-tools md2docx a.md b.docx
latex-build list

DeepSeek Harness（DSH）接入

本仓库 skills 兼容 DSH（Agent Skills 标准运行时，本机已验证全部技能可注册）。DSH 只识别单层技能目录 <技能根>/<技能名>/SKILL.md，插件内技能需逐个建 junction（不要把整个 skills/ 目录链过去）：

▼
powershell
复制代码
# 用户级技能根：~/.dsh/skills（所有会话）；项目级：<工作区>/.dsh/skills
New-Item -ItemType Junction -Path "$env:USERPROFILE\.dsh\skills\paper-reading" -Target "$pwd\plugins\superpowers\skills\paper-reading"

校验：python bin/check_skills.py（或 pip install -e . 后 check-skills），确保 SKILL.md 符合 DSH 解析规则
自动化部署/自愈（推荐替代手写 junction）：pwsh bin/redeploy-skills.ps1（创建缺失链接、清理失效链接）；-Check 为只读校验（链接完整性 + frontmatter）。支持 DSH_HOME / DSH_SKILLS 环境变量覆盖目标目录
⚠️ 链接部署下，在 DSH 技能管理界面（如 skill-explorer）中只用启用/禁用，不要用删除——删除可能级联到链接目标（即仓库真实文件）
注意：subagent-driven-development/scripts/ 下 3 个无扩展名脚本是 bash，Windows 需在 Git Bash / WSL 下运行

DSH 插件安装（dsh-market 一键）

仓库根带有 dsh.bundle 声明（package.json + cordis.patch.yml + index.mjs），可作 DSH 插件安装，在 dsh-market / awesome-dsh-plugin 中可见：

▼
powershell
复制代码
dsh plugin --profile web add github:Azzygoatcoder/agent-useful-skills

插件把 <repo>/skills/* 与 <repo>/plugins/*/skills/* 下全部单层技能注册进 ctx.skills（与 redeploy-skills.ps1 同一份技能契约）
去重契约：已通过 junction 部署在 ~/.dsh/skills（或项目 .dsh/skills）的技能名会被插件自动跳过，本地在用的副本优先，不会重复注册；全新机器才会获得插件自带的技能
白盒自检：node bin/verify-plugin.mjs（需仓库根 node_modules/@deepseek-ai/dsh-skill-filesystem 可解析，见 verify-plugin.mjs 头部注释）

密钥配置

脚本优先读环境变量，兜底 ~/.claude/settings.json（Claude Code 本地设置）：

▼
bash
复制代码
export LLM_API_URL="https://api.siliconflow.cn/v1/chat/completions"
export SILICONFLOW_API_KEY="sk-..."

# 识图后端一键切换（可选，默认 siliconflow）
export VISION_PROVIDER="sensenova"   # 自动带出 URL + 模型 + SENSENOVA_API_KEY

许可证

MIT · 第三方内容归属见 THIRD-PARTY-NOTICES.md

Agent Useful Skills

一句话：LLM 写中间产物 → 脚本固化格式 → 跨模型验证环兜底。

全貌索引（模块→skill→脚本→验证方式）：见 skeleton.md。

设计原则（为什么这么设计）

原则	含义
验证环	AI 生成的图/内容，用独立的跨模型检查兜底——vision 渲染复核、review 对抗评审。不盲信单次输出
场景判定 + 自进化日志	每个 skill 先判「给谁看、什么深度」，每次实战把教训写回 skill，越用越强
工具不堆积	新工具先问「有没有真正新增的能力」，有才吸收，重复轮子不装
配置走 env	脚本优先读环境变量，兜底 Claude Code 本地设置。仓库不硬编码任何供应商端点或密钥

设计灵感：科研骨架的设计哲学（跨模型评审循环、对抗验证）受 ARIS（arXiv:2605.03042）启发，未直接使用其代码。详见 THIRD-PARTY-NOTICES.md。

仓库结构（monorepo）

▼
text
复制代码
agent-useful-skills/
├── index.mjs / package.json / cordis.patch.yml  # DSH 插件外壳（dsh.bundle，把全部技能注册进 ctx.skills）
├── plugins/     # 可独立安装的 Claude 插件（有 .claude-plugin）
│   ├── code-security-skills/
│   └── superpowers/
├── skills/      # 独立 skill（单 SKILL.md，非插件）
│   └── storage-analyzer/
├── bin/         # 共享辅助脚本
└── latex-templates/

包含的模块

插件（`plugins/`）

插件	版本	说明
Code Security Skills	v1.4.0	系统化安全审计：场景分流 → 并行探索 → 深度验证（跨模型对抗）→ 报告 → 增量重审计 + 状态追踪工具
Superpowers（本地改版）	6.2.0-local	superpowers fork + 科研骨架自定义 skill

自定义 Skills（`plugins/superpowers/skills/`）

Skill	用途
figure-drawing	论文制图：概念图 / 精确数据图 / 技术架构图场景分流，vision 渲染验证
paper-reading	论文阅读：搜索入库 / 防撞车 / 快速读 / 精读（六节模板 + 置信度分级）
office-tools	Office 写作：md→docx/pptx（公式转原生方程）、Excel 处理、提图
paper-writing	论文写作一条龙：venue 选模板 → 模块化写作 → 编译页数检查

独立 Skill（`skills/`）

Skill	用途
storage-analyzer	只读磁盘存储分析：三色分级清理决策 + 交互式 HTML 报告（第三方改编，MIT）

Helper 脚本（`bin/`）

脚本	用途	依赖
vision.py	识图（Qwen3-VL-32B，OpenAI 兼容）	`LLM_API_URL` + key（env）
review.py	跨模型对抗评审（kill-argument 结构化 JSON，Qwen3.5-397B）	`LLM_API_URL` + key（env）
gen-image-mcp.js	通用生图 MCP server（OpenAI 兼容）	`GEN_IMAGE_URL` / `GEN_IMAGE_PROVIDERS`（env）
office_tools.py	Office 处理（Excel / pandoc md→docx/pptx / 提图）	openpyxl + pandoc
latex_build.py	LaTeX 模板库管理（new/build/pages）	latexmk + xelatex
data_plot.py	期刊级数据图（样式 / 数据耦合保存）	matplotlib/pandas/numpy
security-audit-tools.py	安全审计报告状态管理	标准库
fig2drawio.py	论文图 → draw.io 复刻	`LLM_API_URL` + key（env）
consistency_check.py	矢量图一致性检查	`LLM_API_URL` + key（env）
check_skills.py	校验全部 SKILL.md 是否符合 DSH/AgentSkills 规则（name/description/单层发现/运行时耦合）	标准库
redeploy-skills.ps1	DSH 技能链接部署/自愈/校验（Windows junction / POSIX symlink，`-Check` 只读模式）	pwsh 7

快速开始

▼
bash
复制代码
# 识图（环境变量配好 LLM_API_URL + key）
python bin/vision.py <image_path> "描述这张图"

# markdown → Word（公式转 OMML 原生方程）
python bin/office_tools.py md2docx 笔记.md 报告.docx --toc

# 期刊级数据图（自动双出 pdf+png+csv）
python bin/data_plot.py demo

# 安全审计
#   触发 code-security-audit skill，或直接用 /audit

安装

插件

▼
bash
复制代码
claude plugins install https://github.com/<your-org>/agent-useful-skills --path code-security-skills

Skills

superpowers/skills/ 下的 skill 复制或符号链接到 ~/.claude/skills/：

▼
bash
复制代码
# macOS / Linux
ln -s "$(pwd)/superpowers/skills/paper-reading" ~/.claude/skills/paper-reading
# Windows（junction）
New-Item -ItemType Junction -Path "$env:USERPROFILE\.claude\skills\paper-reading" -Target "$pwd\superpowers\skills\paper-reading"

Helper 脚本

bin/ 下的脚本可直接 python bin/<script>.py 调用，也支持 pip install -e . 一键安装为 console 命令（推荐，不依赖 junction）：

▼
bash
复制代码
pip install -e .
review file.md           # 跨模型对抗评审（结构化 JSON）
vision img.png "描述"    # 识图
office-tools md2docx a.md b.docx
latex-build list

DeepSeek Harness（DSH）接入

▼
powershell
复制代码
# 用户级技能根：~/.dsh/skills（所有会话）；项目级：<工作区>/.dsh/skills
New-Item -ItemType Junction -Path "$env:USERPROFILE\.dsh\skills\paper-reading" -Target "$pwd\plugins\superpowers\skills\paper-reading"

校验：python bin/check_skills.py（或 pip install -e . 后 check-skills），确保 SKILL.md 符合 DSH 解析规则
自动化部署/自愈（推荐替代手写 junction）：pwsh bin/redeploy-skills.ps1（创建缺失链接、清理失效链接）；-Check 为只读校验（链接完整性 + frontmatter）。支持 DSH_HOME / DSH_SKILLS 环境变量覆盖目标目录
⚠️ 链接部署下，在 DSH 技能管理界面（如 skill-explorer）中只用启用/禁用，不要用删除——删除可能级联到链接目标（即仓库真实文件）
注意：subagent-driven-development/scripts/ 下 3 个无扩展名脚本是 bash，Windows 需在 Git Bash / WSL 下运行

DSH 插件安装（dsh-market 一键）

仓库根带有 dsh.bundle 声明（package.json + cordis.patch.yml + index.mjs），可作 DSH 插件安装，在 dsh-market / awesome-dsh-plugin 中可见：

▼
powershell
复制代码
dsh plugin --profile web add github:Azzygoatcoder/agent-useful-skills

插件把 <repo>/skills/* 与 <repo>/plugins/*/skills/* 下全部单层技能注册进 ctx.skills（与 redeploy-skills.ps1 同一份技能契约）
去重契约：已通过 junction 部署在 ~/.dsh/skills（或项目 .dsh/skills）的技能名会被插件自动跳过，本地在用的副本优先，不会重复注册；全新机器才会获得插件自带的技能
白盒自检：node bin/verify-plugin.mjs（需仓库根 node_modules/@deepseek-ai/dsh-skill-filesystem 可解析，见 verify-plugin.mjs 头部注释）

密钥配置

脚本优先读环境变量，兜底 ~/.claude/settings.json（Claude Code 本地设置）：

▼
bash
复制代码
export LLM_API_URL="https://api.siliconflow.cn/v1/chat/completions"
export SILICONFLOW_API_KEY="sk-..."

# 识图后端一键切换（可选，默认 siliconflow）
export VISION_PROVIDER="sensenova"   # 自动带出 URL + 模型 + SENSENOVA_API_KEY

许可证

MIT · 第三方内容归属见 THIRD-PARTY-NOTICES.md

agent-useful-skills

Agent Useful Skills

设计原则（为什么这么设计）

仓库结构（monorepo）

包含的模块

插件（plugins/）

自定义 Skills（plugins/superpowers/skills/）

独立 Skill（skills/）

Helper 脚本（bin/）

快速开始

安装

插件

Skills

Helper 脚本

DeepSeek Harness（DSH）接入

DSH 插件安装（dsh-market 一键）

密钥配置

许可证

agent-useful-skills

Agent Useful Skills

设计原则（为什么这么设计）

仓库结构（monorepo）

包含的模块

插件（plugins/）

自定义 Skills（plugins/superpowers/skills/）

独立 Skill（skills/）

Helper 脚本（bin/）

快速开始

安装

插件

Skills

Helper 脚本

DeepSeek Harness（DSH）接入

DSH 插件安装（dsh-market 一键）

密钥配置

许可证

插件（`plugins/`）

自定义 Skills（`plugins/superpowers/skills/`）

独立 Skill（`skills/`）

Helper 脚本（`bin/`）

插件（`plugins/`）

自定义 Skills（`plugins/superpowers/skills/`）

独立 Skill（`skills/`）

Helper 脚本（`bin/`）